简介：支持向量机(SVM)是一类新型机器学习方法,其理论基础是统计学习理论,由于其出色的学习性能而成为当前国际机器学习领域的研究热点.该文首先阐述统计学习的核心内容,然后对SVM及其应用进行研究,最后讨论了SVM的局限和有待研究的问题.

简介：摘要支持向量机是一种新的机器学习方法，由于其出色的学习性能，该技术已成为当前国际机器学习界的研究热点。对SVM训练算法的最新研究成果进行了综述，着重说明了各种的算法的思路和优缺点。总结了支持向量机理论及其应用的现状，对支持向量机的未来发展方向进行了展望。

简介：

简介：支持向量机是机器学习和数据挖掘领域的热门研究课题之一，作为一种尚未完全成熟的技术，目前仍有许多不足，其中之一就是没有统一的模型参数选择标准和理论。在具体使用中，对支持向量机性能有重要影响的参数包括惩罚因子C，核函数及其参数的选取。文章首先分析了模型参数对支持向量机性能的影响，然后对几种常用的模型参数选择方法进行介绍，分析以及客观评价，最后概括了支持向量机模型参数选择方法的现状，以及对其发展趋势进行了展望。

简介：在不均衡数据集下,SVM分类超平面的偏移,使得基于KKT条件进行样本选择的增量学习算法性能不佳,针对该问题,提出动态代价的SVM增量学习算法,该算法依据各类样本密度之间的关系动态计算类的错分代价,减少每次迭代中分类超平面偏移造成的错误累积,保证依据KKT条件选取样本的准确性,使得每次迭代选取的样本都包含当前分类器缺少的空间信息,提高最终分类器在不均衡数据集下的分类性能.最后,在UCI数据集上的仿真实验结果表明该算法能够提高不均衡数据下的分类性能.

简介：支持向量机是借助于最优化方法解决机器学习问题的新工具,它最初于20世纪90年代所提出,近年来在其理论研究和算法实现方面都取得了突破性进展,开始成为克服“维数灾难”和“过学习”的有力手段。文章基于对支持向量机的理解,整理了在SAS软件中支持向量机的不同应用的研究文献,以期对信息管理方法研究提供参考。

简介：本文提出了一种基于模糊支持向量机的网络入侵检测方法。通过在样本中引入模糊隶属度,来减小噪声数据和孤立点的影响。根据网络入侵检测的特征,选择合适的核函数,构建了适合于网络入侵检测的模糊支持向量机分类器。实验表明这种分类器应用于网络入侵检测是可行的,有效的。

简介：针对智能监控中行人行为难于识别的问题,提出了一种基于改进支持向量机的行人行为分类的解决方法.针对背景建模和前景提取精确度的难题,把视频中有活动的部分表示成一组时空兴趣点;针对行动方式具有无固定方式和模糊特点的问题,先采用模糊聚类求每类行为样本聚类中心,再加入决策树思想,构建一种支持向量机决策树多值分离器进行行为分类.在国际上通用行为KTH数据库进行了实验,获得较高的识别率.

简介：以氨基酸组成为特征对膜蛋白的分类，忽略了序列残基之间的相关性信息，而采用传统支持向量机算法作为分类算法，在解决多类问题时会出现分类盲区问题。针对这两种情况，计算蛋白质序列的氨基酸组成、二肽组成以及6种氨基酸相关系数，将三类特征结合，作为膜蛋白序列的特征向量；同时采用模糊支持向量机作为分类器，解决了传统支持向量机在多类数据识别中的盲区问题。测试结果表明，在相同特征输入下，模糊支持向量机分类性能优于传统支持向量机；在相同分类器的情况下，氨基酸组成、二肽组成和相关系数组合的特征选择方法的分类性能优于只使用其中一类或两类特征的方法；而采取组合特征和模糊支持向量机相结合的分类策略，在独立性数据集测试中的整体预测精度达到97％，优于现有的多种分类策略，是目前最有效的膜蛋白分类方法之一。

简介：针对人脸检测中的非线性和降维问题提出了一种有效的人脸检测方法.首先基于人脸的肤色和几何特征,通过局部自适应门限方法提取图象边缘,用几何规则和颜色特征筛选出候选眼睛块.然后采用改进的四边界sobel算子对眼睛精确定位.最后使用训练好的支撑向量机来验证.该方法可以实现多尺度多角度的彩色图像中的正面人脸检测,实验结果令人满意.

简介：ICO（InitialCoinOfferin曲传销是一种未经批准非法公开融资和非法发售代币票券的新型金融传销模式，严重干扰金融秩序、破坏社会稳定。如何有效地实施ICO监管并对ICO进行传销定性成为经济犯罪侦查研究的重要方向之一．针对此问题．提出了一种基于支持向量机的ICO传销类罪模型．利用该模型对难以定性的ICO进行分类．从而实现对未定性的ICO进行判定．采集了180种ICO相关数据．提取出15个ICO传销类罪模型的评价指标．建立了基于支持向量机的ICO传销类罪模型．对难以定性的ICO进行分类．随后利用150组ICO数据作为支持向量机的学习样本．再对30组ICO合法性进行分类研究．实验结果表明该模型的分类结果准确率高达90％．在ICO传销类罪推定上具有良好的应用。今后．可以利用深度学习的方法对ICO的定性问题进一步分析。

简介：

简介：摘要电容型设备的绝缘故障不仅影响整个变电站的安全运行，还危及其它设备及人身安全，因此对电容型设备进行准确的故障诊断具有重要意义。本文基于支持向量机具有较好的处理小样本问题的优点，综合各种检测数据，通过支持向量机分类器对其进行分类，建立了基于支持向量机的电容型设备的故障诊断模型。故障实例的诊断结果验证了文中方法的正确性和有效性。

简介：土壤侵蚀过程复杂，很难直接应用土壤侵蚀预报方程进行定量计算。作为一种新的机器学习算法，支持向量机在样本有限的情况下，采用结构风险最小化准则，把学习问题转化为一个二次规划问题，从而得到唯一的全局最优解。首次尝试将最小二乘支持向量机技术用于土壤侵蚀预测，并与BP神经网络的方法进行了对比，取得了较好的预测精度。

简介：为了预测某导弹陀螺漂移趋势,以该陀螺漂移角速度时间序列为对象,建立了基于支持向量回归机的预测模型。针对该预测模型的特点,提出了支持向量预选取的模型优化方法。基于ε不敏感损失函数的支持向量回归机具有稀疏性,其结构由支持向量决定。因此从训练样本集中预选出有可能成为支持向量的样本,精简样本规模是提高该类支持向量回归机训练和预测效率的有效方法。针对该类支持向量回归机从分类和回归两个角度分析了支持向量的几何特征,提出了核函数空间免疫聚类的支持向量预选取方法并用于某导弹陀螺漂移预测模型的数据预处理。仿真结果表明优化后的预测模型运算量小、建模速度快,精度高。

简介：摘 要：压力容器在我国的多个领域中都有广泛的应用，这是一种特种设备，具有较大的危险性，所以，针对压力容器需要定期进行无损检测，以便及早发现压力容器中的缺陷类型、位置等。而声发射检测在无损检测技术中属于动态检测方法，可以对压力容器中可能存在的缺陷、故障进行预测，更好的保障压力容器的安全运行。因此，本文主要对支持向量机的声发射检测在压力容器检测工作中的应用进行了分析。

简介：本文首先分析了增量学习过程中支持向量与非支持向量的相互转化问题，而后在此基础上提出了基于超球结构的支持向量机增量学习算法。该算法主要利用超球结构，完成对增量学习中训练样本的选取，进而完成分类器的重构。实验表明，该算法比传统支持向量机增量学习算法具有更高的分类精度。

简介：摘要：为研究支持向量机在处理不同规模、不同维度数据时，如何选择分类算法和核函数能够提高分类效率和精度，本文基于两个规模和结构有较大差异的数据集进行了分类实验和结果对比分析，提出应针对数据集的数据分布、规模大小、样本数与特征数不同比例选择相应的分类算法和核函数，对根据不同应用场景选择合适算法有一定的借鉴和指导意义。

简介：摘要：本文通过对以“支持向量机”为主题，以“教育”为篇关摘的199篇中文核心期刊和CSSCI期刊进行研究分析，通过运用CiteSpace软件从支持向量机的研究热点进行可视化分析，发现目前我国对于支持向量机在教育数据挖掘方面的研究可以概括为四个方面：模式识别、图像处理、学生行为研究和分类算法研究。通过分析支持向量机应用于教育数据挖掘的不同效果，从而论证了支持向量机推广能力高，应用范围广等优点。然而，鉴于当前样本数据的复杂性不断增加，以及各种新的分类和识别方法的出现，仍然需要探索和改进参考向量机方法。

简介：支持向量机（supportvectormachine，SVM）是在统计学习理论的基础上发展起来的一种新的机器学习方法，是数据挖掘的一项新技术：支持向量分类机（SVC）应用于解决各种实际分类问题，表现出很多优于已有方法的性能．经调查，临毕业大学生做出的毕业方向选择会由其自身一些因素影响，可以根据这些指标来预测其最终选择．对大学生这些自身因素及毕业选择建立支持向量机分类模型进行研究．结果表明，支持向量机分类方法可以做出较好的分类，为预测高校临毕业学生选择提供了一种有效的方法．