简介：针对现有供应商分类方法应用于高端装备制造业供应商所存在的局限性，从相互依赖视角构建了高端装备制造业供应商分类指标体系，提出了基于改进支持向量机的高端装备制造业供应商分类模型。该模型根据供应商误分代价不同，设计代价敏感支持向量机分类器，利用粒子群算法优化分类器的参数，并采用概率输出方法对多个优化的二类分类器的结果进行组合以实现多类分类。实验结果表明，该模型提高了现有方法的分类效果，可以降低总体误分代价，有效识别出对高端装备制造企业具有重大影响的供应商，为高端装备制造企业实施供应商分类管理提供了依据。

简介：结合偏最小二乘法和支持向量机的优缺点,提出基于偏最小二乘支持向量机的天然气消费量预测模型。首先,利用偏最小二乘法确定影响天然气消费量的新综合变量,建立以新综合变量为输入,天然气消费量为输出的支持向量机模型,对天然气消费量进行了预测;然后,与多元回归、偏最小二乘回归、普通支持向量机做误差检验比较,验证该方法的可行性与正确性。结果表明,此天然气消费量预测模型具有较高的精确度和应用价值。

简介：为提高小样本定量构效关系（QSAR）预测精度，基于支持向量机全局核函数与局部核函数提出了一种新的建模方法：先依不同核函数筛选描述符，再依保留描述符构建支持向量机回归（SVR）子模型．子模型预测活性值与实验值组成混合样本．以均方误差（MSE）最小为原则，对混合样本再次基于SVR实施核函数寻优与子模型筛选，基于最优核函数和保留子模型以留一法完成预测．对2个小样本体系的QSAR研究表明，该方法兼具局部核函数和全局核函数的优点，既有较强的学习能力，又有较好的推广能力，预测精度高，稳定性好．

简介：结合基于电子白板的教学案例，本文探讨了电子白板在营造学习氛围、突破教学难点、提供互动媒介等方面的优势，为信息技术与高中化学深度整合提供了实践案例。

简介：目的:基于支持向量机回归(SVR)模型在非线时间序列的预测能力及经验模态分解(EMD)方法在处理非线性非平稳性的优势,提出一种复合自回归经验模态分解支持向量机回归(AR-EMDSVR)模型,提高非线性非平稳船舶运动极短期预报精度。创新点:1.研究非线性非平稳船舶运动的极短期预报问题,提出一种复合的预报方法;2.基于不同层次的预报模型和模型试验数据,分析非线性非平稳性对极短期预报精度的影响。方法:1.在SVR模型中引入基于自回归(AR)预报端点延拓的EMD方法,形成复合的AR-EMDSVR预报模型;2.基于集装箱船模水池试验运动数据将AR-EMD-SVR模型与AR、SVR和EMD-AR三种模型进行比较,分析非线性非平稳性对极短期预报的影响以及不同模型的预报性能。结论:1.AR-EMD方法能够有效的克服非平稳对极短期预报模型(AR和SVR)在精度上所带来的不良影响;2.基于船模试验数据的预报结果表明:相较于AR、SVR和EMD-AR三种预报模型,基于AR-EMD-SVR模型的非线性非平稳船舶运动极短期预报结果具有更高的精度。