基于PCA-SVM的电力系统短期负荷预测

针对基于支持向量机的电力系统短期负荷预测算法中,预测模型的精度和泛化能力易受样本集中输入变量的影响,利用主成分分析方法能有效地消除变量之间共线性的特点,通过提取样本集的主成分完成数据预处理,有效地压缩样本集的维数。根据East-Slovakia Power Distribution Company提供的电网运行数据进行了预测计算,证明此方法与标准支持向量机算法相比,可以降低样本集的维数,提高负荷预测精度。

SVM在基因表达数据分类中的研究和应用

介绍了一种使用基因芯片实验产生的基因表达数据对功能基因进行分类的方法,该方法是以支持向量机(SVM)理论为基础的。文中描述了径向基函数SVM,与其它SVM相比,径向基函数SVM在基因分类中有更好的性能。SVM的理论基础是统计学习理论,它不仅结构简单,而且技术性能高,泛化能力强,在基因表达式分类中表现出有很多优点,成为热点研究方向。