基于正则化路径的支持向量机近似模型选择

模型选择问题是支持向量机的基本问题.基于核矩阵近似计算和正则化路径,提出一个新的支持向量机模型选择方法.首先,发展初步的近似模型选择理论,包括给出核矩阵近似算法KMA-α,证明KMA-α的近似误差界定理,进而得到支持向量机的模型近似误差界.然后,提出近似模型选择算法AMSRP.该算法应用KMA-α计算的核矩阵的低秩近似来提高支持向量机求解的效率,同时应用正则化路径算法来提高惩罚因子C参数调节的效率.最后,通过标准数据集上的对比实验,验证了AMSRP的可行性和计算效率.实验结果显示,AMSRP可在保证测试集准确率的前提下,显著地提高支持向量机模型选择的效率.理论分析与实验结果表明,AMSRP是一合理、高效的模型选择算法.

基于向量空间模型的科技情报用户画像及场景化服务推送研究

[目的]为了满足情报3.0时代用户对科技情报服务个性化与智能化的要求,采用用户画像方法挖掘科技情报用户情报需求与偏好。[方法]以TAM理论的两个关键因素(感知有用性与易用性)为理论基础,通过挖掘科技情报用户行为日志数据以及问卷调查等方法深入挖掘科技情报用户在不同情境下的科技情报需求偏好以及搜索行为习惯,以专家访谈法为基础,基于VSM理论构建科技情报用户画像模型。[结果]通过协同过滤算法对不同场景的科技情报用户进行服务推送。[结论]运用标签云技术(Tagxedo技术)为处于不同场景的科技情报用户定制有针对性的个性化服务方案是情报3.0时代一种有效的智能化服务途径。

基于反应力向量灵敏度的模型参数化方法

模型参数化是建立识别方程的关键。本文在虚拟结构向量转换方法的基础上提出了“基于反应力向量灵敏度的模型参数化方法”。该方法首先将反应力向量对单元物理参数作一阶展开 ,对线性参数系统来说 ,即为反应力向量灵敏度与单元物理参数的乘积 ;其次 ,在线性参数系统的假定下 ,对一个单元中包含多个单元物理参数的情况提出了一个简便的求反应力向量灵敏度的算法。利用该方法可直接由常规的有限元代码获得反应力向量灵敏度矩阵 ,而无需编制专门的有限元代码集成分析代码。文中通过算例阐述了该方法的应用。

正则化路径上的支持向量机模型组合方法

模型组合是提高支持向量机泛化性的重要方法,但存在计算效率较低的问题。提出一种基于正则化路径上贝叶斯模型平均的支持向量机模型组合方法,在提高支持向量机泛化性的同时,具有较高的计算效率。基于正则化路径算法建立初始模型集,引入对支持向量机的概率解释。模型的先验可看做是一个高斯过程,模型的后验概率通过贝叶斯公式求得,使用贝叶斯模型平均对模型进行组合。在标准数据集上,实验比较了所提出的模型组合方法与交叉验证及广义近似交叉验证(GACV)方法的性能,验证所提出的模型组合方法的有效性。

基于因果正则化极限学习机的风电功率短期预测方法

随着风电并网比例的逐年提高,电力系统对风电功率预测的准确性和稳定性提出了更高要求。对于同一风电场而言,为了避免不同特征选择方法所选择的风电场特征子集不同,从因果关系的角度出发,提出了一种基于因果正则化极限学习机(causal regularized extreme learning machine, CRELM)的风电功率短期预测方法。首先将极限学习机(extreme learning machine, ELM)建模为结构因果模型(structural causal model, SCM),在此基础上计算隐藏层神经元与输出层神经元之间的平均因果效应向量。然后将该平均因果效应向量与输出层权重相结合构成因果正则化项,在最小化训练误差的同时最大化网络的因果关系,以进一步提升模型的预测准确性和预测稳定性。最后,以国内蒙西某风电场数据为例,与采用特征选择或不采用特征选择的预测模型相对比,验证了所提方法的有效性和适用性。

向量组正交化的合同变换模型

通过对Schmidt正交化方法等价定理的重新证明,从模型化和程序化的角度,给出向量组正交化的对称变换法模型,使利用计算机进行程序计算成为可能。

向量组(矩阵)正交化的合同变换模型

通过对Schmidt正交化方法等价定理的证明,从模型化和程序化的角度,给出向量组(矩阵)正交化的对称变换法模型,使之利用计算机进行程序计算成为可能。

基于向量自回归模型北京城镇化发展动力实证研究

现代服务业促进城镇化发展的作用日益凸显,流通业和旅游业作为现代服务业的主导产业,其与城镇化的动态互动作用显著。基于产城融合发展的视角,以流通业和旅游业为例构建产城多系统向量自回归模型实证研究城镇化发展动力问题,探究产业发展促进城镇化的演进规律。研究表明:城镇化与流通业、旅游业之间存在着长期稳定的均衡关系,流通业和旅游业是城镇化发展的长期原因。三者之间也存在短期波动,短期波动时系统会受到反作用力被调整回长期均衡状态。

基于信息粒化支持向量机的主轴热误差综合预测模型

主轴热变形是影响数控机床加工精度的主要因素。为提高主轴热误差的预测精度,提出了基于信息粒化支持向量机(SVM)的主轴热误差综合预测模型。使用信息粒化方法对采样温度数据与主轴热误差数据进行预处理,分别建立基于SVM的主轴热误差的回归预测模型和时间序列模型,通过计算两个模型权重系数,最终建立主轴热误差综合预测模型。以2MZK7150五轴数控可转位刀片工具磨床为研究对象,实验表明,较之于单一模型该模型具有良好的泛化能力和较高建模精度。

基于水资源空间均衡的“四水四定”调控模型构建

为实现未来不同时间尺度下的水资源空间均衡与动态调控,创建了一套完整严谨、可动态调控的“四水四定”模型体系。通过模糊信息粒化窗口的支持向量机模型预测区域未来总用水量,利用基于时间序列相似性分析的自回归支持向量机模型预测区域未来分用水量,并对两类数据进行不确定性分析;构建了复杂回归函数对各类用水指标进行情景预测,经统计检验后将其作为当前用水模式下未来用水指标;构建了“四水四定”水资源承载力模型和水资源空间均衡模型,基于未来总用水量、未来各分用水量、未来用水指标,选用水资源负载系数、用水效益和水土资源匹配系数3个指标,结合基尼系数量化水资源空间均衡度,分析当前用水模式下未来水资源均衡度;构建了最优化模型,以最小化基尼系数为目标函数调整未来用水模式,实现水资源动态调控。所创建的模型体系可以实现未来不同时间尺度下的水资源空间均衡与动态调控。

基于向量分区模型和三维骨架化模型的肺裂分割算法

了解肺裂结构特征在肺部疾病诊断方面具有重要的应用价值.在CT图像中,肺裂会受到强度变化、噪声和形变等各种因素的影响,使得分割难度很大.为了克服此困难,提出一种基于向量分区模型和三维骨架化模型的肺裂分割算法.首先,受到肺裂在二维CT图像中呈现为线性结构特征的启发,通过借助方向窄条微分滤波器融合幅度信息和方向信息来构建肺裂向量场,此种途径能够有效地区分肺裂和其他组织.接着,考虑肺裂在三维CT图像中呈现为面状结构特征,通过改进的向量分区模型来分离肺裂和管状结构,此种方式能够高效率地抑制噪声.最后,为了得到完整的肺裂,引入三维骨架化模型理论来有效分割肺裂.提出的算法在公开数据集LOLA11上进行验证,其F1,FDR和FNR中值分别为0.893,0.068和0.128.实验结果表明,文中算法具有非常好的肺裂分割效果.

基于词覆盖率的语音数据集最小化方法

为解决高性能自动语音识别模型训练集采集成本高和训练成本高的问题,提出一种基于词覆盖率的语音训练集最小化方法,尽可能减少训练集所需的数据规模。该方法引入向量空间模型的概念,将所有语料文本映射到高维空间,通过计算向量之间的余弦距离来筛选相似度最低的文本数据。然后,根据选择的文本数据收集音频,实现使用尽可能少的音频数据达到最佳的识别效果。最后,使用汉明重叠方式计算新增词汇量以评估贡献度,从而优化余弦距离的筛选方式。实验表明,所提方法相较于随机的语音训练集筛选方法,在节省21.31%训练数据量的情况下可达到相同词覆盖率,并且训练集的词覆盖率与训练集所得模型的推理性能存在极强的正相关性,证明了在保持推理性能接近的前提下,可有效节省语音训练集的采集和训练成本,进而促进自动语音识别技术的进一步发展。

基于语义的VSM模型改进

文本聚类在很多领域都有广泛的应用,传统的文本聚类方法由于并不考虑语义因素,得出的聚类效果并不理想。利用语义对VSM模型进行变换,即基于语义对VSM模型的各维进行扭曲,将原本的正交坐标系基于语义变换为斜角坐标系,然后将文本的特征向量映射到变换后的VSM模型上再进行聚类,相对减小语义相关的特征向量间的语义距离,从而提高了文本聚类的召回率与查准率,并使得聚类的结果更加语义化。

基于支持向量机的航空发动机辨识模型

针对航空发动机具有强非线性、时变性的特点以及采用常规神经网络辨识时存在的局部较小,过学习等问题,提出了一种基于支持向量机的通用发动机模型辨识方法。该方法基于现代统计学习理论,采用结构风险最小化准则,保证了网络具有很强的推广特性,通过求解凸二次规划确保网络结构全局最优化自动生成。本文采用实测到的发动机飞行记录数据作为训练样本,利用回归型支持向量机建立了发动机的辨识模型,研究结果表明该方法的辨识精度较高,鲁棒性、容错性较好,具有较大的实用价值。

基于向量空间模型的文本检索系统

文章介绍了向量空间模型的基本原理,分析了文本检索系统常用的性能评估标准。基于向量空间模型、自动术语提取、相关性排序等技术实现了一个高效的文本检索系统,阐述了系统的架构。实际运行状况表明,该系统能够满足中小企业的网站站内搜索的需求,提高网站的访问效率。

改进支持向量机模型的旋转机械故障诊断方法

针对支持向量机在旋转机械的故障诊断中存在的模型超参数选择的不确定性,利用超参数相关理论和先验知识界定模型超参数选择区间,结合全局搜索和局部搜索实现参数优化组合,运用泛化模式搜索的模型超参数选择方法,并将改进的支持向量机模型引入旋转机械的故障诊断。结果表明,改进的模型具有较高的搜索效率和参数优化选择性能,提高了故障诊断的精度。

城镇化、财产性收入、经济增长与农村内部收入差距——基于VAR模型的实证分析

收入差距不仅是理论研究的热点,也是当前中国面临的重要问题。文章以农村内部收入差距为研究出发点,选取中国1993~2011年相关数据,采用向量自回归模型(VAR)、Johansen协整检验、格兰杰因果检验、脉冲响应、方差分解等方法来定量考察在城镇化及经济增长外部条件下,财产性收入与农村内部收入差距之间的关系。结果表明:传统的城镇化模式及经济增长的非均衡性拉大了农村内部收入差距,农民财产性收入增长缓慢,农民落入"财产性贫困"陷阱的风险正在加大。据此,文章从增加农民财产性收入视角提出,应尽快推进城乡土地市场一体化的新型城镇化,改革土地征用和流转制度,建立和发展农村房产租赁和买卖市场,构建异地(跨区域)宅基地、土地、房屋等财产收益分享机制。

基于时间序列分析和SVM模型的基金项目新兴主题趋势预测与可视化研究

[目的/意义]基金项目文本蕴含着丰富的前沿主题信息,通过细粒度识别科学研究前沿中的新兴主题,可以预测分析新兴主题未来发展趋势并可视化展示。[方法/过程]文章提出一种基于时间序列分析和SVM模型的基金项目新兴主题趋势预测与可视化分析方法,分析基金项目内外部特征属性,构建基金项目新兴主题探测公式,利用时间序列分析和支持向量机等深度学习算法模型,对新兴主题发展趋势进行预测分析,最后利用可视化分析软件Gephi进行可视化展示以揭示前沿领域竞争态势。[结果/结论]通过以石墨烯领域数据进行实验并结合专家咨询和传统论文聚类方法对比分析,表明该方法能够更加快速准确识别新兴主题,为我国科技政策制定提供决策支持和参考。

基于支持向量机工具的性能劣化建模方法

针对基于故障数据的数控装备可靠性研究中的小样本问题,提出了建立基于支持向量机的性能劣化模型。在研究支持向量机的建模理论和参数优化方法的基础上,将最小二乘法支持向量机工具LSSVM.M应用于性能退化数据处理,提出一种改进的参数选择方法,以提高拟合和预测准确性。通过实例,验证了该方法的可行性,并建立了数控机床加工精度的性能劣化模型,为可靠性评估奠定了基础。

p范数正则化支持向量机分类算法

L2范数罚支持向量机(Support vector machine,SVM)是目前使用最广泛的分类器算法之一,同时实现特征选择和分类器构造的L1范数和L0范数罚SVM算法也已经提出.但是,这两个方法中,正则化阶次都是事先给定,预设p=2或p=1.而我们的实验研究显示,对于不同的数据,使用不同的正则化阶次,可以改进分类算法的预测准确率.本文提出p范数正则化SVM分类器算法设计新模式,正则化范数的阶次p可取范围为0<p≤2.使用网格法选择模型参数值,使用迭代再权方法求解分类器目标函数,找出最小分类预测误差的模型参数值.在实际数据集上的实验结果验证了提出算法能够同时实现分类预测和特征选择,性能优于L2范数罚SVM,L1范数罚SVM和L0范数罚SVM.