基于改进流形学习的数据分类算法

针对高维数据分类问题的特点,提出一种基于改进型局部线性嵌入LLE(Locally Linear Embedding)算法的数据降维算法,结合支持向量机SVM(Support Vector Machine)算法实现数据分类。首先,通过LLE算法降维后的数据集,按照数据集内的离差最小化,数据集间的离差最大化的原则,计算得到最优化邻近点个数;其次,将最优邻近点个数所得的降维数据作为最优结果,按一定比例选取训练集,输入SVM算法建立数据分类器;最后,将测试集输入训练完成的分类器中,实现最优化数据分类。选取Iris flower,Yale等多类数据集与传统算法进行对比实验,验证算法的可行性。实验结果表明:所提出的算法可以有效地完成数据分类,针对低维数据和高维数据分类问题具有较好的适用性和优越性,在人脸检测中也取得较好的结果。

基于混沌方法的预测技术及其应用

针对现代经济社会对市场的依赖越来越强烈,然而影响市场交易的因素越来越复杂,导致基于市场的决策越来越难,本文提出了用混沌时间序列加权一阶局域法作预测,以成都市生活物价指数为实验,并将此预防方法与指数平滑法相比较。实验结果表明,这种预测技术整体效果都比指数平滑法好,是令人满意的预测技术。