支持向量机与纠错编码相结合的多类分类算法

提出了一种基于纠错编码的支持向量机多类分类算法 ( ECC- SVM) ,并在理论上研究了该算法的推广性与编码长度、码间汉明距离、编码顺序以及每个 SVM推广性之间的关系 ,给出了这种关系的数学表达 ,为提高该算法的推广能力指明了方向。把目前广泛使用的 1 - v- R SVM多类分类算法作为该算法的一个特例 ,分析了它的推广性。计算机仿真数据和多光谱遥感图像分类实验结果表明 ,ECC- SVM具有更快的分类速度和更高的分类精度 。

基于三分类支持向量机的多分类算法的研究

用支持向量机解决多分类问题是目前众多学者研究的热点话题.将已有的最小二乘支持向量分类-回归机算法推广到M空间进行了理论分析,在基于支持向量机的三分类算法基础上,提出了两个新的K(K>3)类多分类算法:一对一对多与一对一对一算法.对所有数据集进行分类时,在已有的多分类算法的基础上采用加校正的技巧:忽略准确率低的子分类器.数值实验证明了该技巧的有效性,并且校正后的准确率比校正前平均提高了4.61%.

基于FSVM的图像多类分类方法

图像多类分类问题一直是语义图像检索的一个难点问题,目前常采用的Support Vector Ma-chine(SVM)多类分类方法会存在分类盲区,严重影响了图像的分类准确率,将Fuzzy Support VectorMachine(FSVM)理论引入到SVM多类分类器常用的两种分类策略中去,分别构成一对一FSVM(1-v-1 FSVM)和一对多FSVM(1-v-r FSVM),文中详细对比了两种方法的分类准确率及分类速度,最终实验证明1-v-1 FSVM方法提高了图像多类分类的准确率,同时也比1-v-r FSVM方法更具优越性。

用于多分类问题的最小二乘支持向量分类—回归机

基于支持向量机(SVM)的三分类方法是处理多分类问题的一类方法。提出了最小二乘支持向量分类回归机(LSSVCR)算法,通过最小二乘目标函数充分考虑所有样本点对分类的影响,使得训练集中即使有个别样本点被标错类别,对分类结果也不会产生太大的影响,从而提高分类的准确性。该方法能够提高分类的准确率和分类速度,同时算法对于不同类别间样本数目差异较大的情况也有很好的分类效果。数值实验结果表明所提算法是可行的,且与已有的三分类算法相比在分类准确性上平均提高了2.57%,在运算速度上也有了较大的提高。

健康青年右心室优势心电图分析

目的探讨健康青年右心室优势心电图的临床意义。方法测量235例大学生心电图平均心电轴和右心室优势导联的R/S比值,分析电轴右偏、V1导联R/S≥1及其他右心室优势的相关参数。结果235例中电轴右偏39例(16.60%),V1导联R/S≥125例(10.04%),两者同时出现8例(3.40%),其他右心室优势的相关参数值几乎均低于正常成人标准。结论部分健康青年可出现右心室优势心电图表现,属正常变异。

原材料订购多目标优化模型及求解算法

原材料的订购是企业按时完成生产的一个关键因素,决策者制定方案时,不仅要考虑满足生产量,还要考虑购买费用,对多种原材料的选择,以及对供货商数量的要求。针对这类问题,建立了多目标的0-1规划模型,并利用V-BPSO算法和NSGA-Ⅱ算法进行了求解。实验证明,NSGA-Ⅱ算法求得到Pareto最优解分布更均匀,而V-BPSO算法速度更快。最后用R方法进行评价,计算出各个备选订购方案的综合得分,综合分最高的方案被认为是最佳折中的订购方案。