期刊文献+
共找到110篇文章
< 1 2 6 >
每页显示 20 50 100
Research on Natural Gas Short-Term Load Forecasting Based on Support Vector Regression 被引量:1
1
作者 刘涵 刘丁 +1 位作者 郑岗 梁炎明 《Chinese Journal of Chemical Engineering》 SCIE EI CAS CSCD 2004年第5期732-736,共5页
Natural gas load forecasting is a key process to the efficient operation of pipeline network. An accurate forecast is required to guarantee a balanced network operation and ensure safe gas supply at a minimum cost.Mac... Natural gas load forecasting is a key process to the efficient operation of pipeline network. An accurate forecast is required to guarantee a balanced network operation and ensure safe gas supply at a minimum cost.Machine learning techniques have been increasingly applied to load forecasting. A novel regression technique based on the statistical learning theory, support vector machines (SVM), is investigated in this paper for natural gas shortterm load forecasting. SVM is based on the principle of structure risk minimization as opposed to the principle of empirical risk minimization in conventional regression techniques. Using a data set with 2 years load values we developed prediction model using SVM to obtain 31 days load predictions. The results on city natural gas short-term load forecasting show that SVM provides better prediction accuracy than neural network. The software package natural gas pipeline networks simulation and load forecasting (NGPNSLF) based on support vector regression prediction has been developed, which has also been applied in practice. 展开更多
关键词 structure risk minimization support vector machines support vectorregression load forecasting neural network
下载PDF
Yarn Properties Prediction Based on Machine Learning Method 被引量:1
2
作者 杨建国 吕志军 李蓓智 《Journal of Donghua University(English Edition)》 EI CAS 2007年第6期781-786,共6页
Although many works have been done to construct prediction models on yarn processing quality,the relation between spinning variables and yarn properties has not been established conclusively so far.Support vector mach... Although many works have been done to construct prediction models on yarn processing quality,the relation between spinning variables and yarn properties has not been established conclusively so far.Support vector machines(SVMs),based on statistical learning theory,are gaining applications in the areas of machine learning and pattern recognition because of the high accuracy and good generalization capability.This study briefly introduces the SVM regression algorithms,and presents the SVM based system architecture for predicting yarn properties.Model selection which amounts to search in hyper-parameter space is performed for study of suitable parameters with grid-research method.Experimental results have been compared with those of artificial neural network(ANN)models.The investigation indicates that in the small data sets and real-life production,SVM models are capable of remaining the stability of predictive accuracy,and more suitable for noisy and dynamic spinning process. 展开更多
关键词 machine learning support vector machines artificial neural networks structure risk minimization yarn quality prediction
下载PDF
Improved twin support vector machine 被引量:6
3
作者 TIAN YingJie JU XuChan +1 位作者 QI ZhiQuan SHI Yong 《Science China Mathematics》 SCIE 2014年第2期417-432,共16页
We improve the twin support vector machine(TWSVM)to be a novel nonparallel hyperplanes classifier,termed as ITSVM(improved twin support vector machine),for binary classification.By introducing the diferent Lagrangian ... We improve the twin support vector machine(TWSVM)to be a novel nonparallel hyperplanes classifier,termed as ITSVM(improved twin support vector machine),for binary classification.By introducing the diferent Lagrangian functions for the primal problems in the TWSVM,we get an improved dual formulation of TWSVM,then the resulted ITSVM algorithm overcomes the common drawbacks in the TWSVMs and inherits the essence of the standard SVMs.Firstly,ITSVM does not need to compute the large inverse matrices before training which is inevitable for the TWSVMs.Secondly,diferent from the TWSVMs,kernel trick can be applied directly to ITSVM for the nonlinear case,therefore nonlinear ITSVM is superior to nonlinear TWSVM theoretically.Thirdly,ITSVM can be solved efciently by the successive overrelaxation(SOR)technique or sequential minimization optimization(SMO)method,which makes it more suitable for large scale problems.We also prove that the standard SVM is the special case of ITSVM.Experimental results show the efciency of our method in both computation time and classification accuracy. 展开更多
关键词 support vector machine twin support vector machine nonparallel structural risk minimization CLASSIFICATION
原文传递
The new interpretation of support vector machines on statistical learning theory 被引量:13
4
作者 ZHANG ChunHua 1 , TIAN YingJie 2 & DENG NaiYang 3,1 School of Information, Renmin University of China, Beijing 100872, China 2 Research Center on Fictitious Economy and Data Science, Chinese Academy of Sciences, Beijing 100080, China 3 College of Science, China Agricultural University, Beijing 100083, China 《Science China Mathematics》 SCIE 2010年第1期151-164,共14页
This paper is concerned with the theoretical foundation of support vector machines (SVMs). The purpose is to develop further an exact relationship between SVMs and the statistical learning theory (SLT). As a represent... This paper is concerned with the theoretical foundation of support vector machines (SVMs). The purpose is to develop further an exact relationship between SVMs and the statistical learning theory (SLT). As a representative, the standard C-support vector classification (C-SVC) is considered here. More precisely, we show that the decision function obtained by C-SVC is just one of the decision functions obtained by solving the optimization problem derived directly from the structural risk minimization principle. In addition, an interesting meaning of the parameter C in C-SVC is given by showing that C corresponds to the size of the decision function candidate set in the structural risk minimization principle. 展开更多
关键词 C-support vector classification the minimization PRINCIPLE of the structural risk KKT conditions
原文传递
基于最小二乘支持向量机的天然气负荷预测 被引量:48
5
作者 刘涵 刘丁 +2 位作者 郑岗 梁炎明 宋念龙 《化工学报》 EI CAS CSCD 北大核心 2004年第5期828-832,共5页
Machine learning techniques are finding more and more applications in the field of load forecasting. A novel regression technique,called support vector machine (SVM),based on the statistical learning theory is applied... Machine learning techniques are finding more and more applications in the field of load forecasting. A novel regression technique,called support vector machine (SVM),based on the statistical learning theory is applied in this paper for the prediction of natural gas demands. Least squares support vector machine (LS-SVM) is a kind of SVM that has different cost function with respect to SVM. SVM is based on the principle of structure risk minimization as opposed to the principle of empirical risk minimization supported by conventional regression techniques. The prediction result shows that the prediction accuracy of SVM is better than that of neural network. Thus,SVM appears to be a very promising prediction tool. The software package NGPSLF based on SVM prediction has been put into practical business application. 展开更多
关键词 结构风险最小化 支持向量机 最小二乘支持向量机 支持向量回归 负荷预测
下载PDF
支持向量机及其在径流预测中的应用 被引量:48
6
作者 廖杰 王文圣 +1 位作者 李跃清 黄伟军 《四川大学学报(工程科学版)》 EI CAS CSCD 北大核心 2006年第6期24-28,共5页
给出了支持向量机方法(SVM)的思路、特点及关键之处,探讨了SVM在径流预测中的可能性,并与基于遗传算法的门限回归模型(TR)进行了对比分析。径流预测实例分析表明,在拟合阶段,SVM模型要好于TR模型;在预留检验阶段,SVM模型与TR模型接近。... 给出了支持向量机方法(SVM)的思路、特点及关键之处,探讨了SVM在径流预测中的可能性,并与基于遗传算法的门限回归模型(TR)进行了对比分析。径流预测实例分析表明,在拟合阶段,SVM模型要好于TR模型;在预留检验阶段,SVM模型与TR模型接近。同时SVM模型适合于小样本情况且能达到全局最优。SVM模型用于径流预测是可行的、优越的。 展开更多
关键词 支持向量机 结构风险最小化 径流预测
下载PDF
利用支持向量机方法预测储层产能 被引量:12
7
作者 张锋 张星 +2 位作者 张乐 郝永卯 单蔚 《西南石油大学学报(自然科学版)》 EI CAS CSCD 北大核心 2007年第3期24-27,共4页
支持向量机方法(SVM)是基于结构风险最小化原理,采用核函数处理技术,较好的适应小样本、非线性和局部极小点等实际问题,克服了常规统计方法的局限性,避免了维数灾难。能够在有限的样本集基础上,兼顾模型的通用性和推广性,有效解决了学... 支持向量机方法(SVM)是基于结构风险最小化原理,采用核函数处理技术,较好的适应小样本、非线性和局部极小点等实际问题,克服了常规统计方法的局限性,避免了维数灾难。能够在有限的样本集基础上,兼顾模型的通用性和推广性,有效解决了学习性和延拓性的问题,预测精度更高。实际生产中影响储层产能因素众多,各因素间相互影响,在综合考虑地层因素的基础上,提取了测井产能预测参数,利用支持向量机方法对产能进行了预测,预测结果与实际一致,并将处理结果与多元回归及BP神经网络处理结果进行了对比分析。实践表明支持向量机方法优于后两种方法,是一种值得推广使用的方法。 展开更多
关键词 支持向量机 结构风险最小化 学习性 推广性 产能预测
下载PDF
神经网络极速学习方法研究 被引量:162
8
作者 邓万宇 郑庆华 +1 位作者 陈琳 许学斌 《计算机学报》 EI CSCD 北大核心 2010年第2期279-287,共9页
单隐藏层前馈神经网络(Single-hidden Layer Feedforward Neural Network,SLFN)已经在模式识别、自动控制及数据挖掘等领域取得了广泛的应用,但传统学习方法的速度远远不能满足实际的需要,成为制约其发展的主要瓶颈.产生这种情况的两个... 单隐藏层前馈神经网络(Single-hidden Layer Feedforward Neural Network,SLFN)已经在模式识别、自动控制及数据挖掘等领域取得了广泛的应用,但传统学习方法的速度远远不能满足实际的需要,成为制约其发展的主要瓶颈.产生这种情况的两个主要原因是:(1)传统的误差反向传播方法(Back Propagation,BP)主要基于梯度下降的思想,需要多次迭代;(2)网络的所有参数都需要在训练过程中迭代确定.因此算法的计算量和搜索空间很大.针对以上问题,借鉴ELM的一次学习思想并基于结构风险最小化理论提出一种快速学习方法(RELM),避免了多次迭代和局部最小值,具有良好的泛化性、鲁棒性与可控性.实验表明RELM综合性能优于ELM、BP和SVM. 展开更多
关键词 极速学习机 正则极速学习机 支持向量机 结构风险 神经网络 最小二乘
下载PDF
多项式核支持向量机文本分类器泛化性能分析 被引量:16
9
作者 孙建涛 郭崇慧 +1 位作者 陆玉昌 石纯一 《计算机研究与发展》 EI CSCD 北大核心 2004年第8期1321-1326,共6页
VC维理论和结构风险最小化准则是统计学习理论中的重要内容 ,基于这一理论的支持向量机算法由于具有好的泛化性能受到重视 ,并被研究用于文本分类问题 基于多项式核的研究工作认为SVM的泛化能力不受多项式阶数的影响 ,并且能够处理很高... VC维理论和结构风险最小化准则是统计学习理论中的重要内容 ,基于这一理论的支持向量机算法由于具有好的泛化性能受到重视 ,并被研究用于文本分类问题 基于多项式核的研究工作认为SVM的泛化能力不受多项式阶数的影响 ,并且能够处理很高维的分类问题 ,用于文本分类无需进行特征选择 研究发现 ,随着多项式核阶数的升高 ,SVM文本分类器会出现过学习现象 ,并且特征数越多越明显 ,特征选择是必需的 通过估计函数集的VC维 ,基于结构风险最小化理论对此问题进行分析 。 展开更多
关键词 支持向量机 文本分类 结构风险最小化
下载PDF
基于SVM的中文组块分析 被引量:50
10
作者 李珩 朱靖波 姚天顺 《中文信息学报》 CSCD 北大核心 2004年第2期1-7,共7页
基于SVM(supportvectormachine)理论的分类算法 ,由于其完善的理论基础和良好的实验结果 ,目前已逐渐引起国内外研究者的关注。和其他分类算法相比 ,基于结构风险最小化原则的SVM在小样本模式识别中表现较好的泛化能力。文本组块分析作... 基于SVM(supportvectormachine)理论的分类算法 ,由于其完善的理论基础和良好的实验结果 ,目前已逐渐引起国内外研究者的关注。和其他分类算法相比 ,基于结构风险最小化原则的SVM在小样本模式识别中表现较好的泛化能力。文本组块分析作为句法分析的预处理阶段 ,通过将文本划分成一组互不重叠的片断 ,来达到降低句法分析的难度。本文将中文组块识别问题看成分类问题 ,并利用SVM加以解决。实验结果证明 ,SVM算法在汉语组块识别方面是有效的 ,在哈尔滨工业大学树库语料测试的结果是F =88 6 7%,并且特别适用于有限的汉语带标信息的情况。 展开更多
关键词 计算机应用 中文信息处理 支持向量机 结构风险最小化 文本组块 SVM 分类算法
下载PDF
基于SVM的分类算法与聚类分析 被引量:8
11
作者 徐义田 王来生 +1 位作者 张好治 孙宝山 《烟台大学学报(自然科学与工程版)》 CAS 2004年第1期9-13,共5页
运用结构风险最小化原理和聚类原理,将支持向量机中有监督的分类算法与统计中无监督的聚类算法有机地结合起来,对线性可分与线性不可分两种情况分别建立了无监督的分类模型.模型的求解转化为一个二次规划问题,同时此模型也适合于多分类... 运用结构风险最小化原理和聚类原理,将支持向量机中有监督的分类算法与统计中无监督的聚类算法有机地结合起来,对线性可分与线性不可分两种情况分别建立了无监督的分类模型.模型的求解转化为一个二次规划问题,同时此模型也适合于多分类情况.在应用到心脏病的医疗诊断中,准确率为88.5%,较以前的方法有了明显的提高. 展开更多
关键词 SVM 分类算法 支持向量机 聚类算法 期望风险 结构风险
下载PDF
基于改进极限学习机的短期电力负荷预测方法 被引量:54
12
作者 毛力 王运涛 +1 位作者 刘兴阳 李朝锋 《电力系统保护与控制》 EI CSCD 北大核心 2012年第20期140-144,共5页
为了提高电力系统短期负荷预测精度,提出一种基于改进极限学习机(MELM)的短期电力负荷预测模型。引入基于结构风险最小化理论,并结合最小二乘向量机回归学习方法,以克服传统极限学习机(ELM)在短期负荷预测中存在的过拟合问题。某地区用... 为了提高电力系统短期负荷预测精度,提出一种基于改进极限学习机(MELM)的短期电力负荷预测模型。引入基于结构风险最小化理论,并结合最小二乘向量机回归学习方法,以克服传统极限学习机(ELM)在短期负荷预测中存在的过拟合问题。某地区用电负荷预测结果表明,改进模型的泛化性与预测精度均优于传统ELM和OS-ELM模型,可为短期电力负荷预测提供有效依据,具有一定的实用性。 展开更多
关键词 短期负荷预测 极限学习机 结构风险 最小二乘支持向量机
下载PDF
短期负荷预测的支持向量机方法研究 被引量:279
13
作者 李元诚 方廷健 于尔铿 《中国电机工程学报》 EI CSCD 北大核心 2003年第6期55-59,共5页
提出了一种基于支持向量机(SVM)理论的电力系统短期负荷预测方法。该方法采用结构风险最小化原则(SRM),与采用经验风险最小化原则(ERM)的传统神经网络方法相比,具有更好的泛化性能和精度,减少了对经验的依赖。SVM算法以统计学习理论作... 提出了一种基于支持向量机(SVM)理论的电力系统短期负荷预测方法。该方法采用结构风险最小化原则(SRM),与采用经验风险最小化原则(ERM)的传统神经网络方法相比,具有更好的泛化性能和精度,减少了对经验的依赖。SVM算法以统计学习理论作为其理论基础,它的训练等价于解决一个二次规划问题。为了提高负荷预测精度,文中在训练数据集中采用了负荷数据和温度数据。通过和多层BP神经网络进行比较的试验,结果证明了其在短期负荷预测中的有效性。 展开更多
关键词 短期负荷预测 支持向量机 电力系统 神经网络 人工智能
下载PDF
回归最小二乘支持向量机的增量和在线式学习算法 被引量:112
14
作者 张浩然 汪晓东 《计算机学报》 EI CSCD 北大核心 2006年第3期400-406,共7页
首先给出回归最小二乘支持向量机的数学模型,并分析了它的性质,然后在此基础上根据分块矩阵计算公式和核函数矩阵本身的特点设计了支持向量机的增量式学习算法和在线学习算法.该算法能充分利用历史的训练结果,减少存储空间和计算时间.... 首先给出回归最小二乘支持向量机的数学模型,并分析了它的性质,然后在此基础上根据分块矩阵计算公式和核函数矩阵本身的特点设计了支持向量机的增量式学习算法和在线学习算法.该算法能充分利用历史的训练结果,减少存储空间和计算时间.仿真实验表明了这两种学习方法的有效性. 展开更多
关键词 结构风险最小化 最小二乘支持向量机 在线学习
下载PDF
高斯核支持向量机分类和模型参数选择研究 被引量:39
15
作者 郑小霞 钱锋 《计算机工程与应用》 CSCD 北大核心 2006年第1期77-79,共3页
支持向量机(SupportVectorMachine,SVM)是近几年发展起来的机器学习新方法,以高斯核为核函数的支持向量机在实际应用中表现出良好的学习性能,被广泛应用于模式分类中。论文研究了高斯核支持向量机分类在IRIS分类问题上的应用,并结合结... 支持向量机(SupportVectorMachine,SVM)是近几年发展起来的机器学习新方法,以高斯核为核函数的支持向量机在实际应用中表现出良好的学习性能,被广泛应用于模式分类中。论文研究了高斯核支持向量机分类在IRIS分类问题上的应用,并结合结构风险最小化原则分析了误差惩罚参数C和高斯核宽度σ对SVM性能的影响,最后通过数值实验进一步分析了这种影响。 展开更多
关键词 支持向量机 结构风险最小化原则 高斯核 核参数
下载PDF
基于支持向量机算法的智能学习推荐器的设计及实现 被引量:4
16
作者 孙健 申瑞民 +2 位作者 张同珍 韩鹏 苏群 《计算机工程》 CAS CSCD 北大核心 2002年第11期256-258,共3页
远程教学模式作为一种新型的教学模式,应该体现自主性学习特点。为了帮助学生尽快适应自主性学习模式,对案例中学生的学习行为进行了分析。在分析学生学习行为的基础上,提出了支持向量机算法的智能学习推荐器的方案。
关键词 支持向量机 算法 智能学习推荐器 设计 网络教学 INTERNET
下载PDF
基于支持向量机的航空发动机辨识模型 被引量:14
17
作者 尉询楷 李应红 +2 位作者 王剑影 张朴 路建明 《航空动力学报》 EI CAS CSCD 北大核心 2004年第5期684-688,共5页
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... 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。 展开更多
关键词 航空发动机 辨识模型 结构风险最小化 支持向量回归
下载PDF
支持向量机分类器中几个问题的研究 被引量:33
18
作者 朱永生 张优云 《计算机工程与应用》 CSCD 北大核心 2003年第13期36-38,共3页
研究了核参数和误差惩罚参数对支持向量机推广能力的影响方式,指出核参数主要影响数据在特征空间中的分布,误差惩罚参数在特征空间中确定经验风险水平而影响SVM的性能。指出特征空间维数和学习机器复杂度并没有直接关系,讨论了结构风险... 研究了核参数和误差惩罚参数对支持向量机推广能力的影响方式,指出核参数主要影响数据在特征空间中的分布,误差惩罚参数在特征空间中确定经验风险水平而影响SVM的性能。指出特征空间维数和学习机器复杂度并没有直接关系,讨论了结构风险最小化原则,最后给出了支持向量机和神经网络训练方法的差别和仿真试验结果。 展开更多
关键词 支持向量机 核参数 结构风险最小化原则
下载PDF
支持向量机在城市用水量短期预测中的应用 被引量:17
19
作者 王亮 张宏伟 牛志广 《天津大学学报》 EI CAS CSCD 北大核心 2005年第11期1021-1025,共5页
为解决现有的城市用水量短期预测人工神经网络法的过学习与局部极小点等问题,通过对城市时用水量 数据特征的分析,在统计学习理论和结构风险最小化准则的基础上,建立了基于支持向量机(SVM)理论的城市用 水量短期预测数学模型.在算例分... 为解决现有的城市用水量短期预测人工神经网络法的过学习与局部极小点等问题,通过对城市时用水量 数据特征的分析,在统计学习理论和结构风险最小化准则的基础上,建立了基于支持向量机(SVM)理论的城市用 水量短期预测数学模型.在算例分析中与误差逆传播(BP)神经网络预测法进行对比,发现该方法的平均预测精度 提高了2%,且具有收敛速度快、泛化能力强等优点,在用水量短期预测中非常有效. 展开更多
关键词 城市用水量 短期负荷预测 支持向量机 结构风险最小化准则 核函数
下载PDF
支持向量机及其在函数逼近中的应用 被引量:17
20
作者 朱国强 刘士荣 俞金寿 《华东理工大学学报(自然科学版)》 CAS CSCD 北大核心 2002年第5期555-559,568,共6页
支持向量机是一种新的机器学习算法 ,它的理论基础是 Vapnik创建的统计学习理论。它采用结构风险最小化准则 ,在最小化样本点误差的同时 ,缩小模型预测误差的上界 ,从而提高了模型的泛化能力。本文通过 SVM在函数逼近中的应用 ,研究了 ... 支持向量机是一种新的机器学习算法 ,它的理论基础是 Vapnik创建的统计学习理论。它采用结构风险最小化准则 ,在最小化样本点误差的同时 ,缩小模型预测误差的上界 ,从而提高了模型的泛化能力。本文通过 SVM在函数逼近中的应用 ,研究了 SVM的小样本学习、泛化能力和抗噪声扰动能力。 展开更多
关键词 支持向量机 统计学习理论 结构风险最小化准则 核函数 函数逼近 机器学习算法 最小化样本点误差
下载PDF
上一页 1 2 6 下一页 到第
使用帮助 返回顶部