Results 81 to 90 of about 9,359 (164)
Appli ca ti on of Posteriori Probability SVM in Enterprise Credit Assessment Model [PDF]
, 2008 摘要:在支持向量机 ( Support Vect orMachine)的分类问题中,训练样本的分类信息总是确定的,由此得到的分类指示函数也总是对新样本给出确定的分类信息,但是这种情况对一些不确定性问题并不恰当。利用贝叶斯规则,将样本的后验概率与传统支持向量机结合,得到了基于后验概率的支持向量机。在具体的算法上,引入了一个经验性的方法得到样本的后验概 率。以某评级机构提供的企业信用评估数据库为研究对象。 ABSTRACT: The classified information of the ...
夏鹏, 李翀
core
, 2002 提出一种新的支持向量机增量学习算法. 分析了新样本加入训练集后,支持向量集的变化情况. 基于分析结 论提出新的学习算法. 算法舍弃对最终结论无用的样本,使得学习对象的知识得到了积累.
曾文华, 马健
core
Gaoya dianqi, 2020 针对现有可移开式开关柜无法确认断路器手车梅花触头啮合尺寸是否符合要求的情况,提出了一种基于底盘车驱动电机运行数据,适用于不同触头对中度的啮合尺寸计算方法。首先,分析了触头对中度对啮合尺寸的影响;其次,详细说明了啮合尺寸计算要点,包括利用位于电流曲线上的等效啮合点计算啮合尺寸和以支持向量机算法定位等效啮合点位置;为使支持向量机分类模型满足不同对中度下的定位要求,对啮入阶段样本进行重构,构建可以表征等效啮合点位置与触头对中度的特征向量;最后,采集新数据,对比方法计算结果和人工测量结果。结果表明 ...
王刚, 彭彦卿, 庄志坚, 熊逸伟
doaj
Gaoya dianqi, 2022 为利用有限故障样本对高压断路器主要故障类型进行精准识别，文中提出了一种基于混合分类器的高压断路器故障诊断方法。首先采用改进F-Score特征选择算法进行特征选择，选择出合适的特征量子集作为构建混合分类器模型的输入参量。混合分类器分别由两个支持向量数据描述和混合粒子群算法优化的小波核函数孪生支持向量机共同组成去识别故障类型。两个并列的SVDD分别用来对正常或故障状态与已知故障或未知故障进行状态识别。HPSO-WTWSVM则用来准确识别已知故障类型。经高压断路器实例验证 ...
黄新波, 许艳辉, 朱永灿
doaj
Research on Improved AP - SVM Algorithm and Its Application in Letter Recognition [PDF]
, 2017 字母识别是字符识别的一个特例，正确识别字符信息并实现自动录入在信息化建设快速发展的今天拥有越来越重要的意义。在过去几十年中，很多学者将多种分类算法应用于字母识别领域，包括贝叶斯分类器、BP神经网络、支持向量机等。其中，支持向量机（SVM）分类算法因其趋于完善的理论研究和算法实现研究，及克服维灾难和过拟合的优点，在字符识别领域取得了理想的效果。但支持向量机的算法复杂度受到样本规模的直接影响，且对噪声和孤立点较为敏感。因此，如何有效挑选经典样本成为提高模型分类性能的关键。 考虑到AP聚类算法具有如下两个优点：
刘晓红
core
Gaoya dianqi, 2017 高压断路器的运行状态关系到电力系统的安全与稳定,为此文中提出了一种基于振动信号极值点发生时刻和支持向量机的断路器状态评估方法,即以断路器分合闸线圈带电时刻为时间零点,以振动信号极大值点发生时刻为特征量,利用经粒子群优化的支持向量机建立断路器状态评估模型。试验模拟了某真空断路器的5种故障,并利用上述方法进行了分析,结果表明,该方法可以准确有效地评估断路器运行状态。
王飞 +4 more
doaj
Gaoya dianqi, 2017 为获取含悬浮导体的组合空气间隙击穿特性,建立了基于支持向量机和电场特征量的组合空气间隙击穿电压预测模型,通过电场特征量表征间隙结构,采用支持向量机建立电场特征量与击穿电压的关联性,以少量典型间隙试验数据作为训练样本,对棒—板—球、棒—板—棒以及球—板—球组合间隙的工频击穿电压进行了预测,通过对比击穿电压试验数据,3种间隙的击穿电压预测结果平均绝对百分比误差分别为4.5%、3.1%和2.8%,最大相对误差均在9%以内,表明所提方法具有较高精度,为组合间隙击穿电压的预测提供了新途径。
唐烈峥 +5 more
doaj
[A pace recognition method for exoskeleton wearers based on support vector machine-hidden Markov model]. [PDF]
Sheng Wu Yi Xue Gong Cheng Xue Za Zhi, 2022 Hu D, Liu Z, Chen L, Wang Q.
europepmc +1 more source
The Application of Multi-category Support Vector Machine in Credit Rating and Study of Kernel Parameter Selection [PDF]
, 2009 支持向量机（SupportVectorMachine）是数据挖掘的新方法，也是一种小样本统计工具，它在解决小样本、非线性及高维的模式识别问题上具有其他机器学习方法难以企及的优势。在支持向量机二类分类方法的基础上，本文深入研究了多类分类的算法及其应用。 巴塞尔新资本协议希望并鼓励银行业发展内部信用评级系统，如何寻找到一种客观、可行的评级方法，如何构建内部评级系统，对国内银行从业者提出了新的要求和挑战。信用评级从科学的角度对信用度进行定性和定量分析，其本质是一个非线性的分类问题，用支持向量机可以很好地解决。
张晶晶
core
Dianci bileiqi为解决谐振接地系统单相接地故障对故障初始角为零以及接地电阻为高阻的故障线路识别效果差的问题，提出一种基于主成分分析与粒子群算法优化支持向量机（PCA-PSO-SVM）的选线方法。该方法通过Matlab/Simulink对小电流接地系统进行仿真，采集瞬时零序功率数据，将数据输入PCA-PSO-SVM模型中进行训练与测试，并将测试结果与单一的支持向量机模型以及经粒子群优化后的支持向量机模型进行对比，结果表明PCA-PSO-SVM模型有着更好的选线准确度与选线效率。
聂远航 +4 more
doaj