简介：针对智能监控中行人行为难于识别的问题,提出了一种基于改进支持向量机的行人行为分类的解决方法.针对背景建模和前景提取精确度的难题,把视频中有活动的部分表示成一组时空兴趣点;针对行动方式具有无固定方式和模糊特点的问题,先采用模糊聚类求每类行为样本聚类中心,再加入决策树思想,构建一种支持向量机决策树多值分离器进行行为分类.在国际上通用行为KTH数据库进行了实验,获得较高的识别率.

简介：以氨基酸组成为特征对膜蛋白的分类，忽略了序列残基之间的相关性信息，而采用传统支持向量机算法作为分类算法，在解决多类问题时会出现分类盲区问题。针对这两种情况，计算蛋白质序列的氨基酸组成、二肽组成以及6种氨基酸相关系数，将三类特征结合，作为膜蛋白序列的特征向量；同时采用模糊支持向量机作为分类器，解决了传统支持向量机在多类数据识别中的盲区问题。测试结果表明，在相同特征输入下，模糊支持向量机分类性能优于传统支持向量机；在相同分类器的情况下，氨基酸组成、二肽组成和相关系数组合的特征选择方法的分类性能优于只使用其中一类或两类特征的方法；而采取组合特征和模糊支持向量机相结合的分类策略，在独立性数据集测试中的整体预测精度达到97％，优于现有的多种分类策略，是目前最有效的膜蛋白分类方法之一。

简介：地下断层深度的估算是重力解释难题之一，我们试利用支持向量分类（SvC）法进行计算。使用正演和非线性反演技术，通过相关误错使检测地下断层深度成为可能。但必要有一个深度初始猜测值，而且这猜测值通常不是由重力资料得。本文我们介绍以SVC作为利用重力数据估算断层深度的一种手段。在这项研究中，我们假设一种地下断层深度可归为一种类型，SVC作为一个分类算法。为了有效地利用此SVC算法，我们基于一个正确的特征选择算法去选择正确的深度特征。本次研究中我们建立了一套基于不同深度地下断层的合成重力剖面训练集，用以训练用于计算实际的地下断层深度的SVC代码。然后用其它合成重力剖面训练集测试我们训练的SVC代码，同时也用实际资料验证了我们的训练SVC代码。

简介：摘要：为研究支持向量机在处理不同规模、不同维度数据时，如何选择分类算法和核函数能够提高分类效率和精度，本文基于两个规模和结构有较大差异的数据集进行了分类实验和结果对比分析，提出应针对数据集的数据分布、规模大小、样本数与特征数不同比例选择相应的分类算法和核函数，对根据不同应用场景选择合适算法有一定的借鉴和指导意义。

简介：支持向量机是机器学习领域的研究热点之一,是在统计学习理论基础上发展起来的新的学习算法.传统的分类法用于纹理图像分类效果往往不佳,该文研究了支持向量机的实现方法,并以纹理图像分类为例分析了支持向量机的分类性能.

简介：摘要：在对非线性的地球化学数据进行处理的过程中，分类算法的选择至关重要。神经网络算法具有准确度高、泛化能力强的特点，支持向量机具备可以解决过拟合、避免趋于极小能优势。当两者进行结合用于处理地球化学数据分类问题时，具备了两种算法的优势，分类结果良好。

简介：本文提出了一种基于支持向量机分类器的水平集方法的图像特征提取方法,在提取图像特征的水平集方法应用中,通过改进水平集能量函数,引入区域信息,能够同时提取图像目标的内外边界,并且收敛速度快。提取图像特征之后通过支持向量机非线性分类器对待处理图像进行分类。

简介：摘要：森林资源是不可再生的资源。我国森林资源虽然丰富，但是人均占有量较少。如何有效的对森林资源进行调查与统计是解决森林资源有效利用的关键。本文针对该问题，提出了一种基于多核支持向量机的改进的高光谱遥感影像森林分类算法，与几种主流分类算法对比，分类精度可以达到92.2%。

简介：核主成分分析KPCA是近年来提出的一个十分有效的数据降维方法，但它并不能保证所提取的第一主成分最适用于降维后的数据分类。粗糙集RS理论是处理这类问题的一个有效方法。提出一个基于KPCA与RS理论的支持向量分类机SVC，利用RS理论和信息熵原理对运用KP（A进行特征提取后的训练样本进行特征选择，保留重要特征，力求减小求解问题的规模，提高SVC的性能。在构建2006年上市公司财务困境预警模型的数值实验中，以KPCA、RS理论作为前置系统的SVC取得了良好效果。

简介：<正>平面向量在新教材中独立成章,是新增知识点,在近几年高考中分值逐步增大.平面向量是区别于数量的一种新的量,是中学数学的一个重要概念,并且也是一个重要的解题工具,平面向量的引入大大拓宽了解题的思路与方法,使它在研究其他许多问题时获得广泛的应用,

简介：摘要：本文探讨了支持向量机（SVM）在入侵检测中的应用。入侵检测是网络安全的重要领域，旨在识别和阻止恶意攻击。支持向量机是一种统计学习方法，通过构建最优超平面将不同类别的样本分开。本文研究表明，基于支持向量机的多类分类算法在入侵检测中具有良好的性能。它能够有效地识别和分类各种入侵行为，如端口扫描、拒绝服务攻击和恶意软件等。此外，通过参数调整和特征选择，算法的准确性和鲁棒性可以进一步提高。然而，支持向量机在训练时间、计算复杂度和大规模数据集处理方面仍面临挑战。未来的研究可以集中在提高算法效率和扩展性，以满足不断增长的入侵检测需求。

简介：针对现有供应商分类方法应用于高端装备制造业供应商所存在的局限性，从相互依赖视角构建了高端装备制造业供应商分类指标体系，提出了基于改进支持向量机的高端装备制造业供应商分类模型。该模型根据供应商误分代价不同，设计代价敏感支持向量机分类器，利用粒子群算法优化分类器的参数，并采用概率输出方法对多个优化的二类分类器的结果进行组合以实现多类分类。实验结果表明，该模型提高了现有方法的分类效果，可以降低总体误分代价，有效识别出对高端装备制造企业具有重大影响的供应商，为高端装备制造企业实施供应商分类管理提供了依据。

简介：摘要：本文详细地介绍和研究证明了函数向量的各种乘积及其分类的基本性质、运算律、几何律的意义以及及其应用 ,并且有例题为得出的结论做支撑。并且还介绍了数形结合的做题方法和向量与物理学之间的联系。

简介：支持向量机能够较好解决小样本、非线性数据特征的多分类问题,适用于火炮内膛疵病的分类,但其性能依赖于其参数的选取;对基本遗传算法进行改进,使用自适应的交叉算子和变异算子,并应用于支持向量机参数优化;通过对火炮内膛疵病分类精度的对比研究,改进的遗传算法确定支持向量机优化参数的方法取得了良好的效果,验证了该方法对疵病分类的有效性。

简介：摘要：本文选取F-score分类模型和ROC曲线作为指标，针对于题目中特别提出的不能把坏客户归类为好客户，F-score检验还考虑到了坏客户评价的重要性，即召回率和准确率的权重问题，此时召回率权重较大，是本文信用评估模型的评价的重点。对于数据不平衡的情况，ROC曲线不受样本数量的影响，能较为准确地评价两类用户样本数据下的模型的预测能力。

简介：支持向量机(SVM)是一类新型机器学习方法,其理论基础是统计学习理论,由于其出色的学习性能而成为当前国际机器学习领域的研究热点.该文首先阐述统计学习的核心内容,然后对SVM及其应用进行研究,最后讨论了SVM的局限和有待研究的问题.

简介：摘要支持向量机是一种新的机器学习方法，由于其出色的学习性能，该技术已成为当前国际机器学习界的研究热点。对SVM训练算法的最新研究成果进行了综述，着重说明了各种的算法的思路和优缺点。总结了支持向量机理论及其应用的现状，对支持向量机的未来发展方向进行了展望。

简介：<正>向量融形、数于一体,具有几何形式与代数形式的“双重身份”,使它成为了中学数学知识的一个重要交汇点,成为联系众多知识内容的媒介,也成为了“在知识网络交汇处设计试题”的很好载体.下面研究平面向量学科内和与其他知识的综合运用.渗透用向量解决问题的思想方法,可以大大提高学生分析问题与综合运用知识解决问题的能力.

简介：

简介：支持向量机是机器学习和数据挖掘领域的热门研究课题之一，作为一种尚未完全成熟的技术，目前仍有许多不足，其中之一就是没有统一的模型参数选择标准和理论。在具体使用中，对支持向量机性能有重要影响的参数包括惩罚因子C，核函数及其参数的选取。文章首先分析了模型参数对支持向量机性能的影响，然后对几种常用的模型参数选择方法进行介绍，分析以及客观评价，最后概括了支持向量机模型参数选择方法的现状，以及对其发展趋势进行了展望。