共查询到10条相似文献，搜索用时 15 毫秒
1.
2.
3.
4.
孙运利 《内蒙古科技与经济》2013,(16):72-74
文章应用一种将模糊综合评价与支持向量机相结合的方法,建立变压器状态评估模型。该模型综合考虑了多种变压器状态信息,利用模糊综合评价法解决不确定问题的优势,发挥了支持向量机适合解决小样本问题、泛化能力强的特点,具有较高的判断准确率。实例分析表明了该模型的有效性。 相似文献
5.
支持向量机(SVM)是建立在统计学习理论基础上的一种通用的研究机器学习规律的方法。它具有很强的学习能力和泛化能力,可以有效地处理分类,回归等问题。SVM在处理非线性问题时,通过使用一个核函数来解决复杂计算问题。最小二乘支持向量机(LS_SVM)是SVM的一种改进,它提高了求解问题的速度和收敛精度。本文以太阳黑子为数据集,基于LS_SVM工具,使用了支持向量回归算法(SVR),实现了太阳黑子活动的预测。 相似文献
6.
随着电子商务的迅速发展，推荐系统与算法已经成为理论研究的热点。支持向量机是一种强大的分类工具，由其衍生出的支持向量机回归方法能很好地解决非线性回归问题。文中以电影推荐为例，引入支持向量机回归方法来分析项目的内容，构建用户模型，进而给出推荐。实验结果和理论分析表明这种推荐算法与传统协同过滤算法相比，能够明显提高推荐精度，并显著缩短了推荐所需时间；在大样本量情况下也能同样高效。 相似文献
7.
支持向量机是一种基于统计学习理论的机器学习方法,针对小样本情况表现出了优良的性能,目前被广泛应用于模式识别、函数回归、故障诊断等方面。这里主要研究支持向量机分类问题,着重讨论了以下几个方面的内容。首先介绍了支持向量机分类器算法,并将其应用于数据分类,取得了较高的准确率,所用数据来自于UCI数据集。仿真结果表明该算法具有较快的收敛速度和较高的计算精度。 相似文献
8.
9.
中国区域创新能力评价的SVM建模研究 总被引：1，自引：0，他引：1
支持向量机(SVM)是一种基于结构风险最小化原理的学习技术,也是一种新的具有很好泛化性能的回归算法。文章基于SVM建模研究区域创新能力评价问题,同时研究了网络参数的优化选择,仿真试验表明:采用该算法获得的结果是令人满意的。 相似文献