导读:本文包含了等级向量论文开题报告文献综述及选题提纲参考文献，主要关键词:支持向量机(SVM),有监督学习,交叉验证,网络贷款平台
等级向量论文文献综述
孟毅,王亚新[1]（2019）在《基于支持向量机的网络贷款平台等级评价》一文中研究指出采用有监督学习方法建立支持向量机模型,对网络贷款平台的等级评价方法进行了研究。由于学习样本少,为了提高模型的泛化能力,采用K-fold交叉验证方法进行模型学习。采用不同的核函数分别建立6种支持向量机模型,选择经过5轮交叉验证后正确率最高的模型作为最终的输出模型。验证结果表明,虽然学习样本数量不多,所建立的支持向量机模型在验证集中预测准确度达80%。(本文来源于《科技和产业》期刊2019年07期）
陈冲,张仕民,彭鹤,崔灿,刘杨[2]（2019）在《基于支持向量机的钻柱黏滑振动等级评估方法》一文中研究指出为评估钻柱黏滑振动的严重程度,提出了一种基于因子分析(FA)与支持向量机(SVM)的黏滑振动风险评估方法。对仿真得到的扭矩数据进行时域与频域分析,提取信号的特征值,然后应用因子分析方法减少高维特征的冗余信息,获取特征向量,最后通过SVM对降维处理后的数据进行黏滑振动等级分类。研究结果表明:基于井口扭矩信号的SVM黏滑振动等级预测方法的整体预测精度超过80%,能够较准确地对黏滑振动强度等级进行预测。因此该方法是一个有效的黏滑振动等级分类方法,应用该方法能够有效地对钻柱黏滑振动等级进行识别,有助于司钻根据钻柱黏滑振动剧烈程度实时调整钻井参数,减轻黏滑振动产生的危害,提高钻井作业效率和安全性。(本文来源于《石油机械》期刊2019年01期）
郭龙伟,关欣,李锵[3]（2018）在《基于测度学习支持向量机的钢琴乐谱难度等级识别》一文中研究指出现有钢琴乐谱难度分类主要由人工方式完成,效率不高,而自动识别乐谱难度等级的算法对类别的拟合度较低。因此,与传统将乐谱难度等级识别归结为回归问题不同,本文直接将其建模为基于支持向量机的分类问题。并结合钢琴乐谱分类主观性强、特征之间普遍存在相关性等特点,利用测度学习理论有难度等级标签乐谱的先验知识,依据特征对难度区分的贡献度,改进高斯径向基核函数,从而提出一种测度学习支持向量机分类算法——MLSVM算法。在9类和4类难度两个乐谱数据集上,我们将ML-SVM算法与逻辑回归,基于线性核函数、多项式核函数、高斯径向基核函数的支持向量机算法以及结合主成分分析的各个支持向量机算法进行了对比,实验结果表明我们提出算法的识别正确率优于现有算法,分别为68.74%和84.67%。所提算法有效提高了基于高斯径向基核函数支持向量机算法在本应用问题中的分类性能。(本文来源于《智能系统学报》期刊2018年02期）
邢海燕,党永斌,王犇,葛桦,王尊策[4]（2015）在《基于K-近邻隶属度模糊支持向量机的再造抽油杆损伤等级磁记忆定量识别》一文中研究指出针对磁记忆技术在再造抽油杆损伤等级定量评价中小样本和分散性的难题,从再造抽油杆疲劳损伤实验出发,通过获取损伤演化过程的磁记忆特征规律,提取五维磁记忆特征向量,首次引入基于K-近邻隶属度的模糊支持向量机多分类算法,结合参数组合寻优方法,建立再造抽油杆损伤等级的多分类磁记忆定量识别模型。结果表明:利用K-近邻隶属度将分散性和模糊性加以量化,结合支持向量机的小样本优势,构造的K-近邻隶属度模糊支持向量机多分类磁记忆模型,可以进行再造抽油杆损伤等级的磁记忆定量识别,并进一步进行参数组合寻优,避免了盲目选择固定参数导致模型精度过低,具有较好的抗噪性和鲁棒性,为再造抽油杆损伤等级定量评价提供了一种新的方法。(本文来源于《石油学报》期刊2015年11期）
胡毅[5]（2015）在《基于支持向量机的农业银行“叁农”贷款风险等级预测研究》一文中研究指出我国是一个农业大国,“叁农”问题一直是关系我国经济进步和社会稳定的大事。但是我国农村经济水平低下,农民文化素质严重不足,导致我国农业发展的规模化、现代化水平远跟不上时代发展的需要。“叁农”贷款是政府和金融机构合力推出的一项有助于“叁农”发展的惠农政策,能在一定程度上推动农业的规模化、产业化发展。然而,由于我国贷款农户抗风险能力严重不足,导致不良信用贷款现象频发,以至于金融机构在放贷过程中过于谨慎,导致“叁农”贷款资金分配不合理和放贷不及时,这些反过来又制约农户的还款能力,从而使“叁农”贷款限入僵局。为使在“叁农”贷款过程中农户和贷款银行达到双赢局面,促进“叁农”贷款的可持续发展,本文通过对长沙市某中国农业银行的“叁农”贷款数据资料进行统计分析,先利用相关分析法和主成分分析法对预测数据进行自变量筛选,再基于机器学习方法支持向量机先后建立了“叁农”贷款客户二分类模型和“叁农”贷款五级风险等级预测模型。从长沙市某中国农业银行随机抽取500个“叁农”贷款客户的资料对本文建立的模型进行有效性验证,发现基于支持向量机的“叁农”贷款客户二分类模型的分类精度略高于BP神经网络的分类精度,基于支持向量机的“叁农”贷款五级风险等级预测模型的精度明显高于BP神经网络的分类精度,说明了本文模型的预测精度更高,稳定性更好,且支持向量机的训练时间更短,效率更高。本文研究对于“叁农”贷款的可持续发展具有重大意义。(本文来源于《湖南农业大学》期刊2015-06-01）
傅政永[6]（2015）在《基于支持向量机的区域性银行个人信用等级评估》一文中研究指出在经济发展的推动下,按揭、信用卡等交易成为了市场交易的主要方式。银行作为信用交易的垫付方,如何有效的掌握个人信用情况、避免银行利益损失是至关重要的。为了更为准确的判断个人信用的好坏,推测其还款能力,对个人信用等级的评估问题的研究成为学术研究的一个重点问题。传统的个人信用等级评估需要对各种影响信用的因素进行一一设定分数后加和,处理过程复杂、耗时长又不能保证其准确度。计算机技术的发展,将分类算法应用到个人信用等级评估的问题中,很好的解决了传统方法存在的不足。目前应用于个人信用评估系统的方法有很多,但是大多数分类方法在应用过程中都或多或少的存在问题,如:速度过慢,分类结果不准确。另外,地方差异性也导致无法确切的用统一的方法对个人信用进行评估。支持向量机(Support Vector Machine,SVM)作为一种机器学习方法,是在统计学理论基础上建立的,其算法可以提高泛化能力,根据结构风险最小化的原则,求解局部最优解。在处理分类问题中较为适用。而个人信用等级评估正是等级的分类问题,因此如果将支持向量机更好的应用于个人信用评估系统是解决问题的一个很好的思路。个人信用等级评估属于非线性的分类问题。针对这一特点,本文运用支持向量机的相关知识原理以解决这类问题。但单纯使用支持向量机一种技术方法不能完美的解决存在的各类问题,因此本文在此基础上对技术方法进行改进。将主成分分析法应用在多维信息的提取上,对数据进行处理分类和编码,通过特征提取技术来提高支持向量机的训练时间和分类精度。然后再对不同核函数进行实验比较,发现通过将两个或多个核函数组合后效果明显好于单一的核函数。因此建立主成分分析和混合核函数结合的支持向量机模型可以有效地解决对非线性分类问题。实验研究表明,通过支持向量机的优化和求解,将已经知道结果的数据进行重新分类,得出的结果与之前的人工分类结果相近,同时人工干预更小,速度更快。本文在个人信用等级评估方面取得了一定的进步,将理论研究应用到区域性银行信贷工作中,对实际工作有一定的辅助和指导作用。(本文来源于《东北师范大学》期刊2015-06-01）
王琳虹,李世武,高振海,冀秉魁[7]（2014）在《基于粒子群优化与支持向量机的驾驶员疲劳等级判别》一文中研究指出为客观、准确地判别驾驶员的疲劳程度,采用多项驾驶员生理指标、基于粒子群与支持向量机(SVM)算法建立驾驶疲劳等级判别模型,首先将驾驶员疲劳状态分为清醒、轻度疲劳、重度疲劳和睡意4个等级,然后将驾驶员的心电RR间期标准差、心率均值、呼吸潮气量、脑电的α波、β波和δ波功率谱密度积分等作为SVM的输入变量,驾驶疲劳等级作为输出变量,引入粒子群算法优化SVM的惩罚系数和核函数参数对判别模型进行标定,采用吉珲高速公路上的实车实验数据对模型有效性进行验证.结果表明:本模型对4项疲劳等级的判别准确率均高于85%,对于驾驶员疲劳预警具有重要意义.通过对模型各个输入变量的敏感性分析,证明基于多项生理指标的疲劳判别较基于单生理指标的疲劳判别更加有效.(本文来源于《哈尔滨工业大学学报》期刊2014年12期）
乔红波,焦红涛,吴旭,司海平,时雷[8]（2014）在《基于支持向量机模型的冬小麦全蚀病为害等级遥感监测》一文中研究指出为了解利用高光谱遥感技术对小麦全蚀病进行有效监测的可行性,对感染不同发病等级全蚀病的冬小麦冠层光谱反射率数据进行采集分析,选取监测敏感波段,在Matlab和Libsvm工具箱支持下,利用支持向量机分类方法构建小麦全蚀病病害等级预测模型。结果表明,在不同程度小麦全蚀病的为害下,小麦冠层光谱反射率存在明显变化。通过对数据分析,选择700~900nm波段作为敏感波段进行训练建立模型的结果最好;经检验,基于此波段构建的预测模型预测值与实际值相关系数可达0.943,均方根达0.63,因此生产上可利用波段光谱特征对小麦全蚀病进行监测。(本文来源于《麦类作物学报》期刊2014年12期）
隋学深,乔鹏,丁保利[9]（2014）在《基于支持向量机的贷款风险等级分类真实性审计研究》一文中研究指出商业银行贷款风险等级分类真实性审计,不仅关系到国家审计能否对商业银行信用风险以及系统性金融风险作出正确评估,还关系到国家审计能否有效完成维护国家金融安全的工作任务。构建基于支持向量机的银行贷款风险等级分类真实性审计二分类预测模型,用该模型分析商业银行实际生产数据,得到了86.79%的分类正确率。在验证实验中,100个被故意错分的贷款记录中,分类预测模型识别出了其中的84个。实验结果表明模型在审计实践中具有实用价值。(本文来源于《审计研究》期刊2014年03期）
程平言,范文来,徐岩[10]（2014）在《基于质谱与支持向量机的清香型白酒等级判别》一文中研究指出不同等级白酒鉴别对控制白酒质量和保护消费者利益有重要意义,文中以牛栏山酒为例,研究清香型白酒质量等级鉴别方法。运用顶空固相微萃取质谱(HS-SPME-MS)技术获取叁类不同等级的57个牛栏山酒样质荷比m/z55~191范围内的离子丰度值数据,分别进行偏最小二乘回归分析(PLS)和主成分回归分析(PCR),其中PLS模型的预测结果明显优于PCR。同时PLS与PCR模型的回归系数用于选择重要特征离子,其中PLS与PCR回归系数法分别选择了12和10个离子,用选择的离子变量构建支持向量机(SVM)模型,模型对测试集的预测准确率分别为80%和86.7%,其中PCR回归系数法选择的特征离子为m/z 71、103、104、106、127、149、161、179、183和184。(本文来源于《食品工业科技》期刊2014年08期）
等级向量论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为评估钻柱黏滑振动的严重程度,提出了一种基于因子分析(FA)与支持向量机(SVM)的黏滑振动风险评估方法。对仿真得到的扭矩数据进行时域与频域分析,提取信号的特征值,然后应用因子分析方法减少高维特征的冗余信息,获取特征向量,最后通过SVM对降维处理后的数据进行黏滑振动等级分类。研究结果表明:基于井口扭矩信号的SVM黏滑振动等级预测方法的整体预测精度超过80%,能够较准确地对黏滑振动强度等级进行预测。因此该方法是一个有效的黏滑振动等级分类方法,应用该方法能够有效地对钻柱黏滑振动等级进行识别,有助于司钻根据钻柱黏滑振动剧烈程度实时调整钻井参数,减轻黏滑振动产生的危害,提高钻井作业效率和安全性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
等级向量论文参考文献
[1].孟毅,王亚新.基于支持向量机的网络贷款平台等级评价[J].科技和产业.2019
[2].陈冲,张仕民,彭鹤,崔灿,刘杨.基于支持向量机的钻柱黏滑振动等级评估方法[J].石油机械.2019
[3].郭龙伟,关欣,李锵.基于测度学习支持向量机的钢琴乐谱难度等级识别[J].智能系统学报.2018
[4].邢海燕,党永斌,王犇,葛桦,王尊策.基于K-近邻隶属度模糊支持向量机的再造抽油杆损伤等级磁记忆定量识别[J].石油学报.2015
[5].胡毅.基于支持向量机的农业银行“叁农”贷款风险等级预测研究[D].湖南农业大学.2015
[6].傅政永.基于支持向量机的区域性银行个人信用等级评估[D].东北师范大学.2015
[7].王琳虹,李世武,高振海,冀秉魁.基于粒子群优化与支持向量机的驾驶员疲劳等级判别[J].哈尔滨工业大学学报.2014
[8].乔红波,焦红涛,吴旭,司海平,时雷.基于支持向量机模型的冬小麦全蚀病为害等级遥感监测[J].麦类作物学报.2014
[9].隋学深,乔鹏,丁保利.基于支持向量机的贷款风险等级分类真实性审计研究[J].审计研究.2014
[10].程平言,范文来,徐岩.基于质谱与支持向量机的清香型白酒等级判别[J].食品工业科技.2014
标签：支持向量机(SVM); 有监督学习; 交叉验证; 网络贷款平台;