导读:本文包含了集成支持向量机论文开题报告文献综述及选题提纲参考文献，主要关键词:医疗设备,风险评估,指标体系,支持向量机
集成支持向量机论文文献综述
陆阳,杨林,戴剑峰,王菁菁,王雪元[1]（2019）在《基于集成支持向量机的医疗设备风险评估研究与应用》一文中研究指出医疗设备临床使用风险的精确评估是风险预警和防控的基础。本研究将德尔菲法与相关性分析、鉴别力分析相结合,从设备、环境、人因、管理4个方面建立指标体系,提出了基于支持向量机(support vector machine,SVM)的风险评估方法,运用自适应增强算法(adaptive boosting,AdaBoost)进一步提高算法的泛化性能和评估精度,构建医疗设备临床使用风险评估模型。将该模型用于叁甲医院ICU在用呼吸机风险因素的综合评估,N折交叉验证模型的适用性,取得了良好的应用效果。(本文来源于《生物医学工程研究》期刊2019年02期）
田少娟[2]（2019）在《基于集成支持向量机的高维过程监控》一文中研究指出针对传统基线模型控制图在高维过程监控中不适用的问题,实时对比(RTC)方法将过程监控问题转化为实时分类问题。将集成支持向量机作为分类器运用到RTC方法中,通过设置不同参数水平的支持向量机实现个体分类器的差异性,达到对不同程度过程偏移都有更好的监控效果的目的。对于多元正态分布和非正态分布2种情况分别进行仿真实验,结果表明集成支持向量机能够更快速识别不同程度的过程偏移,实现对高维过程的实时监控。(本文来源于《甘肃科学学报》期刊2019年03期）
李道成[3]（2019）在《集成支持向量机在民营信用债中的应用》一文中研究指出民营企业作为我国特色社会主义市场经济的重要组成部分,为经济发展做出了不可磨灭的贡献,但同时民营企业往往因自身信用资质不足而不受到资金方信赖。自2016年四季度起,我国宏观经济市场先后经历了“金融去杠杆”、“金融稳杠杆,布局经济去杠杆”以及“经济去杠杆”这叁个阶段。201 8年初至今的政府严监管加上金融严监管对企业融资和经营造成了相当程度的影响,部分民营企业在先前宽松政策环境下通过发行债券大量举债盲目扩张,寄希望未来可通过自身财务弹性或再融资偿还债务。但随着目前监管政策趋严,企业资金周转面临困难导致债券难以置换或者续期,从而引发债券市场大面积“违约潮”的发生。在风险评估领域,传统定量分析主要依靠个人主观判断,通常导致结果不够准确。但随着相关模型理论的发展,逐渐将相关因素进行量化分析,提出了线性判别、Logistics回归模型以及KMV模型,再到后来基于大数据的统计学习模型。上世纪九十年代,Vapnic在统计学习理论基础上提出支持向量机模型,该模型不仅具有小样本学习能力,并且善于解决非线性、高维度、过拟合等传统难题。集成学习通过一定算法训练产生若干个具有差异性的子学习器,通过特定方式进行合成并做出决策以达到提高模型泛化性的效果。本文选用市场上公开发行信用债券的民营企业作为研究对象,利用公司财务数据预测其未来债券违约情况。具体从公司财务指标不同维度当中选取若干个指标作为特征变量,并通过逻辑回归对其进行降维,然后调整参数得到基本支持向量机模型。随后引入两种常见的集成学习方法:Bagging算法以及Boosting算法,并分别进行分类预测。最后在支持向量机模型基础上按照Bagging算法进行优化得到基于Bagging算法的支持向量机模型,并证明优化后的模型具有更加准确的预测效果。(本文来源于《山东大学》期刊2019-05-20）
刘伟涛[4]（2019）在《基于旋转及改进AdaBoost的单类支持向量机集成》一文中研究指出分类问题是机器学习和模式识别领域的常见任务,然而,当训练样本的类别极端不均衡时,常用的分类器就会产生较差的分类效果.为了解决上述问题,出现了单类分类方法,单类支持向量机(OCSVM)被认为是一种常见的单类分类方法.OCSVM是强分类器,因此,将传统的集成方法用于组合多个OCSVM并不能提高单个OCSVM的性能.为了提高OCSVM集成的分类性能,本文提出了两种改进的OCSVM集成方法.一是基于旋转的OCSVM集成,对于集成中的不同OCSVM,其训练数据由不同的旋转矩阵进行转换.因此,可以保证OCSVM集成训练数据的多样性.并在10个基准数据集上验证了该集成方法的有效性.二是基于改进AdaBoost的OCSVM集成.由于使用传统的AdaBoost对OCSVM加以集成并不能产生较好的性能.本文对传统AdaBoost的损失函数进行了改进,即为了提高基于传统AdaBoost的OCSVM集成的鲁棒性,提出了一种更为鲁棒的损失函数.所提的损失函数定义为修正的指数损失函数与平方损失函数的加权组合.重新设计了基分类器权重和训练样本概率分布的更新公式,给出了基于改进AdaBoost的OCSVM集成的经验误差和泛化误差的上界.在人工和基准数据集上的实验结果表明,所提集成方法优于相关方法。(本文来源于《河北大学》期刊2019-05-01）
刘天宇[5]（2019）在《基于集成支持向量机与随机森林的蛋白交互预测研究》一文中研究指出蛋白质作为生命体的重要组成成分,参与维持生命活动的正常进行。作为细胞功能的执行者,大多数蛋白质通过与其他蛋白质发生相互作用,结合形成复合物对生命活动进行调控。研究蛋白质间相互作用,对疾病诊疗,药物筛选等方面的研究都有着积极的意义。目前通过生物实验方法中广泛使用的高通量生物技术可以对蛋白质相互作用进行测定,但由于其过高的时间成本和经济成本,无法实现大规模的应用。因此,通过计算方法对蛋白质间相互作用进行预测具有广阔的现实意义。预测蛋白质相互作用一直是在计算生物学领域中研究的一个热点方向。本文从蛋白质的序列信息出发进行对蛋白质相互作用的预测研究,选取了序列信息的进化保守性特征,协同进化性特征与溶剂可及性特征,并对其中的进化保守性特征进行离散余弦变换,以降低冗余数据对预测准确度的影响。继而将提取的叁类特征进行整合处理,构建特征矩阵。基于集成学习算法结合支持向量机和随机森林构建分类器,其中对支持向量机和随机森林进行参数调优和阈值选取。将特征矩阵输入到分类器中,完成对蛋白质相互作用的预测过程。本文所提出的预测方法丰富了序列信息,结合了提取的多种信息特征,并确定了基于集成学习算法来建立分类器模型。为了验证模型具有优秀的泛化性,在其他蛋白质数据集同样有着良好的预测性能,在测试集上对数据进行分类预测,其结果也反映了本文提出的预测方法相较于其他研究蛋白质相互作用预测方法可以达到更加优异的预测效果。(本文来源于《东北师范大学》期刊2019-05-01）
夏晗[6]（2019）在《基于支持向量机回归集成的小微企业信用风险度评估模型研究》一文中研究指出小微企业信用风险评估体系的不完善导致小微企业融资难和贷款违约率高等问题。设计包括企业特质、企业财务指标、企业主特质和贷款方式在内的小微企业信用风险评价指标体系,利用具有小样本学习优势的模糊积分支持向量机回归集成方法,构建小微企业信用风险度评估模型,并将此模型与支持向量机、神经网络等模型对比。实证结果表明该模型具有较高的精度和效率,证实了模型的可行性和优越性,为小微企业信用风险评估系统的构建提供了依据。(本文来源于《征信》期刊2019年04期）
杨云,张立泽清,齐勇,王妮[7]（2019）在《集成支持向量机在OCT血管内斑块分割中的应用与研究》一文中研究指出OCT医疗图像作为近年来新兴的血管内斑块诊断技术正在迅速成长。为进行有效的OCT血管内斑块辅助语义分割,提出一种基于集成支持向量机(AdaBoost-SVM)的分割学习模型。采用遗传算法GA(Genetic Algorithm)对支持向量机模型的组合参数的选取进行优化以提升其分类性能。通过建立由多个基分类器组合的AdaBoost-SVM集成化分割模型,对OCT血管图像以像素列预测为基础进行准确分割。实验结果表明,在分割过程中相比较BP神经网络以及标准SVM方法,集成支持向量机在以像素列为基础的图像分割过程中具有更优的分割精度。(本文来源于《计算机应用与软件》期刊2019年04期）
吕晓燕,陈立潮[8]（2019）在《一种基于样本近邻分类精度的支持向量机集成方法》一文中研究指出提出了一种基于样本近邻分类精度的支持向量机集成方法.对待分类样本,可通过改进的FCM与模糊贴近度的搜索算法,自动确定其在模糊特征空间集上的有效邻域;在此基础上,依据各分类器在样本近邻的分类精度及设置的阀值,自动选取部分优秀的个体分类器,进行集成判决.实验结果表明,在缩短分类判别时间的情况下,该方法可有效提高分类器性能.(本文来源于《中北大学学报(自然科学版)》期刊2019年02期）
张飞飞,周涛,陆惠玲,梁蒙蒙,杨健[9]（2019）在《基于集成VPRS-RUGGA支持向量机的多模态肺部肿瘤计算机辅助诊断模型》一文中研究指出针对计算机辅助诊断模型优化过程中稳定性差和早熟问题,提出基于集成VPRS-RUGGA-支持向量机的肺部肿瘤计算机辅助诊断模型。首先,引入变精度粗糙集构造属性依赖度,结合属性约简长度和惩罚函数的加权和构造适应度函数框架;其次,采用无回放余数随机选择法、均匀交叉和高斯变异算子进行遗传操作;然后,在CT、PET和PET/CT样本空间中提取肺部肿瘤ROI区域特征,构造不同的特征空间,运用VPRS-RUGGA-支持向量机模型约简和分类识别;最后,在不同的样本空间中构造支持向量机(SVM)个体分类器,采用相对多数投票法输出集成结论。实验结果表明,集成VPRS-RUGGA-SVM模型可以有效的提高泛化性能和稳定性,VPRS-RUGGA-SVM模型可有效改善早熟问题,提高模型的分类性能。(本文来源于《生物医学工程研究》期刊2019年01期）
路燕,盛姝[10]（2018）在《基于支持向量机优化参数的集成多核典型相关分析》一文中研究指出提出一种可有效处理多个数据集合之间变量关系的集成多核典型相关分析方法,构造一个特殊的核函数,使其更好地将原始样本数据映射到高维空间;基于支持向量机,在选择一个优化参数的基础上最大化多组数据集变量间的关系,以寻求整体相关性最大。在多特征手写体数字库上的实验证明,相比传统的典型相关分析与核典型相关分析方法,基于优化参数的集成多核典型相关分析方法具有更优的性能。(本文来源于《科技管理研究》期刊2018年15期）
集成支持向量机论文开题报告
（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：
针对传统基线模型控制图在高维过程监控中不适用的问题,实时对比(RTC)方法将过程监控问题转化为实时分类问题。将集成支持向量机作为分类器运用到RTC方法中,通过设置不同参数水平的支持向量机实现个体分类器的差异性,达到对不同程度过程偏移都有更好的监控效果的目的。对于多元正态分布和非正态分布2种情况分别进行仿真实验,结果表明集成支持向量机能够更快速识别不同程度的过程偏移,实现对高维过程的实时监控。
（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。
集成支持向量机论文参考文献
[1].陆阳,杨林,戴剑峰,王菁菁,王雪元.基于集成支持向量机的医疗设备风险评估研究与应用[J].生物医学工程研究.2019
[2].田少娟.基于集成支持向量机的高维过程监控[J].甘肃科学学报.2019
[3].李道成.集成支持向量机在民营信用债中的应用[D].山东大学.2019
[4].刘伟涛.基于旋转及改进AdaBoost的单类支持向量机集成[D].河北大学.2019
[5].刘天宇.基于集成支持向量机与随机森林的蛋白交互预测研究[D].东北师范大学.2019
[6].夏晗.基于支持向量机回归集成的小微企业信用风险度评估模型研究[J].征信.2019
[7].杨云,张立泽清,齐勇,王妮.集成支持向量机在OCT血管内斑块分割中的应用与研究[J].计算机应用与软件.2019
[8].吕晓燕,陈立潮.一种基于样本近邻分类精度的支持向量机集成方法[J].中北大学学报(自然科学版).2019
[9].张飞飞,周涛,陆惠玲,梁蒙蒙,杨健.基于集成VPRS-RUGGA支持向量机的多模态肺部肿瘤计算机辅助诊断模型[J].生物医学工程研究.2019
[10].路燕,盛姝.基于支持向量机优化参数的集成多核典型相关分析[J].科技管理研究.2018