导读:本文包含了混合核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:支持向量机,混合核函数,N_RBF核函数,RBF_Poly核函数
混合核支持向量机论文文献综述
郑慢慢[1]（2019）在《基于支持向量机的混合核函数研究》一文中研究指出基于统计学习理论的机器学习算法——支持向量机,因其具有严谨的数学推导和简明易懂的算法结构,已经在线性分类问题上的理论发展趋于完备,但在核函数及其参数的选择方面至今仍没有确切的结论可以直接使用.本文主要研究了径向基核函数(RBF核函数)、多项式核函数(Poly核函数)以及改进的RBF核函数——N_RBF核函数的参数选择问题.并对上述核函数的混合形式进行了深入研究.为解决非线性支持向量机分类的难题,本文利用核函数强大的特征表达和非线性分类能力,对RBF核函数和Poly核函数的基本性质进行了详尽的介绍,解释和说明它们作为单个核函数具有的良好的分类性质.同时引入基于伸缩率的N_RBF核函数,深入研究N_RBF核函数具有的良好性质.本文首先提出了一种基于支持向量机的混合核函数方法来解决非线性分类问题.将RBF核函数与Poly核函数用线性加权和的方法进行混合得到一种新型核函数RBF_Poly核函数.RBF_Poly核函数充分结合了RBF核函数和Poly核函数作为单个核函数的优点,实验结果表明,所提的RBF_Poly核函数不仅可以有效提升预测精度,同时面对不同数据时也具备较强的泛化性.本文还提出了另一种基于支持向量机的混合核函数方法来解决非线性分类问题.将N_RBF核函数与Poly核函数用线性加权和的方法进行混合以得到另一种新型混合核函数N_RBF_Poly.N_RBF核函数能够始终保证伸缩率不小于1,克服了RBF核函数在伸缩率小于0.5时不利于分类的缺点.仿真实验表明,所提的N_RBF_Poly核函数具有优于单个核函数的分类效果.(本文来源于《华东师范大学》期刊2019-04-01）
彭建新,万腾辉,赵熙[2]（2018）在《基于混合核函数支持向量机的智能运维管理研究》一文中研究指出根据物联网技术收集机房硬件及相关软件运行状态信息,对各设备运行信息进行特征值提取并且进行Fisher score的特征值寻优评价,采用混合核函数的支持向量机对需要响应的运维进行分类,实验采取交叉验证并证明了较好的运维事件分类效果,以此研究和设计基于云环境的智能运维管理,形成智能运维服务和管理新模式,并在公安及其他行业推广应用。(本文来源于《中国人民公安大学学报(自然科学版)》期刊2018年03期）
张金刚,陈永强,雷霞,鲍晓婷,余飞鸿[3]（2018）在《基于小波分析的并行膜混合核支持向量机月度负荷预测》一文中研究指出针对现代电力系统月负荷数据的趋势增长性和波动性的非线性特征,提出了一种基于小波变换的混合支持向量机负荷预测模型。通过小波变换将负荷序列分解为不同尺度的子序列,考虑负荷的季节波动性,将温度因素作为输入变量,构建混合核函数LWPSO-LSSVM。将负荷子序列分别放入膜系统的基本膜中进行并行预测,然后对子序列预测数据进行重构得到预测结果。利用四川省某地区电网负荷数据进行应用研究,结果表明所提出的模型较传统核函数支持向量机预测精度和效率有明显提高。(本文来源于《水电能源科学》期刊2018年06期）
张彦军[4]（2018）在《应用混合核函数支持向量机的网络安全检测模型研究》一文中研究指出在总结Do S/DDo S攻防基本技术和现有网络安全模型的基础上,提出了一种改进的网络安全模型,该模型应用支持向量机对网络攻击行为进行分类,并在算法中采用多个核函数的混合策略,通过部署测试,实验证明改进算法的网络安全模型具有一定的优势。(本文来源于《信息技术与网络安全》期刊2018年05期）
张良良,石永奎,李俊勇[5]（2018）在《基于混合核函数支持向量机的顶板砂岩富水性研究》一文中研究指出为了寻求一种能够较好地预测煤层顶板砂岩富水性等级的方法,以桑树坪煤矿为例,分别采用BP神经网络、K最近邻分类法、决策树和支持向量机算法对其顶板砂岩富水性进行预测。比较发现,基于支持向量机的预测模型准确率最高为87.5%,节点错误率最低,优于其他3种模型。为了进一步提高模型预测准确率,建立了煤层顶板砂岩富水性的混合核函数支持向量机预测模型,当λ_1=0.05与λ_2=0.95时预测准确率达到100%。研究结果表明,以条件属性作为输入、决策属性作为输出的混合核函数支持向量机预测模型能较好地预测煤层顶板砂岩富水性等级,效果较好。(本文来源于《矿业安全与环保》期刊2018年02期）
刘志康[6]（2016）在《一种改进的混合核函数支持向量机文本分类方法》一文中研究指出多项式核函数支持向量机由于其良好的泛化能力而得到重视,并被研究应用于文本分类问题。针对多项式核函数学习能力差的缺点,将学习能力较强的条件正定核与多项式核构成一个混合核函数作为改进的多项式核支持向量机文本分类器。与之前提出的将正定核与多项式核线性组合不同的是,提出一种新的组合形式,与之前的方法有更好的性能。将混合核函数与多项式核函数在相同的数据集上进行了对比实验,比较其分类效果,检验了混合核函数优于传统的多项式核函数文本分类器。(本文来源于《工业控制计算机》期刊2016年06期）
古丽娜孜·艾力木江,孙铁利,乎西旦,冯雪花[7]（2016）在《基于混合核函数BDK的支持向量机遥感图像分类》一文中研究指出以支持向量机关键部分核数的有效选定作为探究目标,从核函数选取规则着手,将遥感数据领域知识嵌入到核函数构造问题中,结合遥感数据本身特征提出一种能同时兼顾到样本亮度差异性和角度差异性的混合核函数选取方法,通过支持向量机传统核函数分类效果进行对比分析,表明混合核方法的有效性.(本文来源于《西北师范大学学报(自然科学版)》期刊2016年03期）
孙菲艳,田雨波,任作琳[8]（2016）在《采用混合核支持向量机的DOA估计》一文中研究指出人工神经网络(ANN)进行建模时通常需要准备大量的数据样本,同时网络结构一般都比较复杂;而采用支持向量机(SVM)进行建模时,不同核函数有不同的效果,各有利弊,且选取SVM模型参数的理论支撑尚不完整。为了解决这些问题,提出了一种基于混合核函数的支持向量机来改善来波到达角(DOA)的估计性能,并结合二进制粒子群算法(PSO)来对混合核函数进行参数寻优。该混合核函数由全局核函数和局部核函数构成,提高了SVM的泛化能力和学习能力。首先通过拟合多项式函数,验证了该混合核SVM的有效性。将该方法用于DOA估计建模,在不同信噪比和快拍数下,通过与径向基函数(RBF)神经网络、基于各单一核函数的SVM和MUSIC算法预测结果对比,混合核SVM均方差有所降低,提高了DOA估计的精度且有更好的稳定性。(本文来源于《电讯技术》期刊2016年03期）
赵丽琴[9]（2015）在《混合核支持向量机在地铁客流预测中的应用研究》一文中研究指出随着城市化建设进程的不断加快,城市人口持续增加及私家车的逐渐普及,环境污染,城市交通拥堵以及能源消耗问题越来越突出,城市交通面临巨大的压力。而运载量大、准时性好且环保的城市轨道交通成为解决交通问题的主要方向,地铁的客流量是地铁运营管理部门行车调度和城市轨道交通规划的基本依据,因此对地铁客流量的预测具有重要的意义,本文将混合核支持向量回归机模型应用于地铁客流量预测。首先,论文从统计学习理论的基本原理开始,阐述了VC维理论和结构风险最小化原则,并分析了SVM(Support Vector Machine,支持向量机)回归问题的基本原理和不同核函数的性能,将多项式核函数和径向基核函数进行线性组合,构建了混合核函数,并分析了其学习和泛化性能。其次,对广州地铁3号线的客流数据进行统计分析,得到其周期规律和时序特征。并对平常日进站客流量进行层次聚类分析,使数据样本有效划分,为预测模型提供合理的数据支持。最后,由于构建的混合核SVM的预测性能主要取决于其相关参数的选取,而传统的网格试算法耗时长,效率低,因此采用PSO(Particle Swarm Optimization,粒子群优化)算法对其参数进行寻优。针对PSO算法的缺点,引入无限折迭迭代混沌映射,解决基本PSO算法的早熟问题,引入黄金分割的思想提高算法的优化速度。二者结合实现基本PSO算法的改进,并通过两种典型测试函数仿真分析,表明改进PSO算法具有良好的性能。将基于无限折迭迭代黄金分割的CPSO(Chaotic Particle Swarm Optimization,混沌粒子群优化)算法与混合核SVM预测模型结合建立组合预测模型,对不同时段的地铁进站客流量进行仿真,对比单核SVM预测模型和CPSO优化的混合核SVM预测模型的预测效果,分析结果表明本文构建的预测模型在地铁的进站客流量预测中优于以上两种预测模型。(本文来源于《兰州交通大学》期刊2015-06-12）
马琰,闫兵[10]（2015）在《混合核函数最小二乘支持向量机的网络流量预测模型》一文中研究指出针对网络流量复杂多杂特点,基于组合优化理论,提出一种混合核函数最小二乘支持向量机的网络流量预测模型。首先,基于混沌理论将一维网络流量变为多维时间序列,然后,采用多项式核函数和高斯径向基核函数构建混合核函数,并将训练样本输入到最小二乘支持向量机中学习,最后,采用真实网络流量数据对模型性能进行测试。结果表明,相对于单核函数最小二乘支持向量机及其它网络流量预测模型,模型能够准确捕捉网络流量变化规律,有效地提高了网络流量的预测精度,而且具有一定的鲁棒性。(本文来源于《微型电脑应用》期刊2015年02期）
混合核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：
根据物联网技术收集机房硬件及相关软件运行状态信息,对各设备运行信息进行特征值提取并且进行Fisher score的特征值寻优评价,采用混合核函数的支持向量机对需要响应的运维进行分类,实验采取交叉验证并证明了较好的运维事件分类效果,以此研究和设计基于云环境的智能运维管理,形成智能运维服务和管理新模式,并在公安及其他行业推广应用。
（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。
混合核支持向量机论文参考文献
[1].郑慢慢.基于支持向量机的混合核函数研究[D].华东师范大学.2019
[2].彭建新,万腾辉,赵熙.基于混合核函数支持向量机的智能运维管理研究[J].中国人民公安大学学报(自然科学版).2018
[3].张金刚,陈永强,雷霞,鲍晓婷,余飞鸿.基于小波分析的并行膜混合核支持向量机月度负荷预测[J].水电能源科学.2018
[4].张彦军.应用混合核函数支持向量机的网络安全检测模型研究[J].信息技术与网络安全.2018
[5].张良良,石永奎,李俊勇.基于混合核函数支持向量机的顶板砂岩富水性研究[J].矿业安全与环保.2018
[6].刘志康.一种改进的混合核函数支持向量机文本分类方法[J].工业控制计算机.2016
[7].古丽娜孜·艾力木江,孙铁利,乎西旦,冯雪花.基于混合核函数BDK的支持向量机遥感图像分类[J].西北师范大学学报(自然科学版).2016
[8].孙菲艳,田雨波,任作琳.采用混合核支持向量机的DOA估计[J].电讯技术.2016
[9].赵丽琴.混合核支持向量机在地铁客流预测中的应用研究[D].兰州交通大学.2015
[10].马琰,闫兵.混合核函数最小二乘支持向量机的网络流量预测模型[J].微型电脑应用.2015
标签：支持向量机; 混合核函数; N_RBF核函数; RBF_Poly核函数;