简介：支持向量机器(SVM)方法能被用来建立一个非线性的功能预言模型。学习理论基于小样品。核功能能被使用SVM方法基于实际样品数据自动地构造。作为结果，功能不仅得到更高合适的精确而且也更好概括。频率光谱和地震波形由Fourier变换是相关的，因此他们是一样的物理现象的二种不同形式。波形特性的变化反映差别反映的stratigraphic差别和频率光谱岩性学，液体作文，和形成厚度的变化。它直接用地震波形预言沙岩厚度。这充分不仅利用地震信息而且极大地增加预言的精确性。模型例子和实际应用显示出这个方法的适用性。

简介：摘要人脸表情识别是情感识别的一个重要研究内容，而微笑作为人类基本表情之一，有着重要的研究价值，所以本文采用机器学习支持向量机（SVM）技术和HOG特征提取技术对图像进行分类，来判断图片人物是否微笑。

简介：对SVM分类模型参数选择问题进行了研究,将免疫网络算法与SVM相结合形成一个AIN-SVM算法。数值测试结果表明该方法能够更快速地在更大的空间内进行有效搜索,与传统的交叉验证方法相比,在搜索速度与稀疏性上具有较大的优势。

简介：Ahandgesturerecognitionmethodispresentedforhuman-computerinteraction,whichisbasedonfingertiplocalization.First,handgestureissegmentedfromthebackgroundbasedonskincolorcharacteristics.Second,featurevectorsareselectedwithequalintervalsontheboundaryofthegesture,andthengestures'lengthnormalizationisaccomplished.Third,thefingertippositionsaredeterminedbythefeaturevectors'parameters,andanglesoffeaturevectorsarenormalized.Finallythegesturesareclassifiedbysupportvectormachine.Theexperimentalresultsdemonstratethattheproposedmethodcanrecognize9gestureswithanaccuracyof94.1%.

简介：Microarray数据基于肿瘤诊断是在生物信息学的一个很有趣的话题。关键问题之一是一个肿瘤的增进知识的基因的发现和分析。尽管解决这个问题有许多精致的途径，仅仅与microarray数据为肿瘤诊断选择增进知识的基因的一个合理集合仍然是困难的。在这份报纸，我们分类经由敏感对手惩罚了竞争学习的距离(DSRPCL)通过microarray数据表示进很多簇的基因算法然后在支持向量机器(SVM)的帮助下检测增进知识的基因簇或集合。而且，批评或强大的增进知识的基因能在获得的增进知识的基因簇上通过进一步的分类和察觉被发现。它是我们的建议DSRPCL-SVM途径为肿瘤诊断导致增进知识的基因的一种合理选择的冒号，白血病，和乳癌数据集的实验表明的井。

简介：支持向量机是一种基于统计学习理论的新的机器学习方法，该方法已用于解决模式分类问题．本文将支持向量机（SVM）用于混沌时间序列分析，实验数据采用典型地Mackey-Glass混沌时间序列，先对混沌时间序列进行支持向量回归实验；然后采用局域法多步预报模型，利用支持向量机对混沌时间序列进行预测．仿真实验表明，利用支持向量机可以较准确地预测混沌时间序列的变化趋势．

简介：Osteosarcomaisprimarymalignantneoplasmsderivedfromcellsofmesenchymalorigin,andoftenhasdistinctphenotypesatdifferentstages.Thelocationoftumorandreactionzonecanbeidentifiedbyanexpertinmagneticresonanceimaging(MRI),withMRIbeingoneofthechoicesforevaluatingtheextentofosteosarcoma.However,itisstillachallengetoautomaticallyextracttumorfromitssurroundingtissuesbecauseoftheirlowintensitydifferencesinMRI.WeinvestigatedanapproachbasedonZernikemomentandsupportvectormachine(SVM)forosteosarcomasegmentationinT1-weightedimage(TIWI).Firstly,thedifferentordermomentsaroundeachpixelarecalculatedinsmallwindows.Secondly,thegrayscaleandthemodulevaluesofdifferentordermomentsareusedasatexturefeaturevectorwhichisthenusedasthetrainingsetforSVM.Finally,anSVMclassifieristrainedbasedonthissetoffeaturestoidentifytheosteosarcoma,andthesegmentedtumortissueisrenderedin3Dbytheraycastingalgorithmbasedongraphicsprocessingunit(GPU).TheperformanceofthemethodisvalidatedonT1WI,showingthatthesegmentationmethodhasahighsimilarityindexwiththeexpert’smanualsegmentation.

简介：Anewfuzzysupportvectormachinealgorithmwithdualmembershipvaluesbasedonspectralclusteringmethodisproposedtoovercometheshortcomingofthenormalsupportvectormachinealgorithm,whichdividesthetrainingdatasetsintotwoabsolutelyexclusiveclassesinthebinaryclassification,ignoringthepossibilityof'overlapping'regionbetweenthetwotrainingclasses.Theproposedmethodhandlessample'overlap'efficientlywithspectralclustering,overcomingthedisadvantagesofover-fittingwell,andimprovingthedataminingefficiencygreatly.Simulationprovidesclearevidencestothenewmethod.

简介：

简介：本文对支持向量机的原理、核函数及分类方式进行了详细的介绍，给合实例探讨了支持向量机在分类中的具体应用，并根据应用结果指出了支持向量机的优缺点，最后展望了支持向量机在分类应用的前景。

简介：摘要：行人检测是图像识别领域研究的热点，采用AdaBoost和RBFSVM算法组合成级联分类器，利用OpenCV的HOGDescriptor类提取待检测对象的HOG特征，通过实验分析本文设计的AdaBoost-RBFSVM级联的分类器在误报率、准确分类率面有好的效果，大幅提高检测效率。

简介：TheLS-SVM(Leastsquaressupportvectormachine)methodispresentedtosetupamodeltoforecasttheoccurrenceofthunderstormsintheNanjingareabycombiningNCEPFNLOperationalGlobalAnalysisdataon1.0°×1.0°gridsandcloud-to-groundlightningdataobservedwithalightninglocationsysteminJiangsuprovinceduring2007-2008.Adatasetwith642samples,including195thunderstormsamplesand447non-thunderstormsamples,arerandomlydividedintotwogroups,one(having386samples)formodelingandtherestforindependentverification.ThepredictorsareatmosphericinstabilityparameterswhichcanbeobtainedfromtheNCEPdataandthepredictandistheoccurrenceofthunderstormsobservedbythelightninglocationsystem.Preliminaryapplicationstotheindependentsamplesfora6-hourforecastofthunderstormeventsshowthatthepredictioncorrectionrateofthismodelis78.26%,falsealarmrateis21.74%,andforecastingtechnicalscoreis0.61,allbetterthanthosefromeitherlinearregressionorartificialneuralnetwork.

简介：

简介：非侵入式负荷监测技术是电力能耗监测的一种手段,通过传感器采集负荷电流和功率等运行特征参数,对设备耗能进行独立计量,预测用户设备的用电情况和规律,以提高电力系统的稳定性和可靠性,为电力公司科学制定电网调度方案,提供科学依据.选取电流、有功功率和谐波电流等稳态数据作为设备的运行特征,基于对偶树复小波变换对数据去噪,建立基于SVM分类识别模型进行负荷识别.

简介：

简介：

简介：而且这两种方法在增量学习中要对信息融合模块重新处理,LINCJ.Acomparisonofmethodsformulticlasssupportvectormachines[J].IEEETransactionsonNeuralNetworks,2000.　　[2]BURGESCJC.Atutorialonsupportvectormachinesforpatternrecognition[J].DataMiningandKnowledgeDiscovery

简介：本文在企业财务绩效评价指标体系的基础上，提出了一种基于SVM的企业绩效综合测评方法．建立了相应的数学模型。实证分析以及该方法与BP神经网络仿真结果的比较表明，SVM方法能达到更令人满意的评价效果。

简介：在这份报纸，我们使用了SVM方法检测P300信号。在为SVM训练一个分类参数前，几预处理操作包括过滤被用于数据，downsampling，单个试用抽取，windsorizing，电极选择等。与SVM算法，分类精确性能直到上面80%。在一些情况中，精确性能到达100%。在基于P300的大脑计算机接口(BCI)为P300EEG识别使用SVM是合适的系统。我们的进一步的工作将包括改进用更少试用产出更高的分类精确性。

简介：Microarraytechnologycanbeemployedtoquantitativelymeasuretheexpressionofthousandsofgenesinasingleexperiment.Ithasbecomeoneofthemaintoolsforglobalgeneexpressionanalysisinmolecularbiologyresearchinrecentyears.Thelargeamountofexpressiondatageneratedbythistechnologymakesthestudyofcertaincomplexbiologicalproblemspossible,andmachinelearningmethodsareexpectedtoplayacrucialroleintheanalysisprocess.Inthispaper,wepresentourresultsfromintegratingtheself-organizingmap(SOM)andthesupportvectormachine(SVM)fortheanalysisofthevariousfunctionsofzebrafishgenesbasedontheirexpression.Themostdistinctivecharacteristicofourzebrafishgeneexpressionisthatthenumberofsamplesofdifferentclassesisimbalanced.WediscusshowSOMcanbeusedasadata-filteringtooltoimprovetheclassificationperformanceoftheSVMonthisdataset.