基于支持向量机的水资源预测模型

水资源信息的预测可以为水资源的合理调配、管理和规划提供依据,为提高拟合和预测精度,建立基于支持向量机的水资源信息预测模型,采用捕鱼算法对其参数优化,并应用于地下水水位预测的实例分析,且拟合及预测精度均较高,与神经网络模型方法所取得的结果进行比较,能取得更好效果,表明将回归支持向量机用于水资源信息的拟合、预测是可行的。     

基于支持向量机的岩石薄片图像分割

支持向量机是对传统学习分类方法的一个良好替代,特别是小样本、高维的情况下,有着良好的泛化能力,利用支持向量机良好的分类特性,将图像分割的问题转化为分类问题,对岩石薄片图像进行分割实验.通过实验表明：支持向量机对于分割颜色分布不均匀、边缘模糊的岩石薄片图像,有很好的应用前景.     

基于支持向量机的新闻事件类型识别

新闻事件类型识别的核心是文本分类问题,可利用模式识别或者机器学习来解决。互联网中的新闻事件种类多样,各类事件都有不同的结构特征,在自然语言中的表达方式也多种多样,基于模式识别的事件抽取难以覆盖全部的事件表达模式,识别召回率不高。本文使用机器学习方法来进行新闻事件的抽取,设计了词法、句法和语义三类不同类型的特征,并基于支持向量机实现新闻事件的类型识别。支持向量机模型适合解决自然语言这类高维数据的分类问题,能够有效捕捉不同特征之间的分类差异,具有较好的准确率和召回率。     

基于支持向量机的Internet网络延时分析与预测

针对基于Internet的网络控制系统,采用Socket通信方式构建了网络控制系统的通信平台,在此平台上对网络延时进行测试、基于时间序列的分析方法,对Internet网络延时特性以及延时时间序列的自相关性进行统计分析;进而提出了基于支持向量机的网络延时预测方法。仿真结果说明,支持向量机预测网络延时具有较高的正确率。     

基于Gabor变换和支持向量机的手写体字符识别算法

针对在手写字符识别中由于书写习惯和风格的不同造成字符模式不稳定的问题,将支持向量机SVM方法用于手写字符的识别.算法首先采用Gabor变换提取手写字符图像的特征参数,然后采用提取的特征训练SVM分类器.再应用SVM分类器分类和判别手写字符.实验表明这种方法具有良好的车牌识别效果,较强的鲁棒性,较大的应用价值.     

基于支持向量机的男性血清瘦素参考值空间分布规律

血清瘦素医学指标目前并没有准确的临床正常参考值范围,为建立更全面的制定标准,分析了中国健康成年男性的血清瘦素参考值与地理因素的关系。收集中国102个市(县)10707例健康成年男性的血清瘦素参考值,分析其与24项地理指标的相关性,提取出其中存在相关关系的7项地理指标,建立支持向量机模型,并用该模型预测出全国2322个观测点健康成年男性的血清瘦素参考值。最后用ArcGIS软件进行地统计分析,经析取克里金插值,绘制中国健康成年男性血清瘦素参考值的地理分布图。研究表明中国健康成年男性的血清瘦素参考值与经度、纬度、海拔高度、年平均气温、气温年较差、表土阳离子交换量、表土容重存在相关关系;其参考值整体分布规律呈现从西北向东南递增的趋势。     

基于支持向量机理论的地下水动态遥感监测模型与应用

地下水是我国内陆干旱地区水资源的重要组成部分,也是极为敏感的生态环境因素之一。地下水动态变化影响着绿洲和湿地的演化,以及土地资源的开发。西北地区地下水监测网尚不完善,动态资料相对缺乏。遥感技术可以弥补传统地下水位监测手段的不足。由于降水极少,西北干旱区地表反射率与地下水水位埋深关系极其密切。选用归一化植被指数(NDVI)、地表温度(LST)数据,应用支持向量机回归方法,建立西北干旱地区地下水位遥感监测模型。提取MODIS影像中的NDVI和LST产品上的地表温度和植被指数信息,作为模型的输入,通过合理选择核函数进行支持向量机的回归分析,从而建立地表植被指数、地表温度与地下水位的相关数学模型,并分析了不同核函数所拟合结果。在河西走廊疏勒河流域的研究成果表明,运用MODIS数据开发地下水动态模型反演水位变化是可行的,模型拟合的结果比较符合实际情况,尤其是对于细土平原地下水浅埋地区模型应用效果更为理想。一次多项式核函数适合模拟埋深小于3m浅埋地下水,径向基函数RBF核函数和三次多项式核函数法则更适合模拟较大埋深情况。开发的地下水位遥感监测模型可为西北干旱区水循环研究和流域水资源管理提供技术手段。     

基于支持向量机的遥感图像分类方法

为了提高遥感图像分类的精度,弥补传统最大似然分类方法所固有的分类时样本不足的缺陷,提出了一种基于支持向量机、光谱特征和纹理特征相结合的遥感图像分类方法。采用ETM数据,按照其所提方法进行了具体分类实验,并将实验结果与最大似然法分类的结果进行了比较分析。结果表明,利用基于支持向量机的方法进行遥感图像分类,精度明显优于最大似然法分类的精度。利用光谱特征与纹理特征相结合进行分类比单纯运用光谱特征进行分类效果要好。     

一种过程支持向量机模型及其若干理论性质

针对时变信号模式分类问题,建立一种过程支持向量机模型.该模型的输入为时变函数,通过核函数变换将动态模式映射到高维特征空间,经过学习训练集中函数样本类别特性,自适应提取动态模式的过程特征,直接分类辨识时变信号.证明过程支持向量机与单隐层前馈过程神经元网络的二分类能力等价;将复杂的动态模式集合非线性地映射到高维特征空间,提...     

基于确定性系数和支持向量机的地质灾害易发性评价

确定性系数（Certainty Factor,CF）是经典的地质灾害影响因子敏感性分析方法;支持向量机（Support Vector Machine, SVM）作为机器学习的代表方法,能够综合各个影响因子的关系,对地质灾害易发性进行评价。本文以云南省怒江州泸水县为研究区,将高程、坡度、坡向、剖面曲率、距断裂的距离、距河网的距离、距路网的距离、地貌类型、岩土体类型、土地利用类型作为该区域地质灾害影响因子,依据各影响因子灾害面积比和分级面积比曲线对影响因子的状态进行分级。根据381个地质灾害隐患点,采用CF方法计算的各个影响因子的敏感性值,作为SVM的分类数据,建立基于CF-SVM的易发性评估模型,同时与单独SVM模型的评价结果进行对比分析。结果表明,CF-SVM模型得到的极高和高易发区主要分布在怒江两岸河谷地带,涵盖了89.76%的地质灾害隐患点,比单独SVM模型具有更高的成功率;利用ROC曲线和P-R曲线对两个模型进行检验,CF-SVM模型的评价精度分别达到92%和88%,均高于单独的SVM。由此说明,CF-SVM模型对地质灾害易发性评价有较高的预测价值,可以为地质灾害风险评估和管理提供依据。     

遗传算法优化支持向量机在大坝变形预测中的应用

建立大坝变形预测的支持向量机模型,并用遗传算法对支持向量机模型的核函数参数、惩罚参数和损失参数进行优化。将同一优化方法不同支持向量机核函数、不同优化方法同种支持向量机核函数进行横向对比,将BP神经网络、自回归AR(p)模型、多元回归分析法和周期函数拟合法进行纵向对比。结果表明,该GA-SVM(RBF)模型不仅能较好地预测大坝的变形趋势,而且能大幅提高预测精度。     

支持向量机与Newmark模型结合的地震滑坡易发性评估研究

Newmark位移模型是研究地震滑坡易发性的经典模型,机器学习方法支持向量机模型也越来越多的应用到滑坡易发性评估研究。本文将Newmark位移模型与支持向量机模型相结合,建立基于物理机理的地震滑坡易发性评估模型并应用于2008年汶川地震重灾区汶川县。从震后遥感影像目视解译出汶川县1900处地震诱发滑坡,并将其随机划分为70%的训练数据集和30%的验证数据集。选择地形起伏度、坡度、地形曲率、与构造断裂带距离、与水系距离、与道路距离6个因子与Newmark位移值共同作为地震滑坡易发性影响因素。利用ROC曲线和模型不确定性等指标对模型结果进行评估,并与二元统计模型频率比和多元统计模型Logistic回归的结果进行对比。结果表明：与频率比和Logistic回归模型相比,支持向量机模型的正确率最高,训练集和验证集ROC曲线下的面积分别为0.876和0.851。将模型应用于绘制汶川县地震滑坡易发性图,结果显示滑坡易发性图与实际的滑坡点位分布一致性较高,有80.4%的滑坡位于极高和高易发区。这说明支持向量机与Newmark位移方法结合建立的地震滑坡易发性评估模型有较高的预测价值,可以为滑坡风险评估和管理提供依据。     

用小波分析与灰色支持向量机预测高铁变形

针对高铁变形监测数据的非线性特征,构建一种基于小波与灰色支持向量机的高铁变形预测组合模型。利用小波分析获取不同时频尺度上的随机序列和近似序列,通过嵌入维数的确定和高低频数据的相关性分析,将重构后的随机序列作为遗传算法优化SVR模型的输入,对近似序列则采用灰色支持向量机来描述其演变特征,最后将二者预测结果进行耦合叠加,得到小波灰色支持向量机的组合模型预测结果。以贵广高铁实测数据为例,将均方差、平均绝对误差、平均绝对相对误差作为评判指标对预测效果进行评价,结果表明该模型较好地拟合了近似分量,同时避免了细节分量的过拟合,为高铁变形预测提供了新途径。     

多类支持向量机在语音识别中的应用

针对语音模式识别,引入多类（M-ary）支持向量机来进行分类。并详细的介绍了M-ary支持向量机的概念以及语音识别系统中的实现方式。通过仿真实验,与BP神经网络、SVM进行比较,验证了M-ary支持向量机具有识别率高,抗噪能力强等优越性。     

基于局部均值分解和相关向量机的变形预测

基于改进局部均值分解（LMD）及加权核函数相关向量机（RVM）算法,构建多尺度变形预测新方法。利用LMD将变形数据分解成多个具有物理意义的变形分量,并基于遗传算法优化的RVM对每个变形分量分别进行预测。将各变形分量预测结果进行叠加,最终建立多尺度变形预测方法,并应用于大坝变形预测。实验结果表明,改进LMD-RVM方法的多个精度指标均优于BP神经网络方法、RVM方法和改进EMD-RVM方法,证实了新方法的有效性及可靠性。
     

基于粒子群算法的神经网络在水资源评价中的应用

为了改善传统的人工神经网络,在训练过程中容易陷入局部最小导致应用于水资源评价时存在对训练样本的拟合精度不高的缺点,采用粒子群算法优化人工神经网络的权值和阈值,然后将其应用于中国12个地区的水资源可持续利用系统评价实例中,并和传统的人工神经网络进行了对照。结果表明,基于粒子群算法的人工神经网络和传统的人工神经网络相比,能较好的提高对训练样本的拟合精度,表明基于粒子群算法的人工神经网络,用于水资源可持续利用系统评价是可行的。     

基于粒子群算法的神经网络在水资源评价中的应用

为了改善传统的人工神经网络,在训练过程中容易陷入局部最小导致应用于水资源评价时存在对训练样本的拟合精度不高的缺点,采用粒子群算法优化人工神经网络的权值和阈值,然后将其应用于中国12个地区的水资源可持续利用系统评价实例中,并和传统的人工神经网络进行了对照。结果表明,基于粒子群算法的人工神经网络和传统的人工神经网络相比,能较好的提高对训练样本的拟合精度,表明基于粒子群算法的人工神经网络,用于水资源可持续利用系统评价是可行的。