搜索结果: 1-13 共查到“计算机软件 svm”相关记录13条 . 查询时间(0.086 秒)
基于测度优化Laplacian SVM的中文指代消解方法
测度优化 Laplacian SVM 中文指代消解 半监督学习 自然语言处理
2016/12/24
相比于传统的基于半监督学习的指代消解方法，Laplacian SVM（Support Vector Machine）能有效的挖掘已标注样本和未标注样本的相似性和关联性，更好的推导模型的分类边界.而传统Laplacian SVM采用欧式距离度量样本之间的距离，使得异类样本之间的相似性可能过大，不利于样本的准确分类.对此，提出一种基于数据驱动学习最优测度Laplacian SVM算法以解决中文指代消解...
基于SVM过滤的微博新闻话题检测方法
话题检测 特征向量 SVM
2014/3/26
在基于聚类的话题检测方法上提出了一种基于SVM过滤的检测方法，该方法在聚类前将微博文本特征抽象成用于输入向量机的向量，对微博文本进行过滤，降低了计算量。并针对微博聚类的长尾现象提出了基于高频词排序的改进单遍聚类方法，能很好地检测孤立点的存在。实验表明，该方法在海量微博数据中能有效地检测出新闻话题。
一种基于SVM的快速特征选择方法
特征选择 SVM 粒子群优化
2013/12/12
针对现有特征选择方法计算量大、速度慢的缺点,提出了一种基于SVM的快速特征选择算法。该算法使用SVM作为分类器,并利用粒子群优化算法进行搜索。通过利用SVM线性核与多项式核函数的特性,减少了在特征选择中训练分类器的次数,降低了计算复杂度。实验结果表明在不损失分类精度的情况下,能显著提高特征选择的速度。
基于SVM和空间投影的点云空洞修补方法
支持向量机 点云 空洞修补
2009/11/26
为实现在逆向工程中的点云空洞修复，在理论研究的基础上，通过空间投影获得二维数据，采用支持向量机做回归分析，获得残缺点的坐标参数，从而完成空洞修补，运用数字实验对该方法的可行性进行验证，仿真实验结果表明，该方法可以获得良好的修补效果，能够为曲面建模和数控系统G代码的生成提供完整的点云数据，具有一定应用价值。
基于数据场的SVM技术在雷暴预报中的应用
支持向量机 数据场 不平衡数据集
2009/10/20
针对天气预报中样本不平衡造成漏报率高的问题，提出一种基于数据场的C加权支持向量机(SVM)技术。该技术对不平衡天气数据进行分类，采用叠加数据场势值作为数据重采样依据，筛选出最利于SVM分类器学习的样本作为训练样本，结合C加权方法进行训练。实验结果证明，在样本数量较多且不平衡性显著的雷暴天气中，该技术能缩减训练集规模，减少漏报，提升预报系统的g-means值。
一种基于凸壳算法的SVM集成方法
凸壳算法 支持向量机 集成
2009/7/30
为提高支持向量机(SVM)集成的训练速度，提出一种基于凸壳算法的SVM集成方法，得到训练集各类数据的壳向量，将其作为基分类器的训练集，并采用Bagging策略集成各个SVM。在训练过程中，通过抛弃性能较差的基分类器，进一步提高集成分类精度。将该方法用于3组数据，实验结果表明，SVM集成的训练和分类速度平均分别提高了266％和25％。
半监督SVM的工作集样本预选取方法
半监督SVM 遗传FCM 样本预选取
2009/7/24
针对传统的半监督SVM训练方法把大量时间花费在非支持向量优化上的问题，提出了在凹半监督支持向量机方法中采用遗传FCM（Genetic Fuzzy C Mean，遗传模糊C均值）进行工作集样本预选取的方法。半监督SVM优化学习过程中，在原来训练集上（标签数据）加入了工作集（无标签数据），从而构成了新的训练集。该方法首先利用遗传FCM算法将未知数据划分成某个数量的子集，然后用凹半监督SVM对新数据进行...
基于GA/SVM的微阵列数据特征的选择与分类
微阵列数据 基因表达 遗传算法
2009/4/27
微阵列数据样本小、维度高的特点给数据分析造成了困难，而主基因的挑选又十分的重要。该文采用遗传算法挑选主基因，其中，用k最邻居距离作为模式识别方法，用支持向量机构造了诊断系统，用不同核函数进行预测分类性能测试。在经典的白血病数据集上，对34个样本的测试集的分类准确率为100%。
基于LSI和SVM的文本分类研究
特征提取 潜在语义索引 支持向量机
2009/4/24
文本分类技术是文本数据挖掘的基础和核心，是基于自然语言处理技术和机器学习算法的一个具体应用。特征选择和分类算法是文本分类中两个最关键的技术，该文提出了利用潜在语义索引进行特征提取和降维，并结合支持向量机(SVM)算法进行多类分类，实验结果显示与向量空间模型(VSM)结合SVM方法和LSI结合K近邻(KNN)方法相比，取得了更好的效果，在文本类别数较少、类别划分比较清晰的情况下可以达到实用效果。
...
基于SVM的软件需求分析风险评估模型
需求分析 模型 风险
2009/4/22
需求分析风险是软件项目风险管理的重要内容。该文以13种风险为基础，建立了一个新的软件项目需求分析风险评估模型，把以往每个软件项目的13种需求分析风险看作一个1×13维行向量，作为SVM的训练向量，把其分成风险低、风险中等、风险高3个类别，并对项目需求分析风险水平进行了预测。
基于混合贝叶斯SVM的电价分类与预测
支持向量机 市场电价 参数估计
2009/4/10
电价的分类与预测是电力市场电价理论研究中的重要内容。该文提出了混合贝叶斯支持向量机方法(BE-SVM)，通过贝叶斯统计方法对电价进行分类，挖掘有效的数据信息，并结合支持向量机(SVM)技术预测现货电价数据，贝叶斯前验分布和后验分布用来估计SVM中的参数。通过比较模型BE-SVM、SVM 和神经网络(ANN)的预测结果，表明该文提出的BE-SVM方法提高了电价的预测精度，是一种有效的方法。
使用基于SVM的局部潜在语义索引进行文本分类
文本分类 潜在语义索引 支持向量机
2009/1/6
潜在语义索引(LSI)通过奇异值分解(SVD)获得原始词—文档矩阵的潜在语义结构，在一定程度上解决了一词多义和多词一义问题。但目前文本分类中使用LSI方法的效果并不理想，这是因为没有充分考虑分类信息。为解决该问题，提出一种改进的局部潜在语义索引(LLSI)方法，使用支持向量机(SVM)来产生局部区域。实验结果表明，该方法是有效的。
Based on HMM and SVM Multilayer Architecture Classifier for Chinese Sign Language Recognition with Large Vocabulary
HMM SVM Multilayer Architecture Classifier Chinese Sign Language Recognition
2010/12/14
This paper has put forward a new architecture classifier method for Chinese sign language recognition (CSLR) to improve the performance of recognition. It is a signer-independent method, to recognize ...