基于支持向量机的岩爆模式识别及预测

采用支持向量机,运用分析国内、外工程岩爆数据,以岩石单轴抗压强度与单轴抗拉强度的比值、洞室围岩的最大切向应力与岩石单轴抗压强度比值及弹性能量指数作为评判指标,对典型岩爆进行模式识别即分类,并进行了预测.试验结果表明,该预测方法具有较高的准确率,较好地解决了小样本及非线性等实际问题.     

Forecasting of stock returns by using manifold wavelet support vector machine

An admissible manifold wavelet kernel is proposed to construct manifold wavelet support vector machine(MWSVM) for stock returns forecasting.The manifold wavelet kernel is obtained by incorporating manifold theory into wavelet technique in support vector machine(SVM).Since manifold wavelet function can yield features that describe of the stock time series both at various locations and at varying time granularities,the MWSVM can approximate arbitrary nonlinear functions and forecast stock returns accurately.T...     

稳健的多支持向量机自适应提升算法

AdaBoostSVM容易受到离群点的干扰从而影响到算法的泛化性能.离群点是不反映一般规律的数据点,当被错分的数据含有离群点时,AdaBoostSVM会不断地给离群点赋予很大的权重,进而影响到提升的分类准确率.针对这一问题,提出了RAdaBoostSVM算法,通过对权重过大的误分类样本用和它相邻近的几个样本的中心来代替,有效地减小了离群点对提升效果的影响.与AdaBoostSVM算法相比,RAdaBoostSVM对离群点更加稳健更适合于噪声条件下的分类问题.在基准数据集上的实验结果验证了算法的有效性.     

逆向物流：现代物流企业的“新大陆”

逆向物流是一种包含了产品退回、物料替代、物品再利用、废弃物处理和再处理、维修与再制造等流程的物流活动,目前中国对逆向物流的研究和科学实践基本还处在空白阶段。中国每年因退货、过量生产、不合格品退回、报废和损坏等产生的损失正在以惊人的速度增长,开展逆向物流对遭遇巨大的资源和环境制约的中国而言,前景诱人。     

基于模糊支持向量机的变压器故障诊断

针对支持向量机对训练样本内的噪声和孤立点比较敏感,影响了支持向量机分类性能的弱点,利用模糊支持向量机的学习方法,构建了变压器故障诊断模型．采取一种基于二叉树的多分类方法,使用模糊C均值聚类算法求取模糊支持向量机的模糊隶属度,采用径向基核函数,并利用遗传算法对模糊支持向量机的参数进行寻优．实验结果表明,基于二叉数的模糊支持向量机模型相比BP神经网络、支持向量机有更高的诊断准确率,基于二叉树模糊支持向量机的变压器故障诊断方法是可行的．     

反转录病毒载体介导的EGFP基因在SK-N-SH神经母细胞瘤细胞中的表达

目的构建携带报告基因增强型绿色荧光蛋白(EGFP)的反转录病毒载体,并且探讨病毒载体对SK-N-SH神经母细胞瘤细胞株的感染效率。方法使用基因重组技术构建携带EGFP基因的反转录病毒载体(RV/EGFP)。将稀释的RV病毒液感染NIH3T3细胞,计数NIH3T3荧光表达细胞的数量来确定病毒的浓度;使用RV载体感染SK-N-SH细胞,通过流式细胞学荧光检测明确RV在SK-N-SH细胞的感染效率。结果成功构建了基因转移载体RV/EGFP,确定重组病毒的浓度为8.3×106病毒颗粒/mL。在SK-N-SH细胞RV/EGFP稳定转染并有效表达。在SK-N-SH细胞EGFP的荧光表达显示RV的转移并且表达的效率达到30%以上。结论SK-N-SH细胞能被RV病毒载体有效感染,在转基因细胞株外源基因的表达长期稳定并且显示RV病毒载体具有良好的基因转移效率。     

基于频率和形状特征的脉冲重复间隔调制识别

根据雷达信号脉冲序列的特点，从雷达脉冲信号中提取频率特征和形状特征，构成二维特征向量，并用支持向量机设计多类别分类器，实现雷达信号PRI调制信号的自动识别．实验结果表明，对特征向量进行大幅度降维（从64维降到2维）后，既简化了分类器，又保持或提高了识别率和抗噪声性能．与原特征向量相比，对无噪样本的误识率从0．15％～0．25％降低到0．00％，对有噪样本的误识率从0．40％～1．30％降低到0．15％～0．93％．     

基于CNN-SVR混合深度学习模型的短时交通流预测

精准且快速的短时交通流预测是智能交通发展的重要组成部分.本文针对当前交通流预测模型不能充分提取交通流数据的时空特征、预测性能容易受到外界干扰因素影响的问题,提出一种基于深度学习的短时交通流预测模型,该模型结合卷积神经网络(Convolutional Neural Network,CNN)与支持向量回归分类器(Support Vector Regression,SVR)的特点:在网络底层应用CNN进行交通流特征提取,并将提取结果输入到SVR回归模型中进行流量预测.为验证模型的有效性,取G103国道的实际交通流量数据进行试验.结果表明,提出的预测模型与传统的预测模型相比具有更高的预测精度,预测性能提高了11%,是一种有效的交通流预测模型.     

��·��ͨ������֧�����������Ԥ��

对交通运量做出较为准确的预测，能对相关部门和人员把握运输市场或进行决策有所裨益。对灰色、神经网络和支持向量机的三个预测模型进行了研究，以全国1996 ～ 2003年公路货运量为例，对公路货运量进行了预测，经过比较，支持向量机的预测方法精度较高。在分析组合预测特性的基础上，提出了对灰色系统、神经网络和支持向量机三种预测方法结果进行了线性组合预测方法和支持向量机的组合预测方法。与单一预测方法结果和线性组合预测进行对比，支持向量机组合预测方法比较精确。     

Wavelet De-noising of Speech Using Singular Spectrum Analysis for Decomposition Level Selection

The problem of speech enhancement using threshold de-noising in wavelet domain was considered.The appropriate decomposition level is another key factor pertinent to de-noising performance.This paper proposed a new wavelet-based de-noising scheme that can improve the enhancement performance significantly in the presence of additive white Gaussian noise.The proposed algorithm can adaptively select the optimal decomposition level of wavelet transformation according to the characteristics of noisy speech.The experimental results demonstrate that this proposed algorithm outperforms the classical wavelet-based de-noising method and effectively improves the practicability of this kind of techniques.