搜索到50篇“ LSVM“的相关文章
全部数字资源类型
相关度排序
基于IPSO-LSVM的短期负荷预测方法被引量：10
2020年
传统基于支持向量机(SVM)的短期负荷预测模型存在着输入变量不易确定以及模型参数难以最优化的问题。针对这两个缺点,本文提出了一种基于IPSO-LSVM的短期负荷预测方法。首先引入LASSO回归筛选SVM预测模型中的滞后负荷,将筛选结果和其余影响因素作为SVM预测模型中的输入变量,建立LASSO与SVM的耦合模型(LSVM);然后采用IPSO算法对LSVM预测模型中的参数进行优化,提高预测结果的准确性和稳定性;最后采用优化后的模型进行预测。算例分析表明,IPSO优化LSVM的方法能够有效提高短期负荷预测的精度。
程志友丁柏宏余国晓
关键词：SVM短期负荷预测LSVM
基于LS-LSVM的居民出行方式选择预测模型及影响因素研究被引量：2
2015年
采用最小二乘支持向量机(LS-SVM)构建居民出行方式选择预测模型,并利用遗传算法对支持向量机的参数进行寻优.通过对南京市居民出行调查数据的拟合,得出不论在全方式分类准确率上,还是在单个方式分类准确率上,最小二乘支持向量机相比于多项logistic模型均具有明显的优势;同时基于经济评价的敏感性分析方法也利用在支持向量机模型中,弥补了支持向量机无法显化变量对模型性能的影响及影响程度的不足.
邓琼华何继宏
关键词：最小二乘支持向量机遗传算法
基于固定检测器的BIL—LSVM移动瓶颈自动判别模型研究
2015年
依据固定检测器数据采集的特点和交通流特性，选取速度、时间占有率、流量、流量差与速度差之积等四个参数为交通状态的特征向量，构建批处理增量学习的Lagrange支持向量机的移动瓶颈发生判别算法。试验表明，相对于加利福尼亚算法、McMaster算法、模糊数学算法等经典判别算法和神经网络算法、支持向量机算法等人工智能算法，批处理增量学习的Lagrange支持向量机模型对移动瓶颈判断的有效性和可移植性等效果均有明显提高。
刘艳忠
关键词：自动判别
GATS-LSVM:新的网络入侵检测方法被引量：1
2013年
针对现有网络入侵检测方法的不足,提出了一种新的网络入侵检测方法——GATS-LSVM算法。该方法采用遗传算法(GA)与禁忌搜索(TS)相混合的搜索策略对特征子集空间进行随机搜索,利用提供的数据在无约束优化线性支持向量机(LSVM)上的分类错误率作为特征子集的评估标准获取最优特征子集,从而有效地对入侵进行检测。大量基于著名的KDD Cup 1999数据集的实验表明,该新方法相对于其它一些传统的网络入侵检测方法,能在保证较高检测率的前提下,有效地降低误报率、入侵检测的计算复杂度和提高检测速度,能更适用于现实高速网络应用环境。
李文法孙连英刘畅马小军
关键词：网络入侵检测
HOG特征混合模型结合隐SVM的感兴趣目标检测定位算法被引量：9
2011年
针对传统基于梯度方向直方图特征检测算法对解决目标模型单一、发生形变、存在遮挡及目标受干扰下定位困难的问题,提出一种基于HOG特征混合模型结合隐SVM的感兴趣目标检测算法。首先利用用训练图像的HOG特征金字塔表示得到包含感兴趣目标根模型、部件模型和对应可变形部件特征表示,该模型不仅描述目标的整体轮廓,而且能够捕捉到更为精细的目标部件轮廓,在一定程度上提高了检测算法在目标姿态复杂情况下的鲁棒性。然后利用HOG特征混合特征训练部件检测分类器LSVM(Latent Support Vector Machine)。最后通过动态规划和距离转换算法在测试图上扫描出与可变形部件模型相匹配的区域,实现感兴趣目标的检测定位。经过多组实验结果表明,所提出的算法能较好地解决目标在发生较大形变和存在遮挡等复杂姿态下的定位问题。
胡正平杨建秀
关键词：混合模型梯度方向直方图动态规划
基于MRMHC-LSVM的IP流分类被引量：1
2009年
提出了一种构建轻量级的IP流分类器的wrapper型特征选择算法MRMHCLSVM。该算法采用改进的随机变异爬山(MRMHC)搜索策略对特征子集空间进行随机搜索,然后利用提供的数据在无约束优化线性支持向量机(LSVM)上的分类错误率作为特征子集的评价标准来获取最优特征子集。在IP流数据集上进行了大量的实验,实验结果表明基于MRMHC-LSVM的流分类器在不影响分类准确度的情况下能够提高检测速度,与当前典型的流分类器NBK-FCBF相比,基于MRMHC-LSVM的IP流分类器具有更小的计算复杂度与更高的检测率。
李文法段洣毅陈友程学旗
关键词：流分类
基于LSVM分类鉴定器的脱机签名鉴定研究被引量：2
2009年
针对脱机中文签名鉴定,主要对脱机签名鉴定的特征抽取和比较决策做进一步的研究。在特征提取与选择上,在参考国内外一些成熟方法的基础上做相应的改进和尝试,使用静态形状特征和伪动态特征相结合的方法,提出一种新的高灰度稳定区特征,在特征选择上采用一种把概率距离法中的Bhattacharyya距离和特征本身综合起来考虑的方法;在比较决策上,采用比标准SVM算法速度更快,更易于实现的LSVM算法作为分类鉴定的方法,取得了较好的效果。
朱浩悦耿国华周明全李佳
关键词：生物测定特征提取拉普拉斯算子LSVM
面向视频序列表情分类的LSVM算法被引量：5
2009年
为了提高基于视频序列的表情识别精度,在KNN-SVM算法的基础上提出局部SVM分类机制,并将其用于视频序列中的表情分类.对于一个待分类的几何特征样本,首先在训练集中寻找该样本的k个近邻样本,然后根据这k个近邻样本和待分类样本的相似度信息,重新构建局部最优的SVM分类决策超平面,用来对该几何特征样本进行分类.在Cohn-Kanade数据库中的对比实验表明,该分类器有效地提高了表情分类的精度.
徐文晖孙正兴
关键词：表情识别
基于LSVM算法的人脸识别方法研究被引量：2
2008年
对于人脸识别的关键技术进行了深入研究。提出了一种PCA(Principal Component Analysis)和LSVM(Lagrangian Support Vector Machine)相结合的人脸识别方法。首先使用PCA算法对人脸图像进行特征提取和降维处理,然后设计了一种比传统SVM更易于实现而且效率更高的LSVM算法分类器,最后针对ORL人脸图像库的识别结果表明,该方法的识别率比自联想神经网络高。
张翔周明全耿国华王晓凤
关键词：LSVM降维人脸识别
PSVM，LSVM和NLSVM三种SVM分类算法的比较被引量：2
2008年
支持向量机(SVM)是数据分类的强大工具,本文对三个分类算法进行了比较。这三个算法是最近SVM(PSVM),Lagrangian SVM(LSVM)和有限牛顿LSVM(NLSVM),比较了三个算法给出线性分类器的过程以及算法的速度和精度,提供了用SVM方法分类问题时的导向。
刘叶青谷明涛
关键词：数据分类支持向量机PSVMLSVM
加载更多 ∨

相关作者

李巍
作品数：25被引量：13H指数：2
供职机构：大连理工大学
研究主题：支持向量机 大规模训练集 LSVM 数据模型 FMRI
李文法
作品数：26被引量：37H指数：3
供职机构：北京联合大学
研究主题：决策树 流分类 入侵检测 异常检测 特征选择算法
周明全
作品数：793被引量：4,011H指数：24
供职机构：西北大学
研究主题：文物 三维模型 颅骨 特征提取 点云
周惠巍
作品数：37被引量：65H指数：5
供职机构：大连理工大学
研究主题：支持向量机 中文 载波通讯 信息范围 知识表示
黄德根
作品数：123被引量：790H指数：17
供职机构：大连理工大学
研究主题：机器翻译 支持向量机 中文信息处理 语料 名词短语