首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 109 毫秒
1.
针对最小二乘支持向量机的参数选取问题,引入了克隆选择算法,提出了一种基于改进克隆选择算法的最小二乘支持向量机。同时根据最小二乘支持向量机的学习能力和泛化能力,在克隆选择算法的目标函数中加入两者的动态调节机制,这样改进的克隆选择算法在寻优过程中能够准确、快速地搜索到最小二乘支持向量机的最优参数。将本文模型用于乙烯裂解炉裂解深度值的学习和预测,经仿真实验表明:该预测模型的训练速度快,预测精度高。  相似文献   

2.
针对最小二乘支持向量机(LS-SVM)在进行回归预测时存在的稀疏性缺陷问题,采用固定尺度最小二乘支持向量机,即固定支持向量数量进行改进。仿真结果表明:固定尺度最小二乘支持向量机在训练各种样本数据集时,有效地避开了LS-SVM中的稀疏性问题,且训练速度快,同时具有良好的预测精度。  相似文献   

3.
针对最小二乘支持向量机的多参数带来的参数寻优问题,将进化算法(遗传算法和PSO算法)应用其中,通过Sinc函数的测试,成功地实现了多参数的联合优化;将这一方法应用到德士古炉温软测量建模中,采用来自工业现场的实测数据进行仿真,将两种方法的仿真结果与常用的BP神经网络进行比较,可以看出两种算法都较好地解决了最小二乘支持向量机的参数优化问题.  相似文献   

4.
根据某企业德士古气化炉装置在线估计炉温的需要,将现场数据采样样本中的离群点分为高杠杆点和高残差点两类,将一种 新的加权方法应用到最小二乘支持向量机( LS-SVM),使其对两种离群点都具有抑制作用,提高模型鲁棒性。加权最小二乘支持向 量机(Weighted Least Square Support Vector Machine, WLS-SVM))参数的选择基于LS-SVM的最优参数,根据模型训练误差对参 数进行二次寻优,进一步提高模型精度。利用测试函数验证了改进方法,对提高模型精度有明显效果;并将改进方法应用到实际生 产装置的炉温软测量系统中,也取得了满意的应用效果。  相似文献   

5.
闵洁  李潇 《九江医学》2010,(1):17-20
为了提高网络流量预测准确性,将最小二乘支持向量机应用于网络流量预测。介绍了最小二乘支持向量机的原理与方法,并将该模型应用于实际网络流量预测计算。结果表明,该方法能有效地进行流量预测,相对于BP神经网络和ARMA模型方法,该方法具有更好的预测精度。  相似文献   

6.
将模型参考自适应控制方法应用到基于最小二乘支持向量机的通用模型控制策略中,将非线性过程模型应用逆系统的方法可以在控制算法中直接嵌入过程模型,从而克服了通用模型控制器要求过程一阶微分模型应该有显式解的局限性,保证了通用模型控制策略的可实现性。另一方面,加入模型参考自适应环节,提高了该控制器的实时性和鲁棒性,其参数具有明显的物理意义,参数整定方便。仿真实验结果验证了该控制策略的有效性和更好的鲁棒性。  相似文献   

7.
从最小二乘支持向量机的稀疏表达出发,构建高效的基于稀疏最小二乘支持向量机的网络入侵检测模型,提出了一种通过基于核空间近似策略的有效低秩逼近来有效减小原始训练样本集中的支持向量数来实现最终模型的稀疏表达.以MIT KDD99数据集为基础,对所提出方法进行有效性验证,并与利用剪枝策略通过递归过程中不断减少模型中支持向量个数的稀疏化方法、基本最小二乘支持向量机以及标准支持向量机方法的性能进行对比.结果表明:基于核空间近似的最小二乘支持向量机稀疏化与标准最小二乘支持向量机相当;此外稀疏最小二乘支持向量机能够提高入侵检测响应速度.  相似文献   

8.
针对最小二乘支持向量机最佳算法参数难以确定的缺陷,提出了基于文化差分进化算法的最小二乘支持向量机(Cultural Differential evolution Algorithm Least Square Support Vector Machine,CDE-LSSVM)。该算法通过新型的文化差分进化算法优化确定最小二乘支持向量机核宽度参数和惩罚系数,建立具有良好预测性能的模型。同时,针对药物定量构效关系(Quantitative Structure-Activity Relationships,QSAR)模型具有高度非线性、变量之间存在相关性的特征,采用CDE-LSSVM建立HIV-1蛋白酶抑制剂的药物定量构效关系模型。模型具有很好的拟合精度与预测精度,且优于最小二乘支持向量机、BP神经网络和径向基神经网络。  相似文献   

9.
提出一种改进算法,用来解决现有最小二乘支持向量机方法在处理大规模样本软测量建模问题时出现的模型结构复杂、失去支持向量稀疏性且正规化参数和核参数难以确定等问题。对样本集进行预处理,通过计算样本间欧氏距离进行样本相似程度分析,去除样本集中1/3的样本以简化支持向量机模型结构并提高计算速度。定义了一种混沌映射构成混沌系统并分析了其遍历性。应用改进的混沌优化算法优化最小二乘支持向量机模型参数以提高模型的拟合精度和泛化能力。将改进算法用于丙烯腈收率软测量建模中,仿真实验结果表明:模型精度较高,泛化性能好,满足现场测量要求。  相似文献   

10.
数据分类作为模式识别、故障诊断技术的基础,在实际应用中常常由于系统的非线性、噪声性以及样本的不平衡采集,使得常规的分类算法存在一定的局限性。将最小二乘加权支持向量机用于分类问题,利用K聚类算法分析样本间内在关系从而确定权值系数,可以很好地减小噪声影响,补偿不同类样本数目上的不平衡,减少训练时间,提高分类正确率。通过一个图像识别过程中多类别分类实例,证明了算法在分类问题中的有效性。该方法可以成为现有方法的有效补充分析工具。  相似文献   

11.
作者描述了在中医脉图信号采集过程中取法压力标定的设计,以及模拟信号处理与数据采集系统,并扼要地介绍了非参数回归近邻权函数估计的滤波方法,该法在类似的信号处理场合具有参考价值.  相似文献   

12.
由于经方由药材构成,药材又由成分组成,成分和靶点在靶点数据库中可以建立直接联系.因此先提取经方配方和经方成分;然后进行靶点提取,借助靶点数据库构建靶点筛选模型;最后将不同来源的靶点汇总,计算靶点置信度,绘制经方靶点预测.根据经方到靶点的不同路径建立从经方到靶点之间的联系,构建经方靶点预测模型,并以芍药甘草汤和大黄黄连泄...  相似文献   

13.
作者根据血液动力学原理,分析脉搏波形成的原因,认为中医不同脉象波形的形成与脉搏波的传播和反射特性有关,提出以表征脉搏波传播特性的波速和表征脉搏波反射特性的反射系数作为中医脉象的特征参数,利用支撑向量机对其进行分类识别。对正常人群常见脉象(平脉、弦脉和滑脉)的脉搏波波速和反射系数所作的分析,以及采用径向基核函数的支撑向量机对其所进行的分类,进一步证明血液动力学参数波速和反射系数作为具有生理病理意义的特征参数,能有效区分平、弦、滑脉。这为脉图的识别提供了一个新的思路。  相似文献   

14.
针对我国中医药现代化研究的现状和问题,结合微量热分析技术的特点和优势,认为基于生物热动力学的微量热分析有可能在中医药研究中发挥独到而突出的作用,建立基于生物热动力学表达的中药四性评价、品质鉴定、药效物质筛选、复方配伍关系分析等研究方法体系,可望为中医药现代化研究提供新的技术支撑。  相似文献   

15.
近年来,Delphi法开始广泛应用于中医药学的临床研究。本文对Delphi法在中医临床研究中的应用现状进行了分析,发现在评价方法的选择、观察指标的分级赋值及调查条目的筛选等环节均缺乏统一规范。笔者结合Delphi法目前的应用现状及对该法的认识和运用体会,就问卷的制作、专家的遴选、观察指标的选择及评价、调查条目的筛选等进行了分析与探讨,并对Delphi法在中医临床研究中的应用方法及步骤进行了总结与梳理。  相似文献   

16.
运用文献计量分析方法,对中国知网、维普资讯、超星电子书、万方中华医学会期刊、中国专利数据库等收录的中医脉诊研究文献的时间分布、主题内容进行了统计分析,并对该领域今后的关注方向提出了建议。  相似文献   

17.
数据挖掘技术在分析中医药临床文献中的应用   总被引:2,自引:2,他引:0       下载免费PDF全文
介绍了中医药临床文献常用的数据挖掘技术及其在中医药临床文献分析中的应用,指出采用中医专家和数据挖掘专家密切协作挖掘中医药数据,不仅可以从理论和临床上解决中医药的难点,还可能是未来挖掘和利用中医药知识的重要方法。  相似文献   

18.
中医临床研究结果是中医疗效的反映,是中医走向现代化、国际化必不可少的环节,其可信度直接决定了中医进步的步伐。从研究者的素质、大型多中心临床研究的匮乏及研究中的不良风气3方面讨论了中医临床研究中存在的问题及解决的办法。  相似文献   

19.
象思维是人类的基本思维之一,也是中医学的重要思维方式。中医学相关理论的形成很大程度上来源于象思维。象思维渗透于中医学理论建构与临床应用的各个方面,无论是基础理论,还是诊法、方药、养生等都有象思维理论融汇于其中,中医学是运用象思维这一哲学思维进行理性认识的集大成者。中医学理论体系的建立可以说是中医临床实践过程中所积累的丰富经验与哲学思维相融合的产物。  相似文献   

20.
本文论述了案例教学方法对中医内科学课堂教学的重要意义,总结了中医内科学教学应用案例教学方法的经验;同时,针对中医内科学案例教学方法中存在的案例库资源不足、案例质量参差不齐,案例库的更新较慢,案例教学效果评价缺乏客观性三个典型问题,提出了相应的建议,其目的在于提高中医内科学教学的质量.  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号