共查询到14条相似文献，搜索用时 234 毫秒
1.
基于聚类-二叉树支持向量机的砂土液化预测模型 总被引：3，自引：1，他引：2
建立在统计学习理论基础之上的支持向量机（SVM）,是一种基于结构风险最小的小样本机器学习方法。经典的支持向量机主要针对二分类问题,而工程实践中遇到的往往是多分类问题。根据影响砂土液化的主要因素,采用聚类分析中的类距离思想,建立了基于聚类-二叉树的多类支持向量机的砂土液化判别模型。该模型可以通过有限样本的学习,建立砂土液化与各影响因素之间的非线性关系。研究结果表明,基于聚类-二叉树支持向量机的层次结构合理,分类精度高,泛化性好,可对砂土液化等级进行较准确判别 相似文献
2.
加权支持向量回归机及其在水质预测中的应用 总被引：1，自引：0，他引：1
支持向量机是一种基于结构风险最小化原理的学习技术，也是一种新的具有很好泛化性能的回归方法。本文对用于回归估计的标准支持向量机加以改进，提出了一种新的用于回归估计的支持向量机学习算法，针对各样本重要性的差异，给各个样本的惩罚系数和误差要求赋予不同权重，并利用加权支持向量回归机的理论及其算法构建水质预测模型。实验结果表明，该方法对水质具有较好的预测效果。 相似文献
3.
支持向量机在砂土液化预测中的应用研究 总被引：4，自引：0，他引：4
介绍了人工智能领域最新的基于结构风险最小化原理的数据挖掘算法——支持向量机算法。根据支持向量机线性分类和可以具有不同核函数的非线性分类两种算法，建立了砂土液化预测模型，并且运用Matlab语言编写了程序。通过试算和分析比较得到了最佳模型，最佳模型的预测结果与实际液化情况基本上一致。认为支持向量机算法无论在学习或者预测精度方面都有很大的优越性，而基于支持向量机理论建立的砂土液化预测模型是可行的，且可以较为准确地实现砂土液化的预测。 相似文献
4.
5.
针对地震作用下孕险环境样本数据有限、复杂非线性等特点,提出了一种基于最小二乘支持向量机的地下结构孕险环境危险性预警方法。围绕地震后效应的地下工程区域孕险环境危险性预警目标和特征参数,设计孕险环境危险性问题的向量机表示形式,提出孕险环境危险性支持向量机训练工作机制,利用支持向量机结构风险最小化原则和非线性映射特性,建立基于最小二乘支持向量机的地下结构孕险环境危险性预警模型及其算法组件,并利用遗传算法优化其惩罚函数和核函数参数,隐式表达孕险环境危险性与其影响因素之间的非线性关系。结果表明,模型具有有效的小样本学习能力,具有较高的拟合和预测精度,明显优于神经网络等预测模型。 相似文献
6.
7.
洪水灾情SVM评估模型 总被引：1，自引：0，他引：1
为解决单项洪水灾情等级评价指标结果的不相容问题,提高综合评价的精度,本文利用支持向量机分类算法,将洪水灾情非线性、高维评价样本指标通过映射转换为高维空间的线性问题,选取径向基函数作为模型的核函数,建立洪水灾情的支持向量机分类模型,实例证明该方法简便、适用性强,为洪水灾情评价提供了新的途径. 相似文献
8.
9.
支持向量机在遥感数据分类中的应用新进展 总被引：6，自引：0，他引：6
支持向量机是一种基于统计学习理论的新型机器学习算法,它通过解算最优化问题,在高维特征空间中寻找最优分类超平面,从而解决复杂数据的分类及回归问题.随着应用面的不断扩大,支持向量机在遥感领域也得到了广泛关注.该算法已经成功的应用于遥感数据的土地覆盖、土地利用分类,多时相遥感数据的变化检测,多源遥感数据信息融合等,并且在高光谱遥感数据处理中得到了广泛应用.综述了支持向量机算法在遥感数据分类中的应用.首先对支持向量机的理论进行简要介绍,进而综述了该算法在不同遥感问题中的应用进展,最后阐述了新型支持向量机算法的发展以及在遥感中的应用. 相似文献
10.
泥石流危险性评价:模糊c均值聚类-支持向量机法 总被引：2，自引：0，他引：2
泥石流是一种能够造成灾难性后果的严重自然灾害,准确可靠的泥石流危险性评价对于其预警及防治工作来说至关重要。泥石流的危险性评价方法有很多,模糊c均值聚类（FCM）方法是其中一种应用广泛的分类方法;相比其他方法而言,其无需主观确定边界,并且能以各级隶属度矩阵为输出结果,方便应用。支持向量机（SVM）是基于结构风险最小化为目标的机器学习理论,以支持向量为算法支撑,具有一定的鲁棒性,并且适合在小样本条件下进行分类。本文选用FCM和SVM联合的方法,开展泥石流危险性的评价;对北京房山区南窖沟泥石流危险性进行分析,并对比其他评价方法所得结果,证明本文提出的评价方法具有较好的效果。 相似文献
11.
Slope stability analysis: a support vector machine approach 总被引：5，自引：0，他引：5
Pijush Samui 《Environmental Geology》2008,56(2):255-267
Artificial Neural Network (ANN) such as backpropagation learning algorithm has been successfully used in slope stability problem.
However, generalization ability of conventional ANN has some limitations. For this reason, Support Vector Machine (SVM) which
is firmly based on the theory of statistical learning has been used in slope stability problem. An interesting property of
this approach is that it is an approximate implementation of a structural risk minimization (SRM) induction principle that
aims at minimizing a bound on the generalization error of a model, rather than minimizing only the mean square error over
the data set. In this study, SVM predicts the factor of safety that has been modeled as a regression problem and stability
status that has been modeled as a classification problem. For factor of safety prediction, SVM model gives better result than
previously published result of ANN model. In case of stability status, SVM gives an accuracy of 85.71%. 相似文献
12.
地下水水质评价是地下水研究的一个重要课题,研究更精确、更适用的地下水水质评价模型具有重要意义。近年来应用较多的评价模型存在适用性小、精确度低的问题,其中主要原因在于现有的水质评价标准中,不同因子的等级分类标准不一,同一因子不同等级取值区间不一致等问题,而现有模型无法克服不同因子自身评价等级不匹配以及无法有效处理多重因子之间的相互影响。针对水质评价存在的问题,本文将研究一个能有效克服上述问题,且精确度较高、适用性更广的水质评价模型。基于北京市地下水监测网中污染源监测网的数据,选取大兴区作为研究区域,以大兴区2018年至2020年持续进行监测的39个点位作为研究点,根据监测点历年监测水样,选取化验数据中影响水质环境较为明显的pH值、Cl-、NO-3、SO42-、Na+、NH+4、Mn-、耗氧量(CODMn)、总硬度、溶解性总固体这10项指标作为水质评价因子,利用随机森林回归... 相似文献
13.
支持向量机是基于结构风险最小化原理的机器学习技术,在广泛收集金属矿山采空区失稳塌陷时间资料的基础上,建立了基于支持向量机的采空区稳定时间的预计模型。通过对采空区稳定时间测试样本的预测研究表明,用支持向量机来预计采空区的稳定时间是可行的。 相似文献
