- 基于机器学习的广带随机载荷下疲劳寿命预测的新模型
通过建立三个机器学习模型,即支持向量机(SVM)、高斯过程回归(GPR)和人工神经网络(ANN),利用不同带宽参数的多个功率谱样本和与疲劳寿命相关的多种材料特性,提出了广域疲劳寿命预测的机器学习方法,经过大量的蒙特卡洛数值模拟验证,表明新开 - 一种利用效用核和数据驱动参数的新型 RNA 伪尿苷位点预测模型
通过提出一种基于支持向量机(SVM)核心的效用理论模型,并使用数据驱动参数作为特征,我们在 RNA 蛋白互作、伪尿苷位点预测和深度学习等领域取得了显著的性能提升(平均提高 10%-15%)。
- 支持矩阵机器:综述
支持向量机(SVM)是机器学习中分类和回归问题中最研究的范例之一。矩阵格式的真实世界数据往往在 SVM 中通过将矩阵转化为向量的方式输入,但转化过程中会破坏矩阵数据中的空间关联性,并导致高维度的输入数据引入了显著的计算复杂度。为了克服这些问 - 基于高斯先验和非线性异常分数的对抗异常检测
结合自动编码器和生成对抗网络的方法,提出了一种用于医学领域异常检测的新模型 beta-VAEGAN。通过训练核支持向量机,并考虑非线性关系,改进了异常检测性能,并提出了一种新的异常得分组成元素。相比现有最先进方法,在 MITBIH 心臟節律 - 夜间驾驶行为预测基于卷积神经网络支持向量机分类器的尾灯信号识别
通过识别人驾驶和自动驾驶车辆的尾灯,本文旨在提高夜间驾驶行为预测的能力。采用了一个定制探测器来准确检测道路上前方车辆的尾灯。利用卷积神经网络从这些区域提取出特征,然后利用主成分分析来降维。最后,使用支持向量机来预测车辆的行为。实验结果表明, - 基于生成人工智能的软件元数据分类
通过应用生成式人工智能(AI)提升二进制代码注释质量分类模型性能,使用 OpenAI API 生成了包含 1239 个新生成的代码 - 注释对的数据集,该数据集从各种 GitHub 代码库和开源项目中提取,并为其标记为 “有用” 或 “无用 - 具有性能保证的机组组合预测器:支持向量机分类器
通过学习和预测常规单元的开关决策,可以为系统操作员提供一个实用的解决方案,从而加快计算速度。在这篇文章中,我们训练了线性和核化支持向量机分类器,这些分类器可以在适当正则化的情况下提供一个样本外性能保证,并转换为具有分布鲁棒性的分类器。通过在 - 基于投影的模糊最小二乘双支持向量机在类不平衡问题中的应用
通过使用基于模糊逻辑的方法来处理类别不平衡和有噪声的数据集,对几种基准数据集和合成数据集进行了实验评估,结果显示所提出的 IF-RELSTSVM 和 F-RELSTSVM 模型在性能上优于基准算法,并进行了统计检验以验证所提出算法的显著性。
- 通过声门源特征分析和检测病理性声音
自动检测声音病理学能够客观评估和较早干预诊断。本研究对声门源特征进行系统分析,考察其在声音病理学检测中的有效性。实验结果显示,声门源特征与传统的 MFCC 和 PLP 特征相比,具有可比或更好的声音病理学检测性能,并且当与传统的 MFCC - SAMN: 一个融合了 SVM 和 NN 的样本关注记忆网络
支持向量机(SVM)和神经网络(NN)具有很强的互补性。为了解决将它们真正整合起来的问题,本研究提出了一种样本关注记忆网络(SAMN),通过将样本关注模块、类原型和记忆块纳入神经网络中,有效地结合了 SVM 和 NN。SAMN 在多分类任务 - RoBoSS:一种鲁棒、有界、稀疏和平滑的监督学习损失函数
该研究论文提出了一种新颖的 RoboSS 损失函数用于监督学习,并将其应用于支持向量机中,命名为 Lrbss-SVM。通过实证实验,论文证明了该模型在分类任务中具有优秀的泛化性能和高效的训练时间。
- 基于仲裁器 PUF 的快速和缓慢建模攻击的主动学习
建模攻击对基于硬件的物理不可克隆功能(PUF)的可行性构成了巨大威胁,本研究探讨了在基于仲裁器的 PUF 中,利用主动学习方法进行支持向量机学习来选择挑战,以实现高效学习和降低攻击者效果。
- MKL-$L_{0/1}$-SVM
该论文介绍了一种用于支持向量机(SVM)的多核学习框架(缩写为 MKL)以及使用 $(0, 1)$ 损失函数的方法。通过给出一些一阶次优性条件,进而设计了一种快速 ADMM 求解器来处理非凸和非光滑优化问题。对合成和真实数据集进行了广泛的数 - 数据分类的一种 SVM 方法替代方案
支持向量机(SVM)是一种流行的用于数据分类的核方法,本文提出一种基于最佳子空间的最小距离的新方法,以解决 SVM 存在的时间处理、高维情况下优化过程失败、多类别泛化、不平衡类别和动态分类的问题,并取得了类似的性能改进。
- 基于二进制马群优化算法的高维基因选择方法在生物数据分类中的应用
该研究提出了一种二进制版本的马群优化算法 (BHOA),并基于 BHOA 和最小冗余最大相关过滤器方法提出了一种新颖的混合特征选择框架。实验结果表明,X 形状 BHOA 方法在准确性和选取最少特征方面优于其他方法。
- 应激和与应激相关的心理障碍的检测、预测和监测的机器学习、深度学习和数据预处理技术:范围综述
该综述系统评估了机器学习在检测、预测和分析心理压力及相关心理障碍方面的应用。研究发现,支持向量机、神经网络和随机森林模型在所有算法中表现出色,生理参数如心率和皮肤反应是用于压力预测的常见参数,降维技术在训练机器学习算法之前是一个关键步骤。该 - 用中性原子进行监督分类的量子核估计:一种基于门的方法
本文提出了一种基于量子门模型的方法,通过从激光脉冲开始推导 1 比特和 2 比特门,并实现了在三比特上的特征映射参数化序列。然后利用这个序列从数据集中经验性地计算核矩阵,并用于训练支持向量机。同时还展示了该过程可扩展至 N 比特,并利用中性 - 一种用于结构化支持向量机的近线性时间算法
本文提出了第一个解决具有低秩因子或低树宽度和少量线性约束的二次规划的近似线性时间算法,并暗示了具有低树宽度或低秩的支持向量机的近似线性时间算法。
- 评估分类算法和支持向量机内核对干豆分类效果的影响
通过对 Dry Bean 数据集的分析,支持向量机(SVM)的径向基函数(RBF)算法在准确率、精度、召回率和 F1 得分等方面均表现最佳,这为复杂和非线性结构数据集中考虑不同 SVM 算法的重要性提供了宝贵的指导。
- 用一范数的最速下降法分析和改善对等约束优化的贪心 2 - 坐标更新
通过在 L1 范数下的等式约束最速下降方法,考虑了考虑最小化一个带有一种约束并且有界约束的平滑函数的问题,提出了一种比随机选择更快的产生收敛的贪婪选择的收敛率,同时给出了支持向量机双重问题的规则。