导读:本文包含了决策支持向量机论文开题报告文献综述及选题提纲参考文献，主要关键词:载重量,曳引机电压,支持向量机决策树,能效评定指标
决策支持向量机论文文献综述
吉训生,陆玉炜,王呈[1]（2019）在《基于支持向量机决策树的电梯载重建模研究》一文中研究指出电梯能效评估需要考虑电梯载重影响,常用电梯载重仅提供超载提示,无连续载重测量的数据输出接口。图像处理方法可用于轿厢内人数统计,但仍无法获得准确的电梯载重量。为了能够估算载重量,利用支持向量机决策树(Support Vector Machine Decision Tree,SVMDT)分类的数据挖掘方法,对海量离线曳引机电压数据进行挖掘,建立电梯载重量与电梯母线电压之间的非线性模型,通过实验对模型进行验证,所得结果的准确性超过83. 3%。利用估算出的载重量计算电梯的能效评定指标,对比不同电梯的能效评定指标可以得到它们之间的能耗及能效情况。(本文来源于《现代制造工程》期刊2019年08期）
何刘海,吴桂娇,王平[2]（2019）在《基于支持向量机决策树的航空发动机轴心轨迹识别方法》一文中研究指出针对航空发动机转子轴心轨迹难以准确自动识别的问题,提出了基于二维形状不变矩和支持向量机(SVM)决策树的识别方法。对信号滤波降噪和倍频提纯,形成比较清晰的轴心轨迹;利用二维形状不变矩提取轴心轨迹的图形特征,得到不变矩特征向量,进而构造特征故障的训练和测试样本;采用SVM进行训练和学习,构造SVM决策树,识别故障类别,分类正确率达93.3%以上。应用实测弹支振动应力信号对该方法的准确性进行了验证,结果表明,该方法有效地解决了航空发动机转子轴心轨迹自动识别准确率低和小样本问题。(本文来源于《中国机械工程》期刊2019年08期）
韩启迪,张小桐,申维[3]（2019）在《基于决策树特征提取的支持向量机在岩性分类中的应用》一文中研究指出由于支持向量机属于黑箱模型,因此在进行模型学习时无法直接对特征进行选择,而决策树模型在递归创建的过程中自身具有一定的特征选择能力。针对岩性分类问题,本文将决策树和支持向量机结合,通过决策树的建立,在考虑特征重要性的前提下,利用树节点的高度对特征进行提取,并将具有更高分类能力的特征送入支持向量机进行岩性分类。结果表明:通过决策树的特征提取,减少了支持向量机模型的输入特征,从而有效控制了模型的复杂度,使得模型更加稳定并具有更高的分类精度,测试集精度能够提升10%以上。(本文来源于《吉林大学学报(地球科学版)》期刊2019年02期）
刘雅橦[4]（2019）在《基于支持向量机模型的基金投资决策研究》一文中研究指出对于大数据的复杂投资决策,如何进行风险识别、评估和度量成为投资者迫切需要解决的问题。基于此本文提出了基于信息熵的支持向量分类(IE-SVC),以提高资本投资决策领域的准确性。同时应用两种经典方法,分别是k-最近邻算法(K-NN)和半径基函数神经网络(RBFNN)来比较本文算法性能。最终实验结果表明,IE-SVC比其他方法更快,精度更高。(本文来源于《大众投资指南》期刊2019年06期）
韩磊磊,田建艳,张苏楠,李江丽[5]（2019）在《基于决策树支持向量机和模糊推理的生猪异常声音识别》一文中研究指出育肥期是猪生长发育最快的阶段,此阶段生猪疾病防控工作是否到位直接关系着养殖效益高低。猪舍内声音种类繁多,借鉴前人研究成果和咨询相关养殖专家,本文选择打斗声、咳嗽声、喷嚏声、饥饿声和呛水声作为生猪异常声音研究对象。针对上述5种声音建立声音采集识别系统,对每种声音信号提取改进梅尔频率倒谱系数(MFCC_P)、短时能量(E)和短时过零率(ZCR)组成的复合特征参数,然后利用决策树支持向量机(DT-SVM)对每帧数据进行识别,最后结合模糊推理技术对时间窗口内结果进行推理识别。试验结果表明:复合特征参数识别结果优于传统MFCC,平均识别率可以达到94.4%,满足对生猪异常声音的识别要求。(本文来源于《畜牧与兽医》期刊2019年03期）
王晓雷,闫双建,李栋豪,曹玲芝,郑晓婉[6]（2019）在《基于支持向量机分类决策的行人导航零速修正方法》一文中研究指出为了减小行人导航过程中的误差,提出基于支持向量机分类决策的零速反馈修正方法。根据行人足部运动特点,构建行人足部运动模型,利用支持向量机决策方法对足部运动样本数据进行训练和提取数据特征,建立超平面方程。通过超平面函数对行人足部运动数据进行分类和决策,辨别区分静止段和运动段。在零速静止段,对惯性导航解算的速度、角速度和方向进行修正,利用扩展卡尔曼滤波递推方法进行方向、速度和位置误差跟踪。进行了行人按既定路径的行走跟踪实验,结果表明,设计的行人导航系统能够使行人行走轨迹与设定路径完全吻合,多次测试数据最大误差小于2. 5%,平均误差为1. 94%。因此,基于支持向量机分类决策的行人导航零速修正方法能够准确地对行人轨迹进行跟踪和定位。(本文来源于《科学技术与工程》期刊2019年01期）
冯喆,王志刚[7]（2018）在《基于支持向量机的卷烟投放决策模型的建立》一文中研究指出随着"大数据"时代的来临,卷烟商业企业更加重视利用海量数据分析洞察消费者行为,以实现更为精准的营销模式。以T城市A区实地调查数据为样本数据,基于消费者购买动机理论,引入支持向量机分类方法,利用支持向量机在解决非线性及高维度识别问题中的优势,提出了一种基于支持向量机的卷烟投放决策模型。(本文来源于《中国经贸导刊(中)》期刊2018年32期）
朱臣,罗广旭,余震[8]（2018）在《基于模糊邻近支持向量机的伴随保障携行器材决策研究》一文中研究指出论文利用模糊邻近支持向量机的分类决策方法,对当前伴随保障携行器材种类的问题进行了全面分析。在科学选取决策影响因素的基础上,结合伴随保障工作实例得到了准确率较高的决策方案,有助于准确高效地确定携带器材的种类,增强决策的科学性与准确性,进一步提升伴随保障水平。(本文来源于《舰船电子工程》期刊2018年11期）
张聪,王芳,田建艳[9]（2018）在《基于目标特征与决策树支持向量机的生猪体态识别》一文中研究指出为实现生猪异常行为的自动化监测,提出了一种数字化表示生猪目标特征的体态识别研究。首先对猪场采集到的视频图像采用改进的Grabcut分割算法进行生猪目标提取;然后基于生猪轮廓图像建立生猪目标特征集,包括圆形度、矩形度和Hu不变矩等12个特征;并利用类内类间距离判据对样本数据建立的特征集进行特征优选;最后构建决策树支持向量机(DT-SVM)对生猪体态进行分层识别。实验结果表明,选择的最优特征集可以有效地表征生猪体态信息,DT-SVM对单只猪的站立、躺卧和扎堆猪的适度扎堆、过度扎堆都有较高的识别率,为进一步探索生猪异常行为分析奠定了基础。(本文来源于《科学技术与工程》期刊2018年20期）
侯敏杰[10]（2018）在《基于不平衡数据的支持向量机和决策树算法的研究》一文中研究指出传统的机器学习方法通常希望样本数量是近似于无限的,而现实生活中,样本数量却是有限的,在这种情况下优良的传统算法训练的结果却不易令人接受。以统计学习理论为支撑的支持向量机很好的解决了非线性,局部极值,小样本,高维数据等传统机器学习方法存在的难题。实际研究中,我们虽然很容易获得大量的样本,但由于数据本身的性质或者某种外在的原因,真正对我们有用的样本却是少之又少,像这种数据中的某一类包含了大部分的样本,其它类包含了极少量样本的数据集叫作不平衡数据集。在不平衡数据中,由于正类样本缺乏典型特征,以致描述正类概念的规则极其少且弱,在对数据做任何处理之前,现有的算法总是偏向负类数据,从而使正类数据分类的精度大大降低。而很多时候我们恰好需要研究少类数据,因为有时候少类数据的误判会带来致命的结果,因此针对具体的不均衡数据分类问题找到行之有效的方法是很关键的。这篇文章研究了不平衡数据分类的本质,处理方法,评估指标,并结合统计理论,引入了CBO-SVM,RU-SMOTE-SVM,SMOTEBoosting-SVM和C5.0决策树模型,并利用UCI中的台湾信用卡用户违约数据做实证分析,同时又选了一些上市公司ST情况数据和某电信公司客户违约数据做结果对比,以SVM,SMOTE-SVM为参照,观察对比各个方法的分类表现。结果显示RU-SMOTESVM的分类效果最好,这说明RU-SMOTE-SVM相较于本文中的其它几种方法可以作为不平衡数据分类的有效方法。(本文来源于《大连理工大学》期刊2018-05-30）
决策支持向量机论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对航空发动机转子轴心轨迹难以准确自动识别的问题,提出了基于二维形状不变矩和支持向量机(SVM)决策树的识别方法。对信号滤波降噪和倍频提纯,形成比较清晰的轴心轨迹;利用二维形状不变矩提取轴心轨迹的图形特征,得到不变矩特征向量,进而构造特征故障的训练和测试样本;采用SVM进行训练和学习,构造SVM决策树,识别故障类别,分类正确率达93.3%以上。应用实测弹支振动应力信号对该方法的准确性进行了验证,结果表明,该方法有效地解决了航空发动机转子轴心轨迹自动识别准确率低和小样本问题。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
决策支持向量机论文参考文献
[1].吉训生,陆玉炜,王呈.基于支持向量机决策树的电梯载重建模研究[J].现代制造工程.2019
[2].何刘海,吴桂娇,王平.基于支持向量机决策树的航空发动机轴心轨迹识别方法[J].中国机械工程.2019
[3].韩启迪,张小桐,申维.基于决策树特征提取的支持向量机在岩性分类中的应用[J].吉林大学学报(地球科学版).2019
[4].刘雅橦.基于支持向量机模型的基金投资决策研究[J].大众投资指南.2019
[5].韩磊磊,田建艳,张苏楠,李江丽.基于决策树支持向量机和模糊推理的生猪异常声音识别[J].畜牧与兽医.2019
[6].王晓雷,闫双建,李栋豪,曹玲芝,郑晓婉.基于支持向量机分类决策的行人导航零速修正方法[J].科学技术与工程.2019
[7].冯喆,王志刚.基于支持向量机的卷烟投放决策模型的建立[J].中国经贸导刊(中).2018
[8].朱臣,罗广旭,余震.基于模糊邻近支持向量机的伴随保障携行器材决策研究[J].舰船电子工程.2018
[9].张聪,王芳,田建艳.基于目标特征与决策树支持向量机的生猪体态识别[J].科学技术与工程.2018
[10].侯敏杰.基于不平衡数据的支持向量机和决策树算法的研究[D].大连理工大学.2018