共查询到10条相似文献,搜索用时 18 毫秒
1.
《海军工程大学学报》2016,(5)
针对传统SVM分类方法训练速度较慢的特点,提出了一种新的迭代调谐方法。该方法通过对SVM分类方法的参数进行迭代化以提高它的训练速度。从NetFlow数据中提取流层面信息进行流量分类的实验结果表明:迭代优化SVM分类的训练速度比传统8种SVM分类方法更快,同时保持和其他8种分类方法近乎相同的分类精度。 相似文献
2.
3.
4.
基于AdaBoost-SVM的P2P流量识别方法 总被引:1,自引:0,他引:1
针对传统的P2P流量识别技术存在识别率低和误判率高的缺点,将机器学习中Ada Boost算法的良好分类能力和SVM的泛化能力结合起来,提出一种基于Ada Boost-SVM组合算法的P2P网络流量识别模型,将SVM作为Ada Boost的基分类器,运用最小近邻法计算支持向量与训练集的样本间的距离实现分类进行P2P流量识别。最后,以4种P2P流量数据为研究对象在MATLAB上进行仿真,仿真结果表明,提出的Ada Boost-SVM的组合算法在P2P网络流量的分类性能和分类准确率上都优于单纯的Ada Boost和SVM,组合算法的P2P流量平均识别率高达98.7%,远高于Ada Boost和SVM的识别率。 相似文献
5.
6.
针对战时非平稳、非线性环境下预测难题,利用季节性差分自回归移动平均模型(SARIMA)和支持向量机模型(SVM)分别对线性和非线性时间序列的较强拟合能力,采用SARIMA对军用物资需求量时间序列数据进行线性建模,并用SVM对SARIMA模型残差进行非线性建模,将SARIMA模型与SVM模型组合对战时需求进行预测,结果表明,SARIMA-SVM组合模型预测精度明显优于单一模型,发挥了两种模型各自的优势,与滑动平均模型(MA)相比更具优势.该组合模型是切实可行的,可为战时军用物资供应提供决策依据. 相似文献
7.
8.
9.
一种新的证据K-NN数据分类算法 总被引:1,自引:0,他引:1
K近邻分类算法已被广泛应用于模式识别中。为了有效处理识别问题中的不确定信息并提高数据分类精度,提出了一种新的证据K-NN(NEK-NN)分类算法。首先从总的训练集中随机重复采样来构造多个训练样本子集。在每个训练子集中,利用目标数据与其各个近邻的距离分别构造基本置信指派,并根据K个近邻数据在每个类别中的数目来对构造的置信指派进行加权。然后,利用DS规则对加权证据融合。根据每个训练子集下融合结果的算术平均值来判断目标的类别属性。通过模拟数据集和真实数据集的实验,将NEK-NN算法与其他几种常见的方法做了对比分析,结果表明NEK-NN算法能够有效地提高分类的精度。 相似文献
10.
为实现对飞机维修人员安全性的有效预测,构建了维修人员安全性评价指标.通过专家打分法获得了维修人员安全性评价指标的原始训练数据和测试数据,分别采用BP-GDM模型、BP-LM模型和GA-BP-LM模型对数据进行了训练和预测,仿真结果表明:BP-GDM模型预测精度最差,且训练耗时较长,而GA-BP-LM模型不仅可以获得较高的预测精度,且耗时最短,BP-LM模型居中.此外GA-BP-LM模型相对误差值波动幅度最小,平均相对误差仅为3.33%,达到了预测的精度要求,为飞机维修人员安全性预测提供了有效手段. 相似文献