电路与系统学报
電路與繫統學報
전로여계통학보
JOURNAL OF CIRCUITS AND SYSTEMS
2004年
4期
97-102
,共6页
支持向量机%主成分分析%分类精度%污水处理过程
支持嚮量機%主成分分析%分類精度%汙水處理過程
지지향량궤%주성분분석%분류정도%오수처리과정
针对支持向量机(SVM)本身抗噪声能力低和训练数据类别不均匀会造成分类结果偏向数目较大一类的倾向性等问题,本文提出了去噪声的加权SVM分类方法.在该方法中,通过引入主成分分析方法来降维去除噪声,再通过引入加权系数的方式,补偿了上述倾向性造成的不利影响,提高了预测分类精度.对污水处理过程运行状态的分类实验表明该方法的有效性.
針對支持嚮量機(SVM)本身抗譟聲能力低和訓練數據類彆不均勻會造成分類結果偏嚮數目較大一類的傾嚮性等問題,本文提齣瞭去譟聲的加權SVM分類方法.在該方法中,通過引入主成分分析方法來降維去除譟聲,再通過引入加權繫數的方式,補償瞭上述傾嚮性造成的不利影響,提高瞭預測分類精度.對汙水處理過程運行狀態的分類實驗錶明該方法的有效性.
침대지지향량궤(SVM)본신항조성능력저화훈련수거유별불균균회조성분류결과편향수목교대일류적경향성등문제,본문제출료거조성적가권SVM분류방법.재해방법중,통과인입주성분분석방법래강유거제조성,재통과인입가권계수적방식,보상료상술경향성조성적불리영향,제고료예측분류정도.대오수처리과정운행상태적분류실험표명해방법적유효성.