首页 >>  正文

svm分类算法

来源:baiyundou.net   日期:2024-09-29

金融界2024年1月26日消息,据国家知识产权局公告,一汽奔腾轿车有限公司申请一项名为“基于随机森林和SVM的汽车热失控预警方法、设备及介质“,公开号CN117454259A,申请日期为2023年10月。

专利摘要显示,本发明公开了一种基于随机森林和SVM的汽车热失控预警方法、设备及介质,包括以下步骤:采集数据标签样本;建立随机森林模型,对热失控相关特征重要性进行提取;通过SVM算法对随机森林模型的输出结果进行二次分类,获得热失控预测模型;通过获得的热失控预测模型进行新能源汽车热失控预测。本发明的预警模型以数据驱动,通过随机森林挖掘出核心特征,以此为输入,通过SVM进行模型训练,达到预警分类效果;基于不同模型特性进行阶段性输出,最终通过组合方式,提高分析效果。

本文源自金融界

","gnid":"98567fb9ab8631277","img_data":[{"flag":2,"img":[]}],"original":0,"pat":"art_src_3,fts0,sts0","powerby":"pika","pub_time":1706262600000,"pure":"","rawurl":"http://zm.news.so.com/760f859523a99a22cdd1dc4d39cb4fe8","redirect":0,"rptid":"9e6c2cde13ca24d3","rss_ext":[],"s":"t","src":"金融界","tag":[{"clk":"kcar_1:一汽奔腾","k":"一汽奔腾","u":""},{"clk":"kcar_1:金融界","k":"金融界","u":""}],"title":"一汽奔腾申请汽车热失控预警专利,通过随机森林和SVM的组合方式提高分析效果

叶秒隶2092关于SVM研究的热点和难点是什么 -
殳士张15730875800 ______ 支持向量机的发展 自从90年代初经典SVM的提出,由于其完整的理论框架和在实际应用中取得的很多好的效果,在机器学习领域受到了广泛的重视.其理论和应用在横向和纵向上都有了发展. 理论上:1.模糊支持向量机,引入样本对类别的隶...

叶秒隶2092如何改进SVM算法,最好是自己的改进方法,别引用那些前人改进的算法 -
殳士张15730875800 ______ 楼主对于这种问题的答案完全可以上SCI了,知道答案的人都在写论文中,所以我可以给几个改进方向给你提示一下: 1 SVM是分类器对于它的准确性还有过拟合性都有很成熟的改进,所以采用数学方法来改进感觉很难了,但是它的应用很广泛 SVMRank貌似就是netflix电影推荐系统的核心算法,你可以了解下 2 与其他算法的联合,boosting是一种集成算法,你可以考虑SVM作为一种弱学习器在其框架中提升学习的准确率 SVM的本身算法真有好的改进完全可以在最高等级杂志上发论文,我上面说的两个方面虽然很简单但如果你有实验数据证明,在国内发表核心期刊完全没问题,本人也在论文纠结中..

叶秒隶2092one - versus - rest和one - versus - one的不同 -
殳士张15730875800 ______ one-versus-rest和one-versus-one的不同 SVM算法最初是为二值分类问题设计的,当处理多类问题时,就需要构造合适的多类分类器. 目前,构造SVM多类分类器的方法主要有两类:一类是直接法,直接在目标函数上进行修改,将多个分类...

叶秒隶2092用于数据挖掘的分类算法有哪些,各有何优劣 -
殳士张15730875800 ______ 1. 朴素贝叶斯(Naive Bayes, NB) 超级简单,就像做一些数数的工作.如果条件独立假设成立的话,NB将比鉴别模型(如Logistic回归)收敛的更快,所以你只需要少量的训练数据.即使条件独立假设不成立,NB在实际中仍然表现出惊人的好...

叶秒隶2092数据挖掘算法的算法分类 -
殳士张15730875800 ______ C4.5就是一个决策树算法,它是决策树(决策树也就是做决策的节点间像一棵树一样的组织方式,其实是一个倒树)核心算法ID3的改进算法,所以基本上了解了一半决策树构造方法就能构造它.决策树构造方法其实就是每次选择一个好的特征...

叶秒隶2092一副图像怎么用svm分类
殳士张15730875800 ______ 各种分类方法操作起来都差不多,svm和神经网络比较高级一些.不过推荐你用envi EX 下的面向对象分类法试试,它提供多尺度方法,专门用来特征提取分类,可选的

(编辑:自媒体)
关于我们 | 客户服务 | 服务条款 | 联系我们 | 免责声明 | 网站地图 @ 白云都 2024