江西省教育厅科学技术研究项目(GJJ10500)
- 作品数：4 被引量：20H指数：3
- 相关作者：颜七笙王士同张延飞更多>>
- 相关机构：东华理工大学江南大学更多>>
- 发文基金：江西省教育厅科学技术研究项目江西省高校人文社会科学研究项目江西省自然科学基金更多>>
- 相关领域：自动化与计算机技术社会学经济管理理学更多>>
- 公路旅游客流量预测的支持向量回归模型被引量：7
- 2011年
- 介绍了基于统计学习理论的支持向量机回归原理,为解决公路旅游客流量预测建模中的小样本问题,实现对公路旅游客流量的快速准确预测,提出了基于支持向量机回归模型的公路旅游客流量预测方法,给出了参数优化选取算法。仿真实验表明,该方法具有比神经网络等方法更好的预测精度。说明支持向量回归方法用于公路旅游客流量预测是可行有效的。
- 颜七笙王士同
- 关键词：支持向量机神经网络
- 基于PSO-SVR的岩质边坡稳定性评价模型被引量：11
- 2011年
- 针对边坡稳定性影响因素的复杂性,提出了基于粒子群算法(PSO)和支持向量回归(SVR)的边坡稳定性评价模型。该模型利用粒子群算法快速全局优化的特点和支持向量回归机对小样本数据的良好学习能力,建立了岩质边坡稳定性与其影响因素之间的非线性关系。仿真实验表明,该方法具有比BP神经网络和自适应模糊推理系统(ANFIS)方法更好的预测精度。
- 颜七笙王士同
- 关键词：岩质边坡支持向量回归粒子群算法
- 马尔科夫方法修正的SVM模型在科技人才资源预测中的应用被引量：3
- 2011年
- 文章根据统计资料数据,应用马尔科方法修正的SVM模型对中国科技人才资源进行预测和研究,对比传统预测模型中的离散灰色GM(1,1)模型,发现马尔科方法修正的SVM模型具有更高的拟合精度,为科技人才资源预测提供了一种新方法。
- 张延飞颜七笙
- 关键词：科技人才资源SVM马尔科夫
- 成矿有利度的支持向量回归预测
- 2011年
- 应用基于量子粒子群算法(QPSO)寻优的支持向量回归(SVR)方法,对成矿有利度进行建模和预测研究,并与BP神经网络模型的预测结果进行了比较。结果表明:基于量子粒子群算法优化的支持向量机成矿预测模型能较好地拟合成矿有利度与其影响因素之间的高度非线性关系,且比BP神经网络模型具有更高的精度,说明支持向量回归方法用于成矿有利度预测是可行有效的。
- 颜七笙
- 关键词：成矿预测支持向量机量子粒子群算法BP神经网络
