A bark recognition algorithm for plant classification using a least square support vector machine

2016 ◽  
Author(s):  
Luis J. Blaanco ◽  
Carlos M. Travieso ◽  
Jose M. Quinteiro ◽  
Pablo V. Hernandez ◽  
Malay Kishore Dutta ◽  
...  
Keyword(s):  
Support Vector Machine ◽  
Recognition Algorithm ◽  
Least Square ◽  
Support Vector

Civil Aeroengine Fault Diagnosis Based on Fuzzy Least Square Support Vector Machine

2011 ◽  
Vol 130-134 ◽  
pp. 2047-2050 ◽  
Author(s):  
Hong Chun Qu ◽  
Xie Bin Ding
Keyword(s):  
Artificial Intelligence ◽  
Machine Learning ◽  
Support Vector Machine ◽  
Fault Diagnosis ◽  
Coefficient Matrix ◽  
Least Square ◽  
Support Vector ◽  
Influence Coefficient ◽  
Structural Risk ◽  
Better Than

SVM(Support Vector Machine) is a new artificial intelligence methodolgy, basing on structural risk mininization principle, which has better generalization than the traditional machine learning and SVM shows powerfulability in learning with limited samples. To solve the problem of lack of engine fault samples, FLS-SVM theory, an improved SVM, which is a method is applied. 10 common engine faults are trained and recognized in the paper.The simulated datas are generated from PW4000-94 engine influence coefficient matrix at cruise, and the results show that the diagnostic accuracy of FLS-SVM is better than LS-SVM.

scholarly journals PREDICTION OF PASSENGER FLOW ON THE HIGHWAY BASED ON THE LEAST SQUARE SUPPOERT VECTOR MACHINE / MAŽIAUSIŲ KVADRATŲ ATRAMINIŲ VEKTORIŲ METODO TAIKYMAS KELEIVIŲ SRAUTUI GREITKELYJE PROGNOZUOTI / ПРИМЕНЕНИЕ МЕТОДА ОПОРНЫХ ВЕКТОРОВ С КВАДРАТИЧНОЙ ФУНКЦИЕЙ ПОТЕРЬ ДЛЯ ПРОГНОЗИРОВАНИЯ ПАССАЖИРСКИХ ПОТОКОВ НА АВТОМАГИСТРАЛЯХ

Transport ◽  
2011 ◽  
Vol 26 (2) ◽  
pp. 197-203 ◽  
Author(s):  
Yanrong Hu ◽  
Chong Wu ◽  
Hongjiu Liu
Keyword(s):  
Support Vector Machine ◽  
Least Squares ◽  
Least Square ◽  
Small Samples ◽  
Support Vector ◽  
Risk Minimization ◽  
Structural Risk Minimization ◽  
Passenger Flow ◽  
Regressive Model ◽  
Structural Risk

A support vector machine is a machine learning method based on the statistical learning theory and structural risk minimization. The support vector machine is a much better method than ever, because it may solve some actual problems in small samples, high dimension, nonlinear and local minima etc. The article utilizes the theory and method of support vector machine (SVM) regression and establishes the regressive model based on the least square support vector machine (LS-SVM). Through predicting passenger flow on Hangzhou highway in 2000–2008, the paper shows that the regressive model of LS-SVM has much higher accuracy and reliability of prediction, and therefore may effectively predict passenger flow on the highway. Santrauka Atraminių vektorių metodas (Support Vector Machine – SVM) yra skaičiuojamasis metodas, paremtas statistikos teorija, struktūriniu požiūriu mažinant riziką. SVM metodas, palyginti su kitais metodais, yra patikimesnis metodas, nes juo remiantis galima išspręsti realias problemas, esant įvairioms sąlygoms. Tyrimams naudojama SVM metodo regresijos teorija ir sukuriamas regresinis modelis, kuris grindžiamas mažiausių kvadratų atraminių vektorių metodu (Least Squares Support Vector Machine – LS-SVM). Straipsnio autoriai prognozuoja keleivių srautą Hangdžou (Kinija) greitkelyje 2000–2008 m. Gauti rezultatai rodo, kad regresinis LS-SVM modelis yra labai tikslus ir patikimas, todėl gali būti efektyviai taikomas keleivių srautams prognozuoti greitkeliuose. Резюме Метод опорных векторов (Support Vector Machine – SVM) – это набор аналогичных алгоритмов вида «обучение с учителем», использующихся для задач классификации и регрессионного анализа. Метод SVM принадлежит к семейству линейных классификаторов. Основная идея метода SVM заключается в переводе исходных векторов в пространство более высокой размерности и поиске разделяющей гиперплоскости с максимальным зазором в этом пространстве. Алгоритм работает в предположении, что чем больше разница или расстояние между параллельными гиперплоскостями, тем меньше будет средняя ошибка классификатора. В сравнении с другими методами метод SVM более надежен и позволяет решать проблемы с различными условиями. Для исследования был использован метод SVM и регрессионный анализ, затем создана регрессионная модель, основанная на методе опорных векторов с квадратичной функцией потерь (Least Squares Support Vector Machine – LS-SVM). Авторы прогнозировали пассажирский поток на автомагистрали Ханчжоу (Китай) в 2000–2008 гг. Полученные результаты показывают, что регрессионная модель LS-SVM является надежной и может быть применена для прогнозирования пассажирских потоков на других магистралях.

Sign in / Sign up

Export Citation Format

Share Document