опорна векторна машина

A Kernel Grey Model with Genetic Algorithm Optimizer and its applications in forecasting the palm oil price in Malaysia

Accurate forecasting is difficult since palm oil prices are consistently highly nonlinear.  It is important to choose the right forecasting models since there are several available.  The grey model has proven to be a good forecasting model.  Nevertheless, the majority of extant grey models are fundamentally linear models, which limits their ability to capture nonlinear trends.  This paper introduces a nonlinear extended parametric grey model known as the kernel grey model (KGM).  However, the prediction of the KGM model is dependent on the kernel function and the KGM pa

Інформаційна технологія розпізнання статі за голосом

Розпізнавання статі людини за голосом є складною проблемою в опрацюванні мовлення. Це завдання передбачає виділення значущих ознак із мовних сигналів, класифікацію їх на чоловічі чи жіночі категорії. У статті реалізовано інформаційну технологію розпізнавання статі. Спочатку записали зразки голосу як чоловічого, так і жіночого і визначили кепстральні коефіцієнти Mel-частоти (MFCC) як характеристики. Потім, пройшовши навчання, класифікатор опорних векторів (SVM) вивчав ці функції та оцінював їх ефективність, використовуючи показники точності, запам’ятовування та показників F1.

Density based fuzzy support vector machine: application to diabetes dataset

In this work, we propose a deep prediction diabetes system based on a new version of the support vector machine optimization model.  First, we determine three types of patients (noisy, cord, and interior) basing on specific parameters. Second, we equilibrate the clinical data sets by suppressing noisy and cord patients.  Third, we determine the support vectors by solving an optimization program with a reasonable size.

Регресійний аналіз працездатності асинхронних електродвигунів на основі методу опорно-векторної класифікаційної машини

Актуальність теми статті полягає в тому, що запропонована методика здійснення регресійного аналізу працездатності асинхронних двигунів є невибагливою до точності вимірювання величин, за якими здійснюється регресійний аналіз, та до об’єму навчальної вибірки, тому вона може знайти застосування у сучасних вбудовуваних системах діагностування.