公共文化服务平台

孙德山: 作品数：78 被引量：420H指数：10; 供职机构：辽宁师范大学数学学院更多>>; 发文基金：辽宁省教育厅高等学校科学研究项目辽宁省自然科学基金广东省自然科学基金更多>>; 相关领域：自动化与计算机技术理学经济管理交通运输工程更多>>

合作作者

中国各地区普通中学基本情况的聚类分析: 2010年; 聚类分析法是多元统计中常用的分析方法,根据样品的不同特征,可以采用不同的聚类方法。近年来,中国大学生毕业后的就业问题备受关注,毕业后要去哪里的问题最为困扰。本文通过对中国各地区2008年普通中学基本情况进行聚类分析,为想要从事中学教育的毕业生指明了方向。采用的聚类算法为层次聚类算法和动态聚类算法,并且比较两类算法分类的差异。; 林丹凤孙德山由向平; 关键词：层次聚类动态聚类

单参数支持向量回归算法被引量：17: 2005年; 支持向量机是一种基于统计学习理论的新颖的机器学习方法,由于其出色的学习性能,该技术已成为当前国际机器学习界的研究热点.这种方法已广泛用于解决分类和回归问题.在回归中,标准的支持向量回归算法在采用ε-不敏感损失函数时引入两个参数.为了减小学习复杂性,给出一种单参数约束下的支持向量回归算法,该算法能够减少支持向量的数量,提高程序的运行速度.最后,以一个混沌时间序列预测为例,所给方法同标准支持向量回归算法进行了比较,运行速度明显提高.; 孙德山吴今培侯振挺肖健华; 关键词：支持向量机损失函数混沌时间序列

基于LSTM神经网络的大连市空气质量指数预测: 2021年; 由于大气环境的复杂性和多变性,用传统方法预测空气质量指数精度较低,本文首先对空气质量指数和主要污染物进行相关性分析,再采用基于TensorFlow的长短期记忆神经网络(LSTM)模型,对大连市的空气质量指数进行预测,并进行误差分析。实验结果表明,与支持向量机模型和BP神经网络模型相比,LSTM神经网络模型预测空气质量指数的精度较高。; 陈虹宇孙德山; 关键词：空气质量指数

基于SVR的异常数据检测被引量：7: 2003年; 支持向量机是一种基于统计学习理论的新颖的机器学习方法,该方法已广泛用于解决分类和回归问题。该文利用支持向量回归算法中结构风险函数的性质以及KT条件,提出一种回归中的异常值检测方法。仿真实验结果表明了所给方法的可行性和有效性。; 孙德山吴今培肖健华; 关键词：支持向量机异常值核函数

基于主成分分析和长短期记忆网络的股票价格预测: 2020年; 运用神经网络技术,建立基于主成分分析的长短期记忆神经网络(PCA-LSTM)模型并对股票开盘价格进行预测。实验采用五粮液(000858)股票,首先,利用主成分法对该股票的多个指标进行特征提取,然后利用提取的主成分建立LSTM神经网络模型,并与PCA-Elman、LSTM模型对比,结果发现PCA-LSTM模型的预测结果更好一些。; 刘甲孙德山; 关键词：主成分分析 ELMAN网络

SVR在混沌时间序列预测中的应用被引量：31: 2004年; 支持向量机是一种基于统计学习理论的新颖的机器学习方法,该方法已广泛用于解决分类和回归问题。将支持向量回归算法应用于混沌时间序列预测中,并同BP网络及RBF网络的预测结果进行了比较分析。仿真实验表明,支持向量回归方法具有很好的泛化能力和一定的噪声容忍能力。; 孙德山吴今培肖健华; 关键词：支持向量机支持向量回归混沌时间序列核函数

支持向量回归中的预测信任度被引量：10: 2003年; Support vector machine(SVM)has been widely applied to classification and regression problems, but it suf-fers from some important limitations, one of the most significant being that it makes point predictions rather thangenerating probability output. A notion of predicting credibility is proposed in support vector regression machinebased on the problem, which can make predicting value have a definite measure, and then relationship between pre-dicting credibility and noise is discussed. Finally, an example of predicting chaotic time series shows the rationality ofthe definition.; 孙德山吴今培; 关键词：支持向量机神经网络学习算法 SVM

加权支持向量回归的权值确定方法被引量：4: 2009年; 针对标准支持向量回归中由于噪声和野点造成的回归误差,提出了一种基于线性规划的权值确定方法。该方法的基本思想是首先根据样本偏离数据域距离的不同,采用线性规划下的一类分类算法得到一个权值确定函数,然后将得到的权值确定函数应用于加权支持向量回归,加权的目的是为了减弱噪声和野点对回归结果的影响。实验表明,该权值确定方法与标准支持向量回归相比,可以有效减小回归误差,提高支持向量机抗噪声的能力。; 吴金花孙德山; 关键词：支持向量回归线性规划权值

基于ARIMA-Holt指数平滑模型的短期居民消费指数预测: 2020年; 以上海市2008~2017年10年间居民消费指数(CPI)的月度历史数据为样本,采取时间序列检验方法对其进行了相关分析,建立了ARIMA模型。同时利用多种不同预测方法对2018年第一季度上海市居民消费指数水平进行预测,结果表明:上海市居民消费指数具有明显的趋势性,且Holt指数平滑预测方法具有更优的预测能力,效果较为理想,为短期预测提供一定的借鉴。; 赵晗孙德山; 关键词：CPI ARIMA模型

基于模糊隶属度的支持向量机去噪方法被引量：2: 2008年; 针对传统支持向量机对于噪声和野点敏感的问题,采用一种模糊技术去除样本中的噪声和野点。应用基于样本之间的紧密度确定每个样本的模糊隶属度,通过训练确定阀值,去除影响得到最优分类超平面的噪声和野点。实验结果表明,与传统的支持向量机相比,该方法提高了支持向量机的抗噪能力,在不影响精度的前提下,线性规划下的一类分类方法要比二次规划节省很多时间。; 程佳孙德山; 关键词：支持向量机线性规划