核函数

摘要： 针对现有风速预测精度不高等问题,选择一种组合核函数的支持向量机回归模型(SVR),根据粒子的适应度动态自适应地调节算法中惯性权重取值的改进粒子群优化算法优化模型参数,建立基于改进PSO-SVR的短期风速预测模型,通过实例研究验证该方法的有效性与实用性。

摘要： 为利用合成孔径雷达(synthetic aperture radar,SAR)目标不同特征数据间的相关性与互补性,提出一种基于多特征的Tikhonov正则化核函数协同表示(multi-feature kernel collaborative representation-based classification with tikhonov regularization,MFKCRT)算法。采用美国运动和静止目标获取与识别(moving and stationary target acquisition and recognition,MSTAR)计划公开发布的SAR图像数据库进行实验,实现核函数变换空间上的多特征融合协同表示识别。实验结果表明:该算法相较于基本的协同表示,具有更优的可靠性与鲁棒性。

摘要： 在简要分析多面函数拟合原理的基础上,介绍了采用多面函数法拟合GPS高程的步骤及方法。使用C#语言编制了多面函数法拟合GPS高程的程序,该程序可对比分析选取不同核函数及光滑因子对拟合结果的影响。通过反复试验建议选取均匀分布中心点,采用正双曲线函数与不同光滑因子进行配对调整以达到最佳拟合效果。

摘要： 多核学习(MKL)方法在分类及回归任务中均取得了优于单核学习方法的性能,但传统的MKL方法均用于处理两类或多类分类问题。为了使MKL方法适用于处理单类分类(OCC)问题,提出了基于中心核对齐(CKA)的单类支持向量机(OCSVM)。首先利用CKA计算每个核矩阵的权重,然后将所得权重用作线性组合系数,进而将不同类型的核函数加以线性组合以构造组合核函数,最后将组合核函数引入到传统OCSVM中代替单个核函数。该方法既能避免核函数的选取问题,又能提高泛化性能和抗噪声能力。在20个UCI基准数据集上与其他五种相关方法进行了实验比较,结果表明该方法在13个数据集上的几何均值(g-mean)均高于其他对比方法,而传统的单核OCSVM仅在2个数据集上的效果较好,局部多核单类支持向量机(LMKOCSVM)和基于核目标对齐的多核单类支持向量机(KTAMKOCSVM)在5个数据集上的分类效果较好。因此,通过实验比较充分验证了所提方法的有效性。

摘要： 将粗糙集和支持向量机相结合,提出利用粗糙集和支持向量机的银行借贷风险预测模型,提高银行个人借贷风险预测精度,为银行判断是否同意借贷提供参考和依据。该模型首先将银行样本数据形成初始决策表,对其进行数据预处理;然后用属性相似度的属性约简算法对决策表进行属性约简,去除冗余属性,获得高效的决策规则;最后将约简后的最小属性作为4种不同核函数的支持向量机学习样本,构建预测模型且进行预测评价对比分析。实验结果表明,使用相同训练样本,高斯核函数的支持向量机预测模型的准确率最高且为93%,说明该预测模型具有较高的精度。通过实验分析,构建预测模型有效地预测了银行借贷风险,且为银行借贷管理提供辅助决策。

摘要： 交通流变化过程是一个实时、非线性、高维的随机过程,对其进行准确预测是智能交通领域的热点和难点问题。采用最小二乘支持向量机方法来建立短时交通流预测的模型,在经验风险和置信范围之间寻求最佳折衷,并且通过实例研究来验证其有效性。结果表明,该模型适应小样本情况下对非线性动态系统的学习,对短时交通流有较好的预测效果。

摘要： 防洪承载力,即水库目前剩余防洪库容条件下,不泄洪所能容纳的流域面降雨量。根据水量平衡原理分析概化出防洪承载力的预报因子为当前土壤含水量,当前入库流量以及水库剩余库容。利用2010—2020年青山水库55场历史洪水建立基于回归支持向量机的防洪承载力预测模型,利用贝叶斯优化进行超参数率定,通过分析预测值确定回归支持向量机核函数为线性,预测值与实测值相关系数为0.9527,平均绝对百分误差为24.2853%,预测偏小百分比为49.0909%,表明模型精度较高且计算结果较为稳定,可为水库防洪提供参考。

摘要： 针对当前基于特征加权的模糊支持向量机(FSVM)只考虑特征权重对隶属度函数的影响,而没有考虑在样本训练过程中将特征权重应用到核函数计算中的缺陷,提出了同时考虑特征加权对隶属度函数和核函数计算的影响的模糊支持向量机算法——双重特征加权模糊支持向量机(DFW-FSVM)。首先,利用信息增益(IG)计算出每个特征的权重;然后,在原始空间中基于特征权重计算出样本到类中心的加权欧氏距离,进而应用该加权欧氏距离构造隶属度函数,并在样本训练过程中将特征权重应用到核函数的计算中;最后,根据加权的隶属度函数和核函数构造出DFW-FSVM算法。该方法避免了在计算过程中被弱相关或不相关的特征所支配。在8个UCI数据集上进行对比实验,结果显示DFW-FSVM算法的准确率和F1值较5个对比算法(SVM、FSVM、特征加权SVM(FWSVM)、特征加权FSVM(FWFSVM)、基于中心核对齐的FSVM(CKA-FSVM))中的最好结果分别提升了2.33和5.07个百分点,具有较好的分类性能。

摘要： 工业4.0时代,焊接技术作为一种最基本的工件加工技术,被广泛应用于各种工业生产。焊接质量直接影响焊接产品的使用寿命,从而影响工业生产活动的效率。基于灰度共生矩阵(GLCM)对X-射线焊接缺陷图像进行特征提取,分析X-射线焊接缺陷的分类特点,构建SVM多类分类器,分析对比不同核函数对分类精度的影响。基于RBF核函数的SVM分类器能够对焊接缺陷进行良好的识别分类,总体分类精度达到了92.6%,为焊接缺陷的检测识别提供了一种简便的方法。

摘要： 为了精准预测港口货物吞吐量,文章研究了改进粒子群算法支持向量机模型。引入自适应惯性权重以及最优粒子扰动决策,来优化支持向量机中的惩罚参数C和核函数参数g。基于1978—2020年烟台港吐吞量进行实证分析,对比改进支持向量机模型和原本支持向量机模型的平均相对误差,预测效果优于SVM模型,因此为港口货物吞吐量提供技术支持。

摘要： 支持向量机(SVM)在模式分类和回归分析领域有广泛的应用,是目前我国新兴的人工智能方法,本质上是一种核方法.本文分别采用RBF、线性及Sigmoid核函数建立SVM模型,对某银行夏季的空调负荷进行逐时训练和预测,对三种核函数的预测结果进行了对比研究,仿真结果表明了RBF对该模型有更强的泛化能力和高的学习能力.

摘要： 支持向量机的核函数及其参数选择对大坝变形预警模型的预测精度有重要的影响.文中基于SVM常用的高斯核函数、多项式核函数及其线性混合核函数分别建立了大坝的预警模型,并利用改进的粒子群算法对支持向量机的惩罚因子和核参数进行寻优.通过实例分析表明,基于高斯核函数的大坝监控模型的拟合能力较好,基于多项式核函数监控模型的泛化能力较好,基于混合核函数监控模型的综合性能较好.

摘要： 大坝的安全稳定运行不仅影响国民经济的发展，还关乎着大坝下游人民群众的生命财产安全，通过对大坝原型监测资料的分析，能够较快和较准确地判断大坝的运行状态，因此，通过对实测资料进行分析预测对大坝的安全运行起着重要作用。目前常采用的监测模型，主要有神经网络模型、支持向量机和相关向量机模型。神经网络模型可处理复杂的非线性问题，但训练时间长、训练系统不稳定，还易于收敛到局部最小值。相关向量机的模型精度受核函数的影响较大,为比较不同核函数的模型精度,本文建立了基于局部核函数、全局核函数及其混合核函数的相关向量机模型,并利用自适应粒子群算法对核函数的参数进行寻优.针对传统的高斯核函数对远离测试点的区域不敏感的问题,对待统的高斯核函数进行修正.将修正高斯核函数、多项式核函数以及基于这两种单一核函数组合而成的混合核函数分别应用于实际工程中进行精度比较分析,结果表明混合核函数的性能最优.

摘要： 对工艺过程设计中工艺方法推送问题进行了研究,提出了一种基于多核马尔科夫链的方法.该方法利用了工艺过程中工艺方法的序列逻辑性质,建立工序方法马尔科夫链,依据前序工序方法推送后续工序方法;并通过核函数分别从零件名称、零件编号、材料、热表处理要求等方面将工程信息引入马尔科夫链.与现有方法相比,充分利用历史工艺大纲文件,不需要人工确定特征的表达符号集,也不需要标注数据,有效规避了“知识瓶颈”问题.在2360份飞机钣金工艺制造大纲数据(含251种工艺方法)上,所提方法的MRR值可达0.7963,验证了方法的有效性.

摘要： 本文阐述RSF模型是基于梯度信息的主动轮廓模型,其轮廓基于图像的梯度信息进行演化,并利用高斯函数作为核函数.因此分割某些医学图像时,有时会存在欠分割、轮廓收敛速度慢等缺陷.本文提出一种改进的RSF模型(Modified Region-Scalable Fitting,MRSF),首先利用K均值对医学图像进行预处理,然后用一个新的核函数代替高斯函数.实验表明:与传统的RSF模型比较,新模型的分割精度提高了近40％,效率提高了近30％。

摘要： RSF模型是基于梯度信息的主动轮廓模型,其轮廓基于图像的梯度信息进行演化,并利用高斯函数作为核函数.因此分割某些医学图像时,有时会存在欠分割、轮廓收敛速度慢等缺陷.本文提出一种改进的RSF模型(Modified Region-Scalable Fitting,MRSF),首先利用K均值对医学图像进行预处理,然后用一个新的核函数代替高斯函数.实验表明:与传统的RSF模型比较,新模型的分割精度提高了近40％,效率提高了近30％.

摘要： 超限学习机是一种快速学习方法,目前在各个研究领域获得了广泛的研究热潮.相比传统的学习方法,超限学习机采用单隐藏层前馈神经网络(Single-hidden Layer Feedforward Neural Network,SLFNs),随机初始化隐藏层权值,直接求解输出层权值,而不需要复杂的迭代过程.在很多的研究中,超限学习方法比其他学习方法的准确率更高,速度更快.核方法在极限学习中更加多样,通过不同的核函数将特征映射到希尔伯特空间,使数据在高维空间中线性可分.心电分类是一种复杂的模式识别问题,基于各种学习模型的心电分类方法被广泛的研究,大部分都取得了很高的精确度,但学习效率不高.本文将研究多种核函数在心电数据分类中的应用,以及不同的核方法的分类效率和精度的比较.

摘要： 由于支持向量机(SVM)存在结构稀疏化不足,缺乏概率信息等缺陷,将性能更具优势的相关向量机(RVM)理论引入到大坝变形预测的应用中.RVM模型的核函数选择高斯径向基函数,核参数用基于模拟退火的混合粒子群算法(SAPSO)进行寻优.在实际应用中,RVM模型的向量数量远小于SVM模型,在保持良好泛化能力的前提下计算结构得到简化,混合粒子群算法相较于一般粒子群算法其全局寻优能力也有所提高.将上述组合模型应用于大坝变形预测实例,结果表明该模型回归预测精度较高.

摘要： 通过建立状态空间方程的方法进行了跨音速气动弹性系统颤振问题的研究,提出了一种不同于ERA(特征辨识算法)的跨音速非线性气动力(力矩)的处理技术,完成了降阶气动力(力矩)在状态空间方程中的嵌入.该技术的核心在于应用泰勒展式定理将时滞气动力项进行近似变换,然后借助于CFD(计算流体动力学)技术提供的响应数据完成降阶气动力系统的核函数辨识,最终建立起完整的气动弹性耦合系统,快速高效地完成颤振速度的预测与分析.

摘要： 台湾MSV团队致力于边界元研究已逾三十余年,边界元素法不只作为有限元素法的补充,在很多工程问题的求解上是可擅胜场的.本文透过较科普性的论述来回顾台湾边界元近四十年发展,国际相关学术活动,两岸边界元交流与MSV团队研究心得,期待能激起海峡两岸年轻学生与研究者的兴趣,让此领域有生力军的加入,达到传承之效,使边界元继续发光发热.

摘要： 本发明提出了一种基于普通函数和内核函数混合调用控制流图的智能主动软件防护方法，所述方法包括函数调用序列正常模式构建和程序异常判定两阶段。在函数调用序列正常模式构建阶段中，首先基于用户给定的软件功能列表、功能与源代码中入口函数的映射关系，通过静态分析软件的源代码，得到以功能为单位、代码块粒度的控制流图；紧接着，基于代码块粒度的控制流图生成普通函数和内核函数混合调用控制流图，并将上述混合控制流图转化为自动机，作为软件函数级粒度的调用序列正常模式。

摘要： 一种利用形函数插值替代核函数近似的粒子建模方法，先基于样条曲线建立参数坐标系下分析节点矢量和形状插值基函数，根据计算精度和能力得到精确分析模型；再基于有理B样条基函数和边界处对应控制点网格的物理场信息的线性组合，提取并标记求解区域的边界层，对模型内非物理场计算区域划分结构化网格，基于边界力方法思想，通过形状函数和控制网格施加壁面碰撞边界条件或热力学条件；然后基于拉格朗日思想结合形函数插值，对物理场信息进行有序粒子化离散，基于插值形函数结合空间转化雅可比矩阵对高阶偏微分项进行离散，解算待求解物理场；本发明同时满足离散模型的边界精度要求和物理场连续性要求。

摘要： 本发明公开了一种基于内联函数分析的内核函数动态定位方法，通过分析已有内核版本的源代码为未导出内核函数建立内核函数依赖库及内联函数特征库，在内核模块加载过程中对于存在内联函数代码的未导出内核函数采用内联函数代码动态构建未导出内核函数的代码区域，对于不存在内联函数代码的未导出内核函数则根据内核函数依赖库迭代查找未导出内核函数的内核地址，从而在不修改内核代码、不依赖内核函数的情况下实现了运行时的未导出内核函数的内核地址的动态获取。

摘要： 本申请提供了一种内核函数的可信性验证方法、装置、电子设备及存储介质，涉及可信计算领域。该方法包括：接收内核发送的签名信息，签名信息包括内核通过预设哈希算法计算内存中加载的预设函数的第一哈希值，并通过预设私钥对第一哈希值签名得到的；根据预设公钥解析签名信息，确定签名信息中的第一哈希值以及预设函数的函数名称；在预存储文件中，检索与函数名称对应的第二哈希值；若第一哈希值和第二哈希值一致，则确定在内存中加载的预设函数可信。本申请实现了终端系统在校验资源完整性时可以不依赖于特定的硬件设备，并且能提高系统校验的效率。

摘要： 本发明涉及一种基于高斯核函数的长文本检索方法及系统，属于信息检索技术领域。本方法利用预训练语言模型的语义建模能力计算长文本各段落与用户检索内容的语义相似度，作为用户点击相关性的伪标签，有效缓解了缺乏段落级别标注数据的问题。通过不同的高斯核函数，将伪标签映射为不同维度的相关性得分。利用线性层聚合长文本各段落得分来输出用户检索内容对于长文本整体的相关性得分，能够让不同语义相似度等级的段落为用户点击相关与否做出贡献，增强了语义相似度与用户点击相关性的关联程度，提升了长文本检索模型的准确率。

摘要： 本申请公开了一种核函数预编译方法、装置、计算机设备和存储介质。该方法包括：获取参数列表，参数列表用于定义核函数的参数信息；根据预设节点列表将参数列表划分为多个子列表，预设节点列表包括多个从节点；分别将每个子列表下发至对应的从节点，以指示从节点根据子列表对对应的核函数进行预编译后生成可执行文件；获取从节点发送的可执行文件，从而使网络模型训练时能够直接运行可执行文件，而无需在启动阶段对核函数进行实时编译，从而有效减少网络模型训练的启动时间，进而提升网络模型训练的效率，且分布式编译可以大大减少核函数编译的时间消耗。

摘要： 本申请实施例公开了一种操作系统的内核函数调用方法及计算机设备，属于计算机技术领域。在该方法中，操作系统的API层中的每个API函数在内核层中均对应有一个内核函数，且具有对应关系的API函数和内核函数的参数相同，而目标API函数和目标内核函数正具有这种对应关系，所以，目标API函数和目标内核函数的参数相同。这样，在通过目标API函数调用目标内核函数时，不需要将目标API函数的参数传给目标内核函数，只需要在内核层将目标用户任务的运行权限从用户态修改为特权态之后，即可直接调用目标内核函数，操作比较简单，从而提高了内核函数的调用效率。

摘要： 本申请实施例涉及机器学习技术领域，并提供了一种核函数近似模型的训练方法、装置、电子模型及存储介质，该方法包括：构建核函数近似模型，核函数近似模型包括多个深度神经网络以及分别对应的特征值，各深度神经网络与对应的特征值分别表征目标核函数的一个特征；多个深度神经网络的初始参数及对应的特征值各不相同，且各深度神经网络包含约束层；根据目标核函数和训练数据集，分别确定各深度神经网络的损失函数；基于训练数据集，根据损失函数的计算结果更新各深度神经网络的参数和对应的特征值，得到目标核函数近似模型。本申请极大程度上加速了人工智能中核方法相关算法的速度，实现了更高效、可靠的核近似方法，可以作为多种任务的特征提取器。

摘要： 本申请实施例提供一种内核函数传输方法、装置及设备。该方法包括：中央处理器根据待发送至图像处理器的多个内核函数确定融合内核函数；中央处理器确定多个内核函数之间的依赖关系、每个内核函数的函数参数、融合内核函数对应的发射参数和融合内核函数对应的处理线程数；中央处理器向图像处理器同步多个内核函数之间的依赖关系、每个内核函数的函数参数、融合内核函数对应的发射参数和融合内核函数对应的处理线程数，以使图像处理器根据依赖关系、每个内核函数的函数参数、融合内核函数对应的发射参数和融合内核函数对应的处理线程数，对多个内核函数进行处理，提高了图像处理器的运行效率。

摘要： 本发明公开了一种基于编译的核函数自动多流调度方法，包括：读取源代码，识别核函数的输入与输出；根据输入与输出构建DAG；对DAG进行层次化，并根据拓扑排序为核函数赋予适当的流；为跨流同步的核函数插入事件同步代码；生成可执行文件。本发明是首个通过LLVM编译器框架将串行的GPU核函数通过CUDA框架的多流机制并行化，从而提高程序性能与GPU硬件利用率。该发明不引入额外的编程模型与运行时开销，减小了开发者的学习成本与开发成本。同时该发明使用的流调度算法将存在数据依赖关系的核函数的运行时机临近安排，尽可能提高GPU对数据的访存效率，从而提高程序性能。