简介:利用粗糙集的约简算法及类边界集分别选出影响绩效的核心因素和样本的边界集,将其应用于C-均值聚类网络得到具有概率信息(权重)的样本,作为支持向量机(SVM)的输入建立员工绩效评估模型。实例表明,该方法拟合率高,且性能优于SVM算法。
简介:以氨基酸组成为特征对膜蛋白的分类,忽略了序列残基之间的相关性信息,而采用传统支持向量机算法作为分类算法,在解决多类问题时会出现分类盲区问题。针对这两种情况,计算蛋白质序列的氨基酸组成、二肽组成以及6种氨基酸相关系数,将三类特征结合,作为膜蛋白序列的特征向量;同时采用模糊支持向量机作为分类器,解决了传统支持向量机在多类数据识别中的盲区问题。测试结果表明,在相同特征输入下,模糊支持向量机分类性能优于传统支持向量机;在相同分类器的情况下,氨基酸组成、二肽组成和相关系数组合的特征选择方法的分类性能优于只使用其中一类或两类特征的方法;而采取组合特征和模糊支持向量机相结合的分类策略,在独立性数据集测试中的整体预测精度达到97%,优于现有的多种分类策略,是目前最有效的膜蛋白分类方法之一。
简介:ICO(InitialCoinOfferin曲传销是一种未经批准非法公开融资和非法发售代币票券的新型金融传销模式,严重干扰金融秩序、破坏社会稳定。如何有效地实施ICO监管并对ICO进行传销定性成为经济犯罪侦查研究的重要方向之一.针对此问题.提出了一种基于支持向量机的ICO传销类罪模型.利用该模型对难以定性的ICO进行分类.从而实现对未定性的ICO进行判定.采集了180种ICO相关数据.提取出15个ICO传销类罪模型的评价指标.建立了基于支持向量机的ICO传销类罪模型.对难以定性的ICO进行分类.随后利用150组ICO数据作为支持向量机的学习样本.再对30组ICO合法性进行分类研究.实验结果表明该模型的分类结果准确率高达90%.在ICO传销类罪推定上具有良好的应用。今后.可以利用深度学习的方法对ICO的定性问题进一步分析。