支持向量機
- 融合ResNet與支持向量機的葡萄園冠層圖像葉片覆蓋度分類
sNet與支持向量機的葡萄園冠層圖像葉片覆蓋度分類［J］.江蘇農(nóng)業(yè)學(xué)報，2023，39（8）：1713-1721.doi：10.3969/j.issn.1000-4440.2023.08.011收稿日期：2022-10-12基金項目：國家重點研發(fā)計劃項目（2021YFF0704200）;中國農(nóng)業(yè)科學(xué)院院級基本科研業(yè)務(wù)費項目（Y2022LM20）;中國農(nóng)業(yè)科學(xué)院科技創(chuàng)新工程項目（CAAS-ASTIP-2016-AII）作者簡介：代國威（1997-），男，四川
江蘇農(nóng)業(yè)學(xué)報 2023年8期2024-01-30
- 基于機器學(xué)習(xí)分類算法的玻璃文物鑒定
，構(gòu)建基于支持向量機（SVM）、人工神經(jīng)網(wǎng)絡(luò)（ANN）和Logistic回歸（LR）的玻璃文物鑒定算法，對63種玻璃文物進(jìn)行分類鑒定。結(jié)果顯示：算法的預(yù)測精度均高于95%，可以將其應(yīng)用到玻璃文物的實際鑒定中。關(guān)鍵詞：玻璃文物鑒定；支持向量機；人工神經(jīng)網(wǎng)絡(luò)；Logistic回歸中圖分類號：TP18；G124? ? ? 文獻(xiàn)標(biāo)識碼：A? 文章編號：2096-4706（2023）13-0101-04Identification of Glass Cultural
現(xiàn)代信息科技 2023年13期2023-09-14
- 基于卷積神經(jīng)網(wǎng)絡(luò)的腦卒中中醫(yī)辨證分型舌象分類研究
舌象分類；支持向量機；特征選擇〔中圖分類號〕R288? ? ? ?〔文獻(xiàn)標(biāo)志碼〕A? ? ? ? 〔文章編號〕doi：10.3969/j.issn.1674－070X.２０23.08.019Convolutional neural networks-based TCM pattern differentiation and classification of tongue manifestations in stroke patientsWANG Zhao
湖南中醫(yī)藥大學(xué)學(xué)報 2023年8期2023-09-07
- 隨機森林算法對流域面積監(jiān)測的適用性研究
線性回歸；支持向量機中圖分類號：TP181 文獻(xiàn)標(biāo)識碼：A? 文章編號：2096-4706（2023）12-0074-04Research on the Applicability of Random Forest Algorithm to Watershed Area MonitoringLIU Xiaoyu1，2（1.Three Gorges Smart Water Technology Co.， Ltd.， Shanghai? 200335， Chi
現(xiàn)代信息科技 2023年12期2023-08-21
- 基于改進(jìn)海鷗算法優(yōu)化支持向量機的斜拉橋索力優(yōu)化研究
化算法聯(lián)合支持向量機的索力優(yōu)化模型。融合折射反向?qū)W習(xí)、多方向螺旋攻擊和非線性收斂等策略對標(biāo)準(zhǔn)海鷗優(yōu)化算法進(jìn)行改進(jìn)，基于改進(jìn)的海鷗優(yōu)化算法（Improve Seagull optimization algorithm ，ISOA）對支持向量機（Support vector machine ，SVM）的懲罰因子和核函數(shù)參數(shù)進(jìn)行優(yōu)化，構(gòu)建大跨度斜拉橋的索力組合-結(jié)構(gòu)響應(yīng)的預(yù)測模型，設(shè)計ISOA-SVM的索力優(yōu)化流程并對考慮主梁線形控制下的斜拉索索力進(jìn)行優(yōu)化。結(jié)果
森林工程 2023年4期2023-08-08
- 基于優(yōu)化CS-SVM算法的DGA域名檢測研究
（CS）對支持向量機（SVM）進(jìn)行優(yōu)化，即BCS-SVM方法，該方法能夠適應(yīng)DGA域名檢測場景。實驗采用開放域名數(shù)據(jù)作為樣本集，對文章提出的DGA域名檢測方法進(jìn)行訓(xùn)練，并通過域名向量轉(zhuǎn)換、檢測模型訓(xùn)練、參數(shù)調(diào)優(yōu)，最終完成了一種較為高效的DGA域名檢測模型。關(guān)鍵詞：特征選擇；DGA域名；布谷鳥搜索算法；支持向量機中圖分類號：TP393.0? 文獻(xiàn)標(biāo)識碼：A? 文章編號：2096-4706（2023）11-0077-03Research on DGA Doma
現(xiàn)代信息科技 2023年11期2023-08-01
- 基于粒子群優(yōu)化算法的水源微生物自動識別
子群算法；支持向量機中圖分類號：X 835 文獻(xiàn)標(biāo)志碼：A引言水源微生物廣泛分布于自然與人工水體環(huán)境中，它們無法用肉眼直接觀察，例如水中的原生動物和真菌的大小通常介于0.1～100 μm，只能在顯微鏡下進(jìn)行觀察。作為水質(zhì)的關(guān)鍵評價指標(biāo)之一，水源微生物的繁殖情況可以很好地反映水體的污染程度。因此，推進(jìn)水源微生物分類識別的相關(guān)研究對于水源的生物安全性監(jiān)測、水環(huán)境治理等具有非常重要的意義?？紤]到傳統(tǒng)機器學(xué)習(xí)方法對圖形處理單元的要求較低，能夠以較低成本部署在設(shè)備中
光學(xué)儀器 2023年2期2023-07-14
- 基于深度學(xué)習(xí)特征融合的遙感圖像場景分類應(yīng)用
算法優(yōu)化的支持向量機（GS-SVM）中對遙感圖像進(jìn)行場景分類識別.在公開數(shù)據(jù)集UC Merced的21類目標(biāo)數(shù)據(jù)和RSSCN7的7類目標(biāo)數(shù)據(jù)的實驗結(jié)果表明，5次實驗的平均準(zhǔn)確率分別達(dá)94.77%和93.79%.該方法可有效提升遙感圖像場景的分類精度.關(guān)鍵詞 圖像分類；卷積神經(jīng)網(wǎng)絡(luò)；灰度共生矩陣；局部二值模式；遷移學(xué)習(xí)；支持向量機中圖分類號TP183文獻(xiàn)標(biāo)志碼A0 引言隨著遙感技術(shù)的不斷發(fā)展[1]，遙感圖像分類被廣泛應(yīng)用于土地管理、城市規(guī)劃、交通監(jiān)管等眾多領(lǐng)
南京信息工程大學(xué)學(xué)報 2023年3期2023-07-06
- 基于RWT-SVM的臺區(qū)配電網(wǎng)日前負(fù)荷預(yù)測研究
小波變換-支持向量機（RWT-SVM）混合模型的日前電力負(fù)荷預(yù)測方法.該方法利用小波變換技術(shù)將臺區(qū)配電網(wǎng)電力負(fù)荷時間序列分解為多個子序列；利用平均絕對誤差（MAE）計算每個子序列的預(yù)報誤差貢獻(xiàn)度；對MAE最大的序列進(jìn)一步分解，從而提升模型的預(yù)測能力，得到精度更高的預(yù)測結(jié)果.仿真結(jié)果表明，RWT-SVM混合模型的預(yù)測精度高于三種對比方法.關(guān)鍵詞 負(fù)荷預(yù)測；小波變換；支持向量機；配電網(wǎng)中圖分類號TM743文獻(xiàn)標(biāo)志碼A0 引言電力系統(tǒng)調(diào)度中心擔(dān)負(fù)著制定電網(wǎng)運行計
南京信息工程大學(xué)學(xué)報 2023年3期2023-07-06
- 基于相對混亂度特征選擇的船舶風(fēng)機智能狀態(tài)監(jiān)測與故障診斷
特征選擇的支持向量機訓(xùn)練方法。該方法相比傳統(tǒng)方法在故障識別準(zhǔn)確率上有所提升，可達(dá)到94.46%，并且可有效縮短分類器計算耗時，最快可將其縮短77.8%。文中提出的算法框架、特征選擇方法、基于特征選擇的支持向量機訓(xùn)練方法和智能故障診斷方法相比現(xiàn)有方法有一定的優(yōu)勢，對機艙中回轉(zhuǎn)機械設(shè)備的狀態(tài)監(jiān)測和故障診斷有一定的參考價值。關(guān)鍵詞：智能故障診斷； 特征選擇； 支持向量機； 狀態(tài)監(jiān)測； 智能機艙中圖分類號：? U676.4+2文獻(xiàn)標(biāo)志碼：? AIntelligen
上海海事大學(xué)學(xué)報 2023年1期2023-06-22
- 基于支持向量機的“一帶一路”航空網(wǎng)絡(luò)的鏈路預(yù)測
指標(biāo)，基于支持向量機分類算法從國家和機場兩個層面對“一帶一路”沿線航空網(wǎng)絡(luò)進(jìn)行鏈路預(yù)測。結(jié)果發(fā)現(xiàn)：越宏觀的航空網(wǎng)絡(luò)，其預(yù)測精確度越高；同時，鏈路預(yù)測模型的預(yù)測精確度與指標(biāo)中包含的網(wǎng)絡(luò)結(jié)構(gòu)信息相關(guān)，指標(biāo)中包含的網(wǎng)絡(luò)結(jié)構(gòu)信息越多，預(yù)測精確度越高，且對于“一帶一路”航空網(wǎng)絡(luò)中的節(jié)點，鏈路預(yù)測中Katz指標(biāo)的預(yù)測準(zhǔn)確度最高。關(guān)鍵詞：一帶一路；航空網(wǎng)絡(luò)；鏈路預(yù)測；支持向量機中圖分類號：F560 ? ?文獻(xiàn)標(biāo)志碼：A ? ?DOI：10.13714/j.cnki.10
物流科技 2023年9期2023-06-15
- 基于SSA-SVM的營養(yǎng)健康信息文本分類研究
尋優(yōu)能力對支持向量機（SVM）的最優(yōu)參數(shù)組合進(jìn)行搜索，提出一種基于SSA-SVM的文本分類方法。對SSA-SVM模型在不同的數(shù)據(jù)集中的分類效果進(jìn)行了試驗研究，結(jié)果表明，SSA全局尋優(yōu)性能穩(wěn)定，可有效降低SVM參數(shù)選取對系統(tǒng)泛化能力和分類精度的影響，SSA-SVM模型在營養(yǎng)健康文本分類中準(zhǔn)確率可達(dá)到83.8%，對食物營養(yǎng)健康信息挖掘研究具有一定的參考價值。關(guān)鍵詞： 營養(yǎng)健康； 文本分類； 支持向量機； 麻雀搜索算法中圖分類號：TP391? ? ? ? ? 文
計算機時代 2023年6期2023-06-15
- 基于PSO-BP神經(jīng)網(wǎng)絡(luò)與PSO-SVM的抗乳腺癌藥物性質(zhì)預(yù)測
神經(jīng)網(wǎng)絡(luò);支持向量機中圖分類號TP183文獻(xiàn)標(biāo)志碼A收稿日期2021-12-06資助項目國家自然科學(xué)基金（71701099，71501090）；江蘇省高等學(xué)校自然科學(xué)研究項目 （17KJB580008）作者簡介許美賢，女，碩士生，主要從事人工智能輔助藥物設(shè)計、數(shù)據(jù)挖掘的研究.xumeixain3210@163.com鄭琰（通信作者），女，博士，副教授，主要從事計算生物物理學(xué)、人工智能輔助生物分子結(jié)構(gòu)預(yù)測的研究.ZhengYan3210@163.com0 引
南京信息工程大學(xué)學(xué)報 2023年1期2023-06-14
- 基于核主成分分析的GSA-SVM木材單板缺陷識別研究
瓊摘要：為支持向量機能夠準(zhǔn)確識別木材單板表面缺陷，以提高木材單板質(zhì)量，提出高效準(zhǔn)確的單板缺陷核主成分分析（KPCA）的引力搜索算法（GSA）-支持向量機（SVM）識別模型?？紤]到圖像特征數(shù)據(jù)間的冗余影響，采用KPCA方法對原始特征數(shù)據(jù)降維，并通過GSA優(yōu)化SVM的懲罰因子C和核參數(shù)g，建立KPCA- GSA-SVM 木材單板缺陷識別模型?；陬伾?、紋理、形狀3方面的特征以活節(jié)、死節(jié)、裂紋為研究對象的樣本原始數(shù)據(jù)集，選取8個主要特征（1個顏色特征、1個紋理特
森林工程 2023年2期2023-06-13
- 基于 SVM 機器學(xué)習(xí)技術(shù)的企業(yè)智能化審計建模優(yōu)化
器學(xué)習(xí)算法支持向量機建立企業(yè)智能化審計評價模型。為提升支持向量機模型性能，采用回溯搜索優(yōu)化算法對支持向量機核函數(shù)進(jìn)行優(yōu)化，將構(gòu)建的模型與GA-SVM、PSO-SVM 進(jìn)行對比。結(jié)果表明：BSA-SVM 模型的分類識別準(zhǔn)確率最高為94.5%，同時迭代時間最短為36.28 s。關(guān)鍵詞：支持向量機；回溯搜索優(yōu)化算法；智能化審計；技術(shù)；建模中圖分類號：TP391.9文獻(xiàn)標(biāo)志碼：A文章編號：1001-5922（2023）05-0139-04Optimizationo
粘接 2023年5期2023-06-12
- 基于 LabVIEW 的 MEMD 改進(jìn)算法化工機械故障監(jiān)測研究
化工機械；支持向量機；振動識別中圖分類號：TP392；TQ056文獻(xiàn)標(biāo)志碼：A文章編號：1001-5922（2023）05-0112-05Researchonfaultmonitoringof chemicalmachinery withMEMDalgorithmbasedonLabVIEWFENG Zhewei（JinshanCollege of Fujian Agriculture and Forestry University，F(xiàn)uzhou 3500
粘接 2023年5期2023-06-12
- 基于連續(xù)小波變換的表層土壤有機碳含量的高光譜估算
（RF）和支持向量機（SVM）3種模型估算表層SOC含量。研究結(jié)果表明，土壤高光譜反射率與SOC含量呈負(fù)相關(guān)，經(jīng)過一階微分變換后，通過極顯著性檢驗（P2分別為0.83和0.80，RMSE分別為5.24和3.56，RPD值為2.12，能夠有效估算研究區(qū)表層SOC含量。關(guān)鍵詞： 土壤有機碳含量；高光譜反射率；一階微分變換；連續(xù)小波變換；支持向量機；湖濱綠洲中圖分類號： S127 文獻(xiàn)標(biāo)識碼： A 文章編號： 1000-4440（2023）01-0118-08H
江蘇農(nóng)業(yè)學(xué)報 2023年1期2023-06-08
- 基于KPCA-GWO-SVM模型的巖爆預(yù)測及應(yīng)用
算法優(yōu)化的支持向量機模型，采用核主成分分析對數(shù)據(jù)進(jìn)行處理，建立巖爆預(yù)測的KPCA-GWO-SVM模型，預(yù)測結(jié)果表現(xiàn)出良好的分類性能。將建好的模型用于冬瓜山銅礦，并與BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行對比，結(jié)果表明，KPCA-GWO-SVM模型是一種巖爆烈度高精度分類的有效工具。關(guān)鍵詞：巖爆預(yù)測;支持向量機;灰狼優(yōu)化算法;核主成分分析;工程應(yīng)用中圖分類號：TD322文獻(xiàn)標(biāo)志碼：A開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：文章編號：1001-1277（2023）04-0013
黃金 2023年4期2023-06-05
- 基于三軸傳感器的坐姿監(jiān)測系統(tǒng)開發(fā)
坐姿監(jiān)測；支持向量機；多分類中圖分類號：G642 文獻(xiàn)標(biāo)識碼：A文章編號：1009-3044（2023）10-0035-050 引言截至2022年1月，流行病學(xué)調(diào)查顯示[1]，我國青少年患有脊柱側(cè)彎人數(shù)已經(jīng)500萬，并且該數(shù)據(jù)還在以每年30萬左右的速度遞增。繼肥胖、近視之后，脊柱側(cè)彎成了危害我國兒童青少年健康的第三大疾病。脊柱側(cè)彎是一種三維結(jié)構(gòu)畸形，在冠狀面脊柱側(cè)向彎曲，在水平面脊柱和胸廓發(fā)生旋轉(zhuǎn)，在矢狀面脊柱的生理曲度發(fā)生變化，因為人體有較多的單側(cè)運動模
電腦知識與技術(shù) 2023年10期2023-06-03
- 基于主成分分析法和支持向量機算法的駕駛?cè)似跈z測方法
據(jù)，并利用支持向量機（SVM）算法建立了PCA-SVM疲勞檢測模型。實驗結(jié)果表明，該模型能夠高精度地識別駕駛?cè)说乃姆N疲勞狀態(tài)。關(guān)鍵詞：駕駛疲勞；主成分分析法；支持向量機；智能汽車；主動安全中圖分類號：U467? 收稿日期：2023-04-12DOI：10.19999/j.cnki.1004-0226.2023.05.0211 前言目前，疲勞駕駛已被廣泛認(rèn)為是各種交通事故的重要因素[1]。雖然目前很難直接獲得駕駛疲勞所導(dǎo)致的交通事故的數(shù)量，但可以明確的一點是
專用汽車 2023年5期2023-05-26
- 概率校準(zhǔn)方法的腦電信號分類算法研究
邏輯回歸和支持向量機構(gòu)建分類預(yù)測模型，使用上述兩種概率校準(zhǔn)方法進(jìn)行模型校準(zhǔn)。最后，選用ROC曲線下的面積AUC、Brier得分和可靠性曲線評估校準(zhǔn)模型的性能，并且繪制交叉驗證學(xué)習(xí)曲線，觀察模型在不同數(shù)據(jù)量下的擬合效果，以及模型的泛化能力。在BCI競賽IV Datasets 2a腦電數(shù)據(jù)集上進(jìn)行實驗驗證，結(jié)果表明，概率校準(zhǔn)的方法能夠?qū)δＰ皖A(yù)測輸出結(jié)果進(jìn)行有效校準(zhǔn)。關(guān)鍵詞：運動想象；概率校準(zhǔn)；功率譜密度；邏輯回歸；支持向量機中圖分類號：TP18；TP301.6
赤峰學(xué)院學(xué)報·自然科學(xué)版 2023年4期2023-05-20
- 基于小波分析的油田機械傳動裝置振動信號識別方法
動信號? 支持向量機中圖分類號：TP751文獻(xiàn)標(biāo)識碼：AAbstract： In order to improve the stability and efficiency of oilfields mechanical equipment operation and analyze the running characteristics of the gear， a method of vibration signal identification of
科技資訊 2023年5期2023-04-26
- 基于機器學(xué)習(xí)的劇本角色情感識別研究
劇本角色；支持向量機；樸素貝葉斯；情感識別中圖分類號：TP181 文獻(xiàn)標(biāo)識碼：A1引言（Introduction）對于影視制片人來說，劇本的好壞直接決定其商業(yè)價值和社會意義，因此，對劇本文本分析成為不可或缺的環(huán)節(jié)，其中劇本角色的情感識別是劇本分析中一個非常重要的任務(wù)。劇本角色情感識別是將劇本中涉及角色的對白和動作描述識別為某一種具體的情感傾向，屬于情感分析[1]中句子級別的范疇，輸入為劇本中的角色對白或動作描述的句子，輸出其對應(yīng)的情感傾向?；跈C器學(xué)習(xí)的情
軟件工程 2023年4期2023-04-07
- 基于隨機森林和支持向量機的森林健康情況分析
隨機森林；支持向量機1引言如今，林木健康問題已得到社會各界前所未有的關(guān)注，而中國傳統(tǒng)的樣地檢測和受控實驗等方法需要耗費大量人力物力，且得出具體結(jié)論所需時間往往較長，使林業(yè)健康檢測喪失時效性。故傳統(tǒng)手段具有一定局限性。而遙感是避免接觸，目標(biāo)距離較遠(yuǎn)的一種探測技術(shù)，其能夠為研究人員提供更高緯度的視野，可以有效收集并且處理復(fù)雜時空維度下的海量信息。本項目基于高分辨率遙感數(shù)據(jù)，結(jié)合統(tǒng)計學(xué)相關(guān)理論知識以及新興的數(shù)據(jù)挖掘技術(shù)，對健康樹木和患病樹木的遙感圖像數(shù)據(jù)進(jìn)行分析
計算機應(yīng)用文摘·觸控 2023年1期2023-01-14
- 基于SVM與神經(jīng)網(wǎng)絡(luò)組合模型的短時交通流預(yù)測研究
，提出基于支持向量機（SVM）與神經(jīng)網(wǎng)絡(luò)的組合預(yù)測模型SVM-BPNN、SVM-RBFNN。結(jié)合實際道路的短時交通流數(shù)據(jù)，將組合模型與其他典型預(yù)測方法實驗對比。結(jié)果表明，本文提出的組合模型SVM-RBFNN預(yù)測精度更高，在短時交通流量預(yù)測方面具有明顯優(yōu)勢。關(guān)鍵詞：短時交通流;神經(jīng)網(wǎng)絡(luò);支持向量機中圖分類號：TP311? ? ? 文獻(xiàn)標(biāo)識碼：A文章編號：1009-3044（2022）17-0006-03短時交通流預(yù)測常用方法有歷史平均、神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)、回
電腦知識與技術(shù) 2022年17期2022-08-31
- 基于關(guān)鍵面紋理特征提取的自動人臉微表情識別
興趣區(qū)域;支持向量機中圖分類號：TP3? ? 文獻(xiàn)標(biāo)識碼：B文章編號：1009-3044（2022）18-0067-04開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：微表情是一種自發(fā)式的表情，它發(fā)生在人類試圖壓抑或隱藏真實情感時，其特點是發(fā)生迅速、表情強度低且不能自主控制，持續(xù)時間在1/25～1/5秒以內(nèi)[1]，單靠人眼捕捉十分困難。并且在非語言交流形式中如面部表情、語調(diào)和身體姿勢，微表情最有可能揭示一個人最深層的情感[2]。目前針對微表情研究在現(xiàn)實生活中的應(yīng)用
電腦知識與技術(shù) 2022年18期2022-08-31
- 基于GA-SVM的GNSS高程擬合應(yīng)用研究
摘 要：在支持向量機GNSS高程擬合應(yīng)用中，通常采用交叉驗證法來尋找訓(xùn)練模型的最優(yōu)參數(shù)，但該方法有可能會陷入局部最優(yōu)而難以提高模型精度。本研究采用具有全局尋優(yōu)能力的遺傳算法來優(yōu)化支持向量機的參數(shù)，并建立GA-SVM模型對GNSS高程數(shù)據(jù)進(jìn)行擬合。通過對比交叉驗證表明，GA-SVM在GNSS高程擬合中具有更好的效果，內(nèi)符合精度和外符合精度均達(dá)到毫米級。關(guān)鍵詞：遺傳算法;支持向量機;高程擬合;交叉驗證中圖分類號：P228 ? ? 文獻(xiàn)標(biāo)志碼：A ? ? 文章
河南科技 2022年12期2022-07-14
- 改進(jìn)粒子群算法支持向量機的煙臺港貨物吞吐量預(yù)測
粒子群算法支持向量機模型。引入自適應(yīng)慣性權(quán)重以及最優(yōu)粒子擾動決策，來優(yōu)化支持向量機中的懲罰參數(shù)C和核函數(shù)參數(shù)g?；?978—2020年煙臺港吐吞量進(jìn)行實證分析，對比改進(jìn)支持向量機模型和原本支持向量機模型的平均相對誤差，預(yù)測效果優(yōu)于SVM模型，因此為港口貨物吞吐量提供技術(shù)支持。關(guān)鍵詞：核函數(shù);支持向量機;改進(jìn)粒子群算法;煙臺港中圖分類號：TP18? ? ? ? 文獻(xiàn)標(biāo)志碼：A文章編號：2096-4706（2022）03-0133-05Cargo Throu
現(xiàn)代信息科技 2022年3期2022-07-06
- 一種基于試飛數(shù)據(jù)的航空發(fā)動機滑油金屬含量預(yù)測方法
息擴散結(jié)合支持向量機的方法建立了滑油金屬含量預(yù)測模型，解決了小樣本數(shù)據(jù)限制的問題。模型預(yù)測結(jié)果的相對誤差不大于5.7%，能夠滿足實際工程的精度需求，所建立的滑油金屬含量預(yù)測模型對航空發(fā)動機磨損故障有積極的預(yù)防作用。關(guān)鍵詞：滑油金屬含量預(yù)測；試飛數(shù)據(jù)；信息擴散；支持向量機；小樣本數(shù)據(jù)中圖分類號：V317.1文獻(xiàn)標(biāo)識碼：ADOI：10.19452/j.issn1007-5453.2022.05.002在高溫、高速、高振動的惡劣環(huán)境下工作，航空發(fā)動機的軸承、齒輪
航空科學(xué)技術(shù) 2022年5期2022-07-03
- 溫州市三垟濕地遙感動態(tài)檢測與景觀分析
據(jù)集，通過支持向量機、隨機森林、極限學(xué)習(xí)三種不同分類器的比較明確適用于研究區(qū)的解譯方法，得到研究區(qū)內(nèi)三垟濕地土地分類圖，并計算了土地利用動態(tài)度，分析了三垟濕地自生態(tài)修復(fù)開始的土地利用變化，根據(jù)解譯結(jié)果計算研究區(qū)土地利用變化率與景觀變化。結(jié)果表明，遙感影像能夠較好的應(yīng)用于城市濕地動態(tài)監(jiān)測，三垟濕地修復(fù)建設(shè)已逐步完善，因長期開墾導(dǎo)致的土地流失也逐步恢復(fù)。關(guān)鍵詞：三垟濕地;遙感解譯;隨機森林;支持向量機中圖分類號：TP181? ? ? ? 文獻(xiàn)標(biāo)識碼：A文章編號
現(xiàn)代信息科技 2022年2期2022-06-15
- 基于支持向量機的葉片圖像分割
了一種基于支持向量機的葉片圖像分割算法。該方法首先將圖像少量像素點分別標(biāo)記為葉片前景樣本和葉片背景樣本，然后根據(jù)樣本數(shù)據(jù)建立支持向量機分類決策模型，最后根據(jù)預(yù)測模型對整個圖像像素點進(jìn)行分類，將葉片圖像從背景中分割出來。實驗結(jié)果表明，該方法能夠?qū)蟹垂鈪^(qū)域的葉片實現(xiàn)準(zhǔn)確分割，相比基于聚類的葉片分割算法分割精度更好，算法耗費時間更短。關(guān)鍵詞：葉片分割;支持向量機;自然環(huán)境;反光區(qū)域中圖分類號：TP391.41? ? ?文獻(xiàn)標(biāo)識碼：ALeaf Image Se
軟件工程 2022年6期2022-06-11
- 支持向量機在舶航程智能終端節(jié)能降耗中的應(yīng)用
密切聯(lián)系;支持向量機是一種監(jiān)督分類方法學(xué)習(xí)三維加速度對應(yīng)的船舶狀態(tài)再通過支持向量機學(xué)習(xí)參數(shù)識別船舶的運動狀態(tài)以及修正三維傳感器激活閾值可以達(dá)到記錄運動軌跡的目的減少不必要的、北斗定位實現(xiàn)系統(tǒng)的節(jié)能降耗及航程記錄。關(guān)鍵詞三維加速度;支持向量機;震動識別;動量;隨機梯度中圖法分類號：TP181文獻(xiàn)標(biāo)識碼：AApplication of support vector machine in energy saving and consumptionreductio
計算機應(yīng)用文摘·觸控 2022年9期2022-06-09
- 用電異常行為預(yù)警方法
ans; 支持向量機; 用電評分DOI：10.15938/j.jhust.2022.04.008中圖分類號： TM71文獻(xiàn)標(biāo)志碼： A文章編號： 1007-2683（2022）04-0053-10Early Warning Method of Abnormal ElectricityConsumption Behavior Based on Data DrivenWAN Wei LIU Hongqi SUN Hong-chang ZHANG Feng WA
哈爾濱理工大學(xué)學(xué)報 2022年4期2022-05-30
- 信貸金融機構(gòu)的個人信用評估與管理
據(jù)集，建立支持向量機分類模型，先對數(shù)據(jù)進(jìn)行預(yù)處理以后，訓(xùn)練合理高效的信用評估分類器，根據(jù)改變SVM模型中的核函數(shù)和訓(xùn)練樣本量，對比研究發(fā)現(xiàn)，SVM模型對個人信用風(fēng)險的評估具有良好的分類效果，向商業(yè)銀行提出合理有效的建議，對推動我國信用制度的建設(shè)和社會主義市場經(jīng)濟的發(fā)展有著重要的現(xiàn)實意義。關(guān)鍵詞：商業(yè)銀行;信用貸款;信用評估;支持向量機一、信用風(fēng)險產(chǎn)生的原因隨著我國經(jīng)濟的蓬勃發(fā)展，更多的人選擇投資來獲取經(jīng)濟利益，然而在實際生活當(dāng)中投資者往往會面臨投資資金短缺
中國集體經(jīng)濟 2022年30期2022-05-30
- 一種基于HOG和SVM的人眼開閉狀態(tài)實時檢測方法
方法.利用支持向量機（SVM）方法構(gòu)造人臉識別分類器，設(shè)計一種基于面部坐標(biāo)點定位的方法，快速定位人眼區(qū)域，實現(xiàn)對駕駛員人眼閉合活動的實時檢測;利用PERCLOS疲勞判定標(biāo)準(zhǔn)判斷駕駛員是否存在疲勞駕駛行為.實驗結(jié)果表明，該系統(tǒng)可對疲勞駕駛進(jìn)行有效檢測，并及時做出警告提醒.關(guān)鍵詞：機器視覺; 疲勞駕駛檢測; HOG特征; 支持向量機; 面部坐標(biāo)[中圖分類號]TP391.4 ? [文獻(xiàn)標(biāo)志碼]A 隨著我國交通運輸業(yè)和汽車產(chǎn)業(yè)的快速發(fā)展，駕駛安全成為了一個不可忽視
牡丹江師范學(xué)院學(xué)報（自然科學(xué)版） 2022年2期2022-05-27
- 基于無人機多光譜與地面高光譜遙感的土壤主要養(yǎng)分含量估測
升。其中，支持向量機擬合模型效果最佳，R2均在0.75以上，適合用于土壤養(yǎng)分含量估測。 關(guān)鍵詞：土壤養(yǎng)分;多光譜;植被指數(shù);高光譜;支持向量機 中圖分類號：P237;S127? 文獻(xiàn)標(biāo)志碼： A 文章編號：1002-1302（2022）02-0178-08收稿日期：2021-04-16基金項目：云南省教育廳科學(xué)研究基金（編號：2019Y0080、2020Y0177、2020Y186）。作者簡介：楊棟淏（1997—），男，云南曲靖人，碩士研究生，主要從事資源
江蘇農(nóng)業(yè)科學(xué) 2022年2期2022-02-15
- 車載激光點云的道路邊界提取研究
激光點云;支持向量機（SVM）;法向量特征一、引言車載激光掃描系統(tǒng)是近幾年發(fā)展起來的高新技術(shù)。它具有數(shù)據(jù)獲取快、精度高、動態(tài)探測范圍打、主動性強等特點。道路場景具有數(shù)據(jù)量大且密度分布不均等特點[1]。目前，國內(nèi)外學(xué)者對于點云提取道路的方法：基于點云投影的道路提取、基于掃描線的道路點云提取方法、基于聚類分析的道路點云提取方法。方莉娜[2]提出基于掃描線進(jìn)行多窗口移動濾波，主要考慮窗口點云的高度差異、掃描點密度以及累計坡度三個參數(shù)來提取點云道路邊界。劉健[3]
科技信息·學(xué)術(shù)版 2022年2期2022-01-13
- 基于支持向量機的水質(zhì)評估模型研究
深入研究了支持向量機（SVM）這一善于解決非線性問題的智能模型，設(shè)計了一種多寬度復(fù)合高斯核的支持向量機模型。該模型通過多個復(fù)合高斯核擴大和控制核函數(shù)寬度，以此擴大樣本間歐氏距離與差異，以解決小類的誤分問題。運用MATLAB平臺對2017 年全國98 個重點斷面水質(zhì)周報數(shù)據(jù)進(jìn)行算法對比實驗，結(jié)果證實多寬度核評估模型較好地提升了SVM的分類精度，對水質(zhì)分類問題是可行有效的，對其他小樣本分類問題也有一定的借鑒作用。關(guān)鍵詞：水質(zhì)評估;多寬度高斯核; 支持向量機;參
軟件工程 2022年1期2022-01-04
- 一種新的支持向量機核參數(shù)選擇方法
趙劍摘要：支持向量機是近年來比較流行的一種機器學(xué)習(xí)方法，以其出色的學(xué)習(xí)性能在模式識別等領(lǐng)域得到廣泛應(yīng)用。核函數(shù)是支持向量機的核心部分，對其工作性能起到重要作用，其中核參數(shù)直接決定分類器識別率的高低。現(xiàn)有的核參數(shù)選擇方法計算復(fù)雜度很高，因此本文介紹了一種新的跟蹤核參數(shù)路徑的算法，該方法從核參數(shù)的學(xué)習(xí)出發(fā)，為支持向量機解決模型選擇問題，記錄選用各個核參數(shù)得到的最優(yōu)解，而不是反復(fù)訓(xùn)練多個支持向量機，在一定程度上降低了計算復(fù)雜度，提高了學(xué)習(xí)效率。關(guān)鍵詞：支持向量機
科技信息·學(xué)術(shù)版 2021年1期2021-12-17
- 基于視覺詞袋模型的稻曲病發(fā)病程度感知
試集，采用支持向量機（SVM）建立稻曲病發(fā)病程度感知模型，感知精度為84.81%。結(jié)果表明，結(jié)合高光譜成像技術(shù)和視覺詞袋模型可以有效感知稻曲病發(fā)病程度，為稻曲病大面積自動化監(jiān)測提供參考。關(guān)鍵詞：稻曲病;高光譜成像技術(shù);病害程度分析;視覺詞袋模型;支持向量機;自動化監(jiān)測中圖分類號： S127;TP391.4? 文獻(xiàn)標(biāo)志碼： A文章編號：1002-1302（2021）22-0198-06收稿日期：2021-03-18基金項目：浙江省重點研發(fā)計劃（編號：2021
江蘇農(nóng)業(yè)科學(xué) 2021年22期2021-12-08
- 樣本線性化與數(shù)據(jù)去重的極限學(xué)習(xí)機
簽數(shù)據(jù); 支持向量機文章編號： 2095-2163（2021）07-0024-08中圖分類號：TP181文獻(xiàn)標(biāo)志碼： AExtreme learning machine for sample linearization and data deduplicationZHANG Can， DAI Zibiao， AN Xin， LI Jianhua（School of Computer Science and Information Engineering，
智能計算機與應(yīng)用 2021年7期2021-12-07
- 基于遺傳算法-支持向量機的航電模塊故障分類研究
遺傳算法-支持向量機方法對DC-DC變換器進(jìn)行故障診斷分析。仿真驗證了上述方法的有效性。關(guān)鍵詞：航電模塊；特征提取；支持向量機；故障診斷中圖分類號：V240.2文獻(xiàn)標(biāo)識碼：ADOI：10.19452/j.issn1007-5453.2021.10.013基金項目：國家自然科學(xué)基金（61803309，61603303）；航空科學(xué)基金（20185553034）21世紀(jì)初，美軍在聯(lián)合攻擊戰(zhàn)斗機計劃中提出故障預(yù)測與健康管理（prognostics and heal
航空科學(xué)技術(shù) 2021年10期2021-11-26
- 基于SVM的文本情感傾向性智能分析方法
。關(guān)鍵詞：支持向量機;文學(xué)文本;情感傾向;智能分析;特征提取中圖分類號：TP391? 文獻(xiàn)標(biāo)識碼：A? 文章編號：1673-260X（2021）10-0016-041 引言文學(xué)文本表示組成文學(xué)語言藝術(shù)品的語言系統(tǒng)，是表達(dá)人生體驗的特殊語言結(jié)構(gòu)，可分為詩歌、小說、散文等形式。隨著科學(xué)技術(shù)的日新月異，如何從海量文學(xué)作品中選出優(yōu)秀的文本對讀者而言非常重要。文本情感傾向分析是計算機、智能信息與自然語言處理領(lǐng)域中較為活躍的分支。通過對文本主觀內(nèi)容進(jìn)行過濾分析，識別并
赤峰學(xué)院學(xué)報·自然科學(xué)版 2021年10期2021-11-11
- 基于機器學(xué)習(xí)的電影評分預(yù)測研究
重點研究了支持向量機（SVM）回歸預(yù)測對電影評分進(jìn)行預(yù)測，實驗結(jié)果MAE的值表明支持向量機（SVM）回歸預(yù)測在電影評分預(yù)測中取得較好的預(yù)測。關(guān)鍵詞：支持向量機;MAE;回歸預(yù)測中圖分類號：TP311文獻(xiàn)標(biāo)識碼：A文章編號：1009-3044（2021）27-0109-03Abstract： In this paper， the film is one of the important ways of entertainment in people's da
電腦知識與技術(shù) 2021年27期2021-11-08
- 基于RPSO_SVM模型的年齡組識別
子群算法對支持向量機參數(shù)進(jìn)行優(yōu)化（RPSO_SVM），用于青年人、中年人、老年人等群體的年齡組識別，首先，使用主動形狀模型提取人臉圖像中68個特征關(guān)鍵點，然后，使用改進(jìn)的RPSO_SVM模型對人臉圖像進(jìn)行年齡組識別，并在FG-NET數(shù)據(jù)集上進(jìn)行實驗驗證，結(jié)果表明該方法對不同年齡群體的識別率較好。關(guān)鍵詞： 粒子群算法;支持向量機;年齡組識別;主動形狀模型;RPSO_SVM模型中圖分類號：TP391? ? ? 文獻(xiàn)標(biāo)識碼：A文章編號：1009-3044（202
電腦知識與技術(shù) 2021年25期2021-11-07
- 基于優(yōu)化支持向量機方法的風(fēng)電場風(fēng)速預(yù)測研究
首先闡述了支持向量機理論，然后針對其解決大樣本問題的低效性進(jìn)行了優(yōu)化，最后通過實驗對比了優(yōu)化的支持向量機方法在風(fēng)速預(yù)測中的有效性和準(zhǔn)確性。關(guān)鍵詞：風(fēng)電場;風(fēng)速預(yù)測;支持向量機0??? 引言風(fēng)力發(fā)電作為波動性能源，大量接入電網(wǎng)時需要接受電網(wǎng)的統(tǒng)一調(diào)度，而對能源進(jìn)行調(diào)度的前提是能掌握發(fā)電機的變化趨勢，當(dāng)前的預(yù)測技術(shù)基本基于相似日數(shù)據(jù)以及天氣數(shù)據(jù)進(jìn)行分析，并制訂相關(guān)調(diào)度計劃[1-2]。難以直接對風(fēng)力發(fā)電進(jìn)行預(yù)測的原因在于風(fēng)速變化的無序性，這直接導(dǎo)致了風(fēng)機轉(zhuǎn)速的不
機電信息 2021年26期2021-11-06
- 基于心電和腦電信號的壓力測量模型研究
;最后使用支持向量機和離散化后的數(shù)據(jù)訓(xùn)練模型，得到基于EEG信號的壓力分類模型。在二分類任務(wù)下達(dá)到了90.16%的精度，表明了生成標(biāo)簽和EEG模型的有效性。關(guān)鍵詞：ECG;EEG;支持向量機;壓力測量中圖分類號：TN911.7? ? ? ?文獻(xiàn)標(biāo)識碼：A 文章編號：2096-4706（2021）09-0093-04Research on Stress Measurement Model Based on ECG and EEG SignalsLIN Yin
現(xiàn)代信息科技 2021年9期2021-11-04
- 基于DGA支持向量機的變壓器故障診斷模型
了一種基于支持向量機的電力變壓囂故障診斷方法，并構(gòu)建了相應(yīng)的數(shù)學(xué)模型。仿真結(jié)果表明，該模型能有效提高變壓器故障診斷的準(zhǔn)確率。關(guān)鍵詞：支持向量機;變壓器;數(shù)學(xué)模型;故障診斷引言變壓器類設(shè)備作為整個復(fù)雜的電力系統(tǒng)最基本、最關(guān)鍵的電器元件，其可靠性直接關(guān)系到電力系統(tǒng)的安全運行。而對變壓器類設(shè)備的可靠運行起著決定性作用的是設(shè)備內(nèi)絕緣的礦油型絕緣油（通常稱為“變壓器油”）。因此對變壓器類設(shè)備進(jìn)行基于變壓器油信息的故障診斷，明確變壓器故障類型，對于變壓器的安全可靠運行
裝備維修技術(shù) 2021年36期2021-10-25
- 基于車標(biāo)區(qū)域的智能識別方法研究
提取，采用支持向量機（SVM）對車標(biāo)特征矢量進(jìn)行分類識別。通過從監(jiān)控視頻中分割出來的10 類車標(biāo)、826 張車標(biāo)圖像對算法效果進(jìn)行評估，實驗結(jié)果表明，支持向量機的核函數(shù)選擇線性核函數(shù)，識別率達(dá)到95%，優(yōu)于徑向基核函數(shù)和多項式核函數(shù)。比較了單一特征（HOG或LBP）與聯(lián)合特征（HOG-LBP）對車標(biāo)的識別率，聯(lián)合特征對車標(biāo)的識別率達(dá)到97.27%，識別率最高?；贖OG-LBP聯(lián)合特征車標(biāo)區(qū)域的智能識別方法，同時利用HOG與LBP的特征優(yōu)勢，提高了車標(biāo)識別
軟件工程 2021年10期2021-10-09
- 基于SVM和GA-SVM的個人信用評估模型研究
方法，先用支持向量機（SVM）算法對個人的信用進(jìn)行評估，然后再采用遺傳算法對支持向量機進(jìn)行優(yōu)化（GA-SVM），并進(jìn)行實證分析。實證結(jié)果顯示，采用GA-SVM模型對個人信用進(jìn)行評估的效果比SVM的效果更好。關(guān)鍵詞：支持向量機;遺傳算法;GA-SVM;優(yōu)化算法。中圖分類號：F832.41? 引言隨著大數(shù)據(jù)時代的不斷發(fā)展，數(shù)據(jù)共享已經(jīng)成為了一種趨勢，這也滲透到各行各業(yè)的發(fā)展中去了。我們的生活方式在逐步改變，就拿消費行為來說，人類社會已經(jīng)從以物換物的時代走進(jìn)了貨
甘肅科技縱橫 2021年8期2021-09-22
- 基于PSO-SVM的水工隧洞施工成本預(yù)測
SO）優(yōu)化支持向量機（SVM）模型中的懲罰因子C和核函數(shù)參數(shù)g，建立基于PSO-SVM的水工隧洞施工成本預(yù)測模型。對比SVM模型的預(yù)測結(jié)果發(fā)現(xiàn)，PSO-SVM模型的平均絕對百分比誤差和均方根誤差更小，訓(xùn)練速度更快，預(yù)測效果更好。關(guān)鍵詞：成本預(yù)測;支持向量機;粒子群算法;水工隧洞中圖分類號：TV554文獻(xiàn)標(biāo)識碼：Adoi：10.3969/j.issn.1000-1379.2021.09.031引用格式：劉英杰，聶章琴，王博，等.基于PSO-SVM的水工隧洞施
人民黃河 2021年9期2021-09-22
- 基于支持向量機的機械設(shè)備故障診斷研究
不高，但是支持向量機能夠?qū)π颖具M(jìn)行故障診斷分析，文章將研究基于支持向量機的機械設(shè)備故障診斷，通過對支持向量機多類分類算法中的二叉樹進(jìn)行改進(jìn)，然后選擇合適的核函數(shù)并對其相關(guān)參數(shù)進(jìn)行優(yōu)化，最后將改進(jìn)的方法應(yīng)用到旋轉(zhuǎn)機械故障診斷中，結(jié)果表明能夠得到比較好的診斷效果。關(guān)鍵詞：支持向量機;機械設(shè)備;故障診斷中圖分類號：TH17? ? ? ? 文獻(xiàn)標(biāo)識碼：A 文章編號：1001-5922（2021）09-0129-04Research on Fault Diagno
粘接 2021年9期2021-09-22
- 人工智能算法在銀行信用貸款業(yè)務(wù)的應(yīng)用綜述
神經(jīng)網(wǎng)絡(luò);支持向量機;決策樹本文索引：李雨蔓，衛(wèi)恒軍.[J].中國商論，2021（18）：-132.中圖分類號：F275.5 文獻(xiàn)標(biāo)識碼：A 文章編號：2096-0298（2021）09（b）--031 引言金融科技方興未艾，隨著人工智能和互聯(lián)網(wǎng)金融的迅速發(fā)展，傳統(tǒng)金融業(yè)的生存基礎(chǔ)受到了沖擊，商業(yè)銀行也在不斷通過探索和運用人工智能等新技術(shù)進(jìn)行創(chuàng)新。商業(yè)銀行的貸款審批也可以通過多種人工智能方法獲得性能更優(yōu)、預(yù)測更準(zhǔn)確的模型。信用評級與預(yù)測對商業(yè)銀行貸款決策有
中國商論 2021年18期2021-09-22
- 基于機器學(xué)習(xí)的主要汽車生產(chǎn)國外匯交易數(shù)據(jù)研究
對比分析了支持向量機、隨機森林、以及XGBoost模型對外匯交易數(shù)據(jù)評估的預(yù)測能力。研究結(jié)果表明XGBoost要優(yōu)于傳統(tǒng)的支持向量機和隨機森林。關(guān)鍵詞：外匯交易 支持向量機 隨機森林 XGBoostResearch on Foreign Exchange Data of Main Automobile Production based on Machine LearningBai Yupei Zhang Zhiyang Tang Tingzong Zhan
時代汽車 2021年18期2021-09-17
- 基于改進(jìn)支持向量機的復(fù)雜背景交通標(biāo)志實時分類方法
出基于改進(jìn)支持向量機提出一種復(fù)雜背景交通標(biāo)志實時分類方法。預(yù)處理采集到的圖像，檢測和定位交通標(biāo)志，利用梯度直方圖提取特征向量。通過改進(jìn)支持向量機將圖像特征向量投影到線性數(shù)據(jù)空間，完成交通標(biāo)志實時分類。實驗結(jié)果表明，此次設(shè)計方法的分類正確率比基于BP神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)和YOLOv3的方法高出10.2%、8.1%和7.2%，具有良好的應(yīng)用性。關(guān)鍵詞：支持向量機;復(fù)雜背景;交通標(biāo)志;實時分類;特征提取;圖像處理中圖分類號：TP391.41 文獻(xiàn)標(biāo)識碼：A0
交通科技與管理 2021年26期2021-09-15
- 基于方向梯度直方圖特征的車臉識別方法研究
法，并采用支持向量機（SVM）對車標(biāo)特征向量進(jìn)行了分類識別。實驗結(jié)果表明，只有選擇適當(dāng)?shù)腍OG特征參數(shù)，才能提高車型識別率。關(guān)鍵詞：車臉識別;視頻識別;方向梯度直方圖;支持向量機中圖分類號：TP311.5? ? ?文獻(xiàn)標(biāo)識碼：A文章編號：2096-1472（2021）-09-38-06Abstract： With the digital and intelligent development of road monitoring system， vehic
軟件工程 2021年9期2021-09-13
- 基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的音樂流派分類
特征提取;支持向量機;梅爾頻率倒譜系數(shù)中圖分類號：TP39? ? ?文獻(xiàn)標(biāo)識碼：A文章編號：2096-1472（2021）-09-17-04Abstract： Classification models of traditional music genre have problems of unstable performance and low classification accuracy caused by single characteristic
軟件工程 2021年9期2021-09-13
- 基于機器學(xué)習(xí)的情感分析方法及應(yīng)用研究綜述
BERT;支持向量機;卷積神經(jīng)網(wǎng)絡(luò)中圖分類號：TP391.1? ? ?文獻(xiàn)標(biāo)識碼：A文章編號：2096-1472（2021）-09-21-03Abstract： In order to further understand the development trend of sentiment analysis， this paper proposes first to sort out sentiment analysis methods of machi
軟件工程 2021年9期2021-09-13
- 基于機器學(xué)習(xí)算法的中小企業(yè)信用評估研究
隨機森林和支持向量機兩種機器學(xué)習(xí)算法的信用預(yù)測模型，并引入ACC、AUC以及FNR評價指標(biāo)來衡量模型預(yù)測的效果。對比實驗表明，基于隨機森林的信用預(yù)測模型較支持向量機模型具有更好的預(yù)測效果，證實了模型的優(yōu)越性。關(guān)鍵詞：隨機森林;支持向量機（SVM）;信用評估模型;中小企業(yè)0 引言中小微企業(yè)在吸收社會就業(yè)和促進(jìn)經(jīng)濟發(fā)展方面逐漸發(fā)揮著越來越重要的作用[1]，而中小企業(yè)本身內(nèi)外部的局限性也使其始終面臨著嚴(yán)重的融資缺口。在此背景下，各金融企業(yè)放寬了對其貸款力度，但信
無線互聯(lián)科技 2021年12期2021-09-13