资源描述：
《支持向量机论文》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。
1、才臬4农欢PINGDINGSHANUNIVERSITY毕业论文基于支持向量机的图书借阅问题研究院系：数学与信息科学学院专业年级:数学与应用数学2009级姓名：袁征学号:091030105指导教师:罗娟讲师2013年05月02日原创性声明本人郑重声明：本人所呈交的毕业论文，是在指导老师的指导下独立进行研究所取得的成果•毕业论文中凡引用他人已经发表或未发表的成果、数据、观点等，均已明确注明出处.除文屮已经注明引用的内容外，不包含任何其他个人或集体已经发表或撰写过的科研成果.对本文的研究成果做出重要贡献
2、的个人和集体，均已在文中以明确方式标明.本声明的法律责任由本人承担.论文作者签名：R期：关于毕业论文使用授权的声明本人在指导老师指导下所完成的论文及相关的资料（包括图纸、试验记录、原始数据、实物照片、图片、录咅带、设计手稿等），知识产权归属平顶山学院•木人完全了解平顶山学院有关保存、使用毕业论文的规定，同意学校保存或向国家有关部门或机构送交论文的纸质版和屯子版，允许论文被查阅和借阅；本人授权平顶山学院町以将木毕业论文的全部或部分内容编入有关数据库进行检索，可以采用任何复制手段保存和汇编本毕业论文.
3、如果发表相关成果，一定征得指导教师同意，且第一署名单位为平顶山学院.木人离校后使用毕业论文或与该论文直接相关的学术论文或成果时，第一署名单位仍然为平顶山学院.论文作者签名:指导老师签名:R期：H期：图书借阅量是衡量图书馆工作好坏的重要标准，它度量了在单位时间内馆藏图书的借出总量，反映了在该地区内读者的阅读习惯，具有重要的研究价值和意义•保存完整的原始数据以及对此的相关研究，可以指导和改善图书馆的日常工作，从而更好的为读者提供服务.大量的专家学者对此作出了细致而科学的研究，比如灰色预测、马氏链模型等
4、等.木文博采众家之所长，另辟蹊径，将支持向量机这一学习机器引入进来，并与两种比较常见的模型作比较，得到了比较好的结论.本文首先获取训练样木的集合，然后选择适当的核函数，同时选择白由参数£和C,由此将二次规划问题转化为凸优化问题进行求解，最后通过获得的模型对测试样本进行预测，得到结果.本文是对支持向量机的简单应用，并比较三个模型的结果，來展示其优越性.当然，我们还可以对支持向量机进行改进，以及和其它模型结合起来.该课题还存在着很大的研究空间.关键词：图书借阅量；支持向量机；灰色模型；马尔科夫模型Ba
5、sedonsupportvectormachine(SVM)problemoflibraryresearchAbstracBookcirculationisanimportantstandardofwork,Itmeasuresthetotalcollectionbookslendinginunittime,Itreflectsintheregionthatthereader'sreadinghabits,hasimportantresearchvalueandsignificance.Intac
6、ttheoriginaldataandrelatedresearchtothis,canguideandimprovethedailyworkofthelibrary,soastobetterprovideserviceforreaders.Alargenumberofexpertsandscholarsmadeameticulousandscientificresearch,suchasgraypredictionandmarkovchainmodelandsoon.Thispaperwithf
7、ulluseoftheadvantages,directorofpath,thesupportvectormachine(SVM)isalearningmachineisintroduced,andcomparedwithtwokindsofcommonmodelcomparison,obtainedbetterresults.Atfirst,thispapergetthetrainingsampleset，andthenselecttheappropriatekernelfunction,the
8、choiceoffreeparametersandatthesametime,theconvexquadraticprogrammingproblemcanbeconvertedtooptimizationproblems,themodelisacquiredthroughforecasttestsample,theresultisobtained・Thisisthesimpleapplicationofsupportvectormachine(SVM),andcomparethe
