基于遗传优化SVM的通信信号的分类

为了充分利用遗传算法的全局寻优能力和SVM（支持向量机）的分类能力,文章设计了遗传优化SVM的分类算法。用遗传算法优化SVM中核函数的两个参数,再利用优化后的SVM进行分类。通过对方波和白噪声两种信号的分类仿真,证明了其优越性,同时也展现了遗传优化SVM在通信领域很好的应用前景。     

自适应遗传算法优化支持向量回归的水质预测

文中提出了一种动态改进的遗传算法和支持向量回归机相耦合的水质预测方法,改进了传统遗传算法中交叉和变异概率固定的问题,尽可能避免陷入局部最优的问题。在对大理弥苴河水质进行大量实际监测的基础上,分别采用BP神经网络,遗传算法优化的支持向量回归机和自适应遗传算法优化的支持向量回归机3种模型的方法,建立了弥苴河水质高锰酸盐含量的的预测模型。通过数据预处理,筛选了60天的数据进行训练学习和测试。通过对三个模型的预测误差分析对比,可以得出自适应遗传算法优化支持向量回归的预测模型精度更高。     

基于LBP与LSSVM的数字图像分类算法

针对数字图像的高精度分类问题,提出了一种新型数字图像分类算法。在该算法中,局部二值模式(Local Binary Patterns,LBP)算子被用于数字图像的LBP图构建LBP图的直方图被用于构建图像样本的特征向量;大量样本的特征向量构建的训练数据集被送入最小二乘支持向量机(Least Squares Support Vector Machines,LSSVM)进行最优分类模型的构建。在测试数据集的分类测试中,对本文所提出算法与传统支持向量机算法、极限学习机算法和Hopfield神经网络方法进行了比较,在宏查准率、宏查全率和分类时间几个典型性能指标的测试方面,本文所提出的LBP-LSSVM算法均表现出了优异的性能。     

支持向量机在模式识别中的应用

针对传统神经网络存在网络结构难于确定、过学习以及局部极小等问题，研究了基于支持向量机（SVM）的模式识别问题。通过对棋盘这种典型非线性二值问题的分类研究，分析了支持向量机的分类与泛化能力。支持向量机在分类和泛化能力方面远远优于传统神经网络。最后将支持向量机用于对两类飞机目标的分类识别，通过多组蒙特卡罗试验，获得了较好的识别结果。支持向量机在目标识别中有巨大潜力和广阔前景。     

遗传算法优化特征权值的支持向量机图像分类

为了提高图像分类的准确率,提出了一种遗传算法优化特征权值的支持向量机图像分类(GA-SVM).首先分别提取图像的颜色和纹理特征,然后采用改进遗传算法确定特征权值,最后采用支持向量机建立图像分类器,并对corel图像库进行仿真测试.结果表明,相对于其他图像分类算法,GA-SVM提高了图像分类精度.     

基于遗传算法的支持向量机分类算法

针对现有部分支持向量机在多类分类过程中存在的数据不均衡性、对算法结构依赖性强的问题,提出一种新的基于遗传算法的支持向量机多类分类算法。以遗传算法中的交叉作为支持向量机中类的选择,以变异改善分类过程中的纠错能力,以适应度函数作为最优分类结果的确定。在不同特性的样本集上进行仿真测试,结果证明,该算法在类数较多的情况下,有更好的数据均衡性,在分类速度及准确度上均有一定的优越性。     

多组分汽车尾气定量检测系统

目的：针对混合气体浓度检测中,气体间交叉吸收干扰及红外光谱数据计算量过大等问题,提出了一种基于网格搜索的支持向量机方法,建立多组分混合气体定量分析模型。方法：运用网格搜索法对支持向量机建模中的参数进行优化选择,并与遗传算法优化的BP网络建模效果作对比。结果：实验表明：SVM建模所用时间为39.824s,BP神经网络约为2682s;SVM建模预测结果均方差明显低于BP网络。结论：SVM建模时间约为BP网络的1/60,收敛速度更快,且预测精度更高。     

基于GA-BP神经网络的雷达干扰效能评估方法

针对当前雷达干扰效能评估方法中评估模型较为复杂、参数获取困难、应用价值不大的问题，优化了雷达干扰效能评估变量和指标体系，使其更加贴近实际应用；针对传统雷达干扰效能评估方法中依赖专家打分、人为因素影响较大而普通神经网络预测误差较大的问题，采用遗传算法（genetic algorithm, GA）对误差反传（back propagation, BP）神经网络的初始参数进行全局优化，提出基于GA-BP神经网络的雷达干扰效能评估方法,降低评估系统误差。最后，进行了仿真验证，与普通BP神经网络和支持向量机（support vector machine, SVM）进行了对比分析，并通过调整参数进一步优化了该方法。仿真结果表明，该方法明显优于普通BP神经网络和SVM，具有较好的准确度和稳定性，可为实际应用提供科学依据。     

一种基于SVR的数字图像水印算法

以回归型支持向量机为基础,提出一种彩色数字图像水印算法。在小波域内选取特征向量并获得支持向量机训练模型,进而利用该训练模型嵌入和提取水印信息。该算法以保证不可感知性和鲁棒性的良好平衡为前提,实现了水印的盲检测。实验仿真表明,该算法不仅具有较好的不可感知性,而且对叠加噪声、JPEG压缩、锐化、平滑滤波、对比度增强、剪切等常规处理具有较好的鲁棒性,其整体性能优于一般基于支持向量机的图像水印方案。     

支持向量机及其在医学图像分类中的应用

支持向量机被看作是对传统分类器的一个好的替代,特别是在高维数据空间下,具有较好的泛化能力。本文首次采用支持向量机方法对医学图像进行了分类研究。为了检验该分类方法的有效性与稳健性,对不同的噪声图像进行试验,试验结果表明,即使存在噪声的情况下,支持向量机方法也能获得较好的分类结果。     

基于模拟退火遗传算法的RBF网络的优化

提出了引入模拟退火的遗传算法对径向基函数(RBF)网络中心参数进行优化的算法,算法中选择实数编码,采用引入模拟退火过程的多点交叉和区域内随机波动的变异方法.用此算法作了两个仿真实验:一是对典型的混沌时间序列的预测,二是对被干扰了的图象进行去干扰.结果表明:这种基于模拟退火遗传算法对RBF网络参数的优化是行之有效的.     

Design for 2-D error feedback networks with identical coefficient sets

In realization of recursive digital filters with fixed point arithmetic, an error caused by roundoff arises. It is known that the level of the roundoff noise of an IIR filter tends to be high when the poles are close to the unit circle. Error feedback (EF) is an effective method to reduce the roundoff noise. It is desirable to design an EF network using as few parameters as possible in order to keep computational costs low. In this paper, we propose a method for designing a 2D EF network with identical coefficient sets. That is, the EF coefficients are divided into several subsets such that all the elements within each set have the same absolute value. In order to optimize the coefficient sets, we propose an algorithm by using the genetic algorithm. In the numerical example, we demonstrate the effectiveness of the proposed method.     

基于遗传神经网络自适应噪声抵消技术的研究

自适应噪声抵消技术是减除背景噪声影响的有效处理方式。概述了自适应噪声抵消原理、BP算法及遗传算法等基本理论,结合各自的优点,提出一种基于BP神经网络和遗传算法相结合的自适应噪声抵消系统。该系统中采用遗传算法优化网络权值方式构造遗传神经网络,用遗传神经网络替代传统的自适应滤波器,以此达到更好的噪声抵消效果。使用MATLAB仿真实例,发现其消噪效果显著同时信噪比得到提高。     

基于MATLAB的DCT域数字水印技术实现

随着网络技术和多媒体技术的飞速发展,如何保护多媒体信息的安全已成为国际上研究的热门话题,数字水印技术应运而生。作为保护数字作品版权的一种重要手段,数字水印技术己成为当今学术界研究的一个热点。文中简介了目前主流数字水印算法,给出了DCT域数字盲水印算法。该水印算法不可见性较好,对JPEG压缩,噪声,有较好的鲁棒性。     

Bio-Interactive Healthcare Service System Using Lifelog Based Context Computing

Intelligent bio-sensor information processing was developed using lifelog based context aware technology to provide a flexible and dynamic range of diagnostic capabilities to satisfy healthcare requirements in ubiquitous and mobile computing environments. To accomplish this, various noise signals were grouped into six categories by context estimation and effectively reconfigured noise reduction filters by neural network and genetic algorithm. The neural network-based control module effectively selected an optimal filter block by noise context-based clustering in running mode, and filtering performance was improved by genetic algorithm in evolution mode. Due to its adaptive criteria, genetic algorithm was used to explore the action configuration for each identified bio-context to implement our concept. Our proposed Bio-interactive healthcare service system adopts the concepts of biological context-awareness with evolutionary computations in working environments modeled and identified as bio-sensors based environmental contexts. We used an unsupervised learning algorithm for lifelog based context modeling and a supervised learning algorithm for context identification.     

结合深度迭代缩放卷积神经网络的PRNU提取算法

光响应非均匀性（photo-response non-uniformity，PRNU）是用于数字图像设备溯源的一种重要特征，也被称为成像设备指纹。针对图像真实噪声包含PRNU和大量未知噪声的复杂特性，本文提出一种结合深度迭代缩放卷积神经网络的PRNU数字成像设备指纹提取算法。首先，通过连续重复的缩小与放大特征图的分辨率来提高GPU内存利用效率和生成大的感受野，尽可能的提取包含完整PRNU指纹的真实噪声。然后，利用来自同一数字成像设备多幅图像的噪声残差来估计PRNU指纹。本文算法在相机溯源数据集Dresden和手机溯源数据集Daxing上进行了测试。实验结果显示，与传统方法相比本文算法具有的更好的识别率和普适性。      

混沌背景中微弱信号检测的回声状态网络方法

对复杂非线性系统的相空间重构理论进行了研究分析,提出了混沌背景中微弱信号检测的回声状态网络方法。针对回声状态网络模型参数选取困难这一问题,采用遗传算法对其模型参数进行优化。将回声状态网络模型参数作为遗传算法的个体,混沌时间序列预测均方根误差的倒数作为适应度函数,通过选择、交叉、变异等操作获得适合数据特点的最优模型参数。根据回声状态网络强大的学习和非线性处理能力,利用得到的回声状态网络模型最优参数建立混沌背景噪声的单步预测模型,将淹没在混沌背景噪声中的微弱瞬态信号和周期信号从预测误差中检测出来。以Lorenz系统和实测的海杂波数据作为混沌背景噪声进行仿真实验,仿真结果表明,本文所提方法在预测精度和训练速度方面均优于支持向量机和神经网络模型,能够有效地检测出混沌背景噪声中的微弱目标信号,且具有较小的预测误差。      

基于链路冗余的层次化园区网络最小开销设计

本文从网络层次化设计及可靠性设计为出发点,在基于星型－链路－环形的网络拓扑之上,提出了新的园区网络最小开销算法,并通过实验证明其有效性和实用性。     

基于RBF神经网络的相关干涉仪测向方法

提出了一种新的基于径向基(RBF)神经网络的相关干涉仪测向方法,实现了自组织学习选取中心、正交最小二乘法及基于遗传算法的进化优选算法等训练方法,经训练后的RBF神经网络可用于多源信号波达角(DOA)估计。仿真结果表明,在一定范围内,该方法对信道噪声不敏感,测向精度与传统相关干涉仪相当,且测向处理时间和测向设备的存储量大大降低。     

Reduced complexity decision feedback equalization for digitalsubscriber loops

Decision feedback equalizers (DFEs) are widely used in modern local network digital transmission systems to remove the intersymbol interference caused by slowly decaying pulse tails. A gradient descent algorithm for adapting a coefficient to model the slowly decaying portion of the tail is described. An equalization strategy is described that exploits prior knowledge of the nature of the subscriber loop channel, together with the new adaptation algorithm, to give reduced complexity DFE structures. The use of this algorithm in FIR and IIR equalizer structures is described. The use of this algorithm in FIR and IIR equalizers is quantitatively compared to a conventional DFE in terms of performance and implementation complexity. An analysis is presented describing the operation of the adaptation algorithm in the presence of noise. Simulation results illustrate the training of the algorithm and its stability in the presence of near-end crosstalk noise