基于支持向量机的人脸识别研究

研究基于支持向量机的人脸识别技术.在识别过程中,首先将人脸图片分为子图片,再利用离散小波变换提取子图片特征组合为多维向量作为整幅人脸图片特征.在此基础上,为每个类构造一个支持向量机进行识别.基于ORL人脸数据库的模拟实验表明,算法实现较简单,并具有较好的性能.     

基于离散小波变换的脑电信号睡眠分期研究

提出基于脑电信号(EEG)的睡眠分期研究。利用离散小波变换(DWT)的db8小波分解得到的细节分量作为信号新的表达,把各个细节分量能量作为特征,建立带高斯径向基核函数(RBF)的非线性支持向量机(SVM)模型。研究发现,其对睡眠分期研究的方案是可行的,满足模型对泛化能力的要求。     

真核生物启动子的预测技术

启动子是基因表达过程中非常重要的调控序列,是影响基因能否转录的重要功能单位之一,真核生物的启动子预测已经成为生物信息学研究的热点.将结合人工神经网络、支持向量机、二次判别分析和位置权值矩阵技术,对国内外真核生物启动子的预测研究进行介绍,并在最后采用合适的技术应用到模拟真核生物基因表达过程的电子细胞模型Analog-Cell中.     

基于多特征尺度的大肠杆菌启动子预测

本文对实验证实的741条大肠杆菌Sigma70启动子的序列进行预测研究。首先,基于RNA聚合酶与DNA的相互作用,利用位置打分函数对序列中的保守位点进行了衡量;然后,根据启动子的序列特征,利用离散性指标对序列中不同的碱基信息含量进行测量;最后,利用多元非线性判别分析实现了对大肠杆菌启动子的预测。10折叠交叉检验结果显示,总体预测精度达到85%以上。与其它算法比较结果显示,我们开发的这一算法能够更好地预测大肠杆菌启动子。     

融合小波变换与贝叶斯LS SVM的网络流量预测*

为了提高网络流量预测的精度,研究了一种融合小波变换与贝叶斯LSSVM的网络流量预测方法。首先将原始流量数据时间序列进行小波分解,并将分解得到的近似部分和各细节部分分别单支重构到原级别上;对各个重构后的序列分别用最小二乘支持向量机进行预测,将贝叶斯证据框架应用于最小二乘支持向量机模型参数的选择;将各个预测结果重构后得到对原始序列的预测结果。对比实验表明,该模型不仅具有较快的运行速度,而且具有较高的预测精度。     

基于小波分析和DCT的人脸特征提取

人脸特征提取是人脸识别中重要的一个环节。本文提出利用小波分析,对人脸图像进行压缩,然后对压缩后的图像进行离散余弦变换,将提取到的系数作为特征向量。把特征向量用支持向量机进行分类。本文以matlab7.0为开发平台在ORL和YALE人脸图像库中对该方法的可行性进行了测试。实验表明,该方法与传统的KLT方法相比可以减少运算时间,并提高识别率5%-10%左右。它在准确率和计算速度上都取得了良好效果。     

基于小波变换的国画特征提取及分类

像素域内利用图像处理技术对图像进行特征提取得到广泛研究。为了在新的信号域内找到更好的图像特征表示方法,提出在小波域内利用不同分辨率及频带的图像结构所展现的艺术风格的不同表现形式来获得国画艺术深度信息的方法。该方法利用三层小波变换提取图像的纹理特征,并采用3种不同的分类器决策树、BP神经网络和支持向量机,对不同画家的风格进行学习,以完成自动分类。实验结果表明,该算法能有效提取图像纹理特征,实现国画的自动分类。     

基于小波核LS-SVM的网络流量预测

网络流量预测对大规模网络管理、规划、设计具有重要意义.支持向量机方法是近年来发展起来的新型机器学习算法,用于解决高度非线性分类及回归问题.介绍了基于小波核最小二乘支持向量机的网络流量预测方法,利用小波核函数的多分辨特性提高了支持向量机的非线性建模能力.通过对实测网络流量数据的学习,对未来网络流量进行预测.实验结果表明,取得了较好的预测效果.     

基于小波核LS—SVM的网络流量预测

网络流量预测对大规模网络管理、规划、设计具有重要意义。支持向量机方法是近年来发展起来的新型机器学习算法,用于解决高度非线性分类及回归问题。介绍了基于小波核最小二乘支持向量机的网络流量预测方法,利用小波核函数的多分辨特性提高了支持向量机的非线性建模能力。通过对实测网络流量数据的学习,对未来网络流量进行预测。实验结果表明,取得了较好的预测效果。     

基于支持向量机的人脸分类

提出了一种基于支持向量机的人脸分类方法,首先对人脸图像作二维离散余弦变换,取离散余弦变换系数作为特征,然后用支持向量机进行分类。用Essex人脸图像数据库进行性别分类,取得了很好的分类效果。     

基于实值Gabor变换的掌纹识别

掌纹识别作为一种重要的生物特征识别方法,其中的一个重要环节就是掌纹特征的提取,本文提出了一种基于实数形式离散Gabor变换的掌纹特征提取方法,将空域的掌纹图像变换到联合（时间）空间频率域并将其联合（时间）空间频率域的能量分布作为掌纹的特征,以此为基础分别使用欧式距离和支持向量机进行了不同掌纹的匹配识别。实验结果表明,该算法对掌纹图像小的平移、小角度的旋转和小的手掌伸缩具有鲁棒性,并且获得了较高的识别率。     

基于DWT-DCT-SVM的人脸表情识别

提出了一种基于二维离散小波一离散余弦变换-支持向量机（DWT-DCT-SVM）面部表情识别算法。该算法先利用DWT在不明显损失图像信息的基础上对表情图像进行变换,变换后的图像数据量大大减少。再利用DCT提取代表原图像绝大部分能量的数据作为表情特征矢量,最后利用SVM来识别。实验表明：本算法提取的500个数据长度的表情矢量在一定条件下能较准确地识别出通用的6种表情,但是泛化性能较差。     

基于支持向量机的快速人脸检测

提出一种基于支持向量机的快速人脸检测算法,适用于复杂背景灰度图像的人脸检测。算法首先用双眼模板匹配方法进行粗筛选,之后对候选窗口用小波变换提取特征,将特征向量送入支持向量机进行分类检测。由于采用双眼模板进行粗筛选提高了检测速度,并且用小波变换提取特征向量,使特征向量的维数大大减少,从而有效地降低了分类器的训练难度。实验对比数据表明该方法具有较高的检测率和较低的虚警数,检测速度较高。     

基于SVM算法的图像分类

介绍了SVM算法的原理和在图像分类上的一些应用,将该算法应用于飞机图像的分类,并跟传统的神经网络分类算法进行了比较。跟传统的基于神经网络的图像分类相比,具有良好的抗噪性和较高的识别率,并且具有良好的扩展性。对于飞机图像的分类问题有较好的应用。     

基于Curvelet的人脸识别

人脸的主要特征是曲线信息,提出了一种基于Curvelet变换的人脸识别算法。Curvelet变换在表达图像的曲线奇异性时,比小波变换和脊波变换能获得更稀疏的图像表示。在人脸识别中,用人脸的曲波系数来提取特征能更好地反映人脸的主要特征,文中使用支持向量机进行了识别。结果表明该方法比小波方法更有效。     

基于小波变换和支持向量机的人脸检测

提出一种基于小波变换和支持向量机的人脸检测算法，适用于复杂背景灰度图像的人脸检测。算法首先用双眼模板匹配方法进行粗筛选，之后时候选窗口用小波变换提取特征，将特征向量送入支持向量机进行分类检测。由于采用双眼模板进行粗筛选提高了检测速度，并且用小波变换提取特征向量，使特征向量的维数大大减少，从而有效地降低了分类器的训练难度。实验对比数据表明该方法具有较高的检测率和较低的虚警数，检测速度较高。     

基于Gabor小波变换和支持向量机的人脸识别

将Gabor小波变换和支持向量机分类方法结合起来进行人脸识别。通过由Gabor小波变换系数表示的若干个人脸模板和人脸图像之间的匹配来确定特征点的近似位置；在所有的特征点位置计算Gabor小波变换系数并将其串联成表示人脸图像的向量；采用一种层次分解的支持向量机二叉决策树进行分类识别。实验结果表明了该方法的可行性。     

一种基于小波过零检测和SVM的虹膜识别方法*

提出了一种新的基于SVM的虹膜识别算法,通过对虹膜纹理采用小波变换来实现特征提取,最后通过SVM完成模式匹配。实验结果表明,该算法识别率高并可有效地应用于虹膜身份鉴别系统中。     

基于ARIMA-SVM组合模型的股票价格预测

现有的股票价格准确预测方法各有优缺点,为了发挥各种预测方法的优点,提出二进正交小波变换和ARIMA-SVM方法的非平稳时间序列预测方案。使用小波分解算法对数据进行分解,分离出非平稳时间序列中的低频信息和高频信息;然后对高频信息构建自回归模型ARIMA预测,对低频信息则用SVM模型进行拟合;最后将各模型的预测结果进行叠加,从而得到原始时间序列的预测值。将预测结果与实际值比较,组合模型具有较好的预测效果。经实验证明,小波分解的ARI-MA-SVM组合模型较单一的预测模型效果更为理想。     

基于DWT-LSSVM的图像压缩算法

为了进一步提高图像压缩效率和质量,提出一种离散小波变换（DWT）和最小二乘支持向量机（LSSVM）相融合的图像压缩方法（DWT-LSSVM）。采用DWT对图像分解,得到低频系数和高频系数,采用LSSVM归学习逼近高频系数,并采用混沌粒子群算法对LSSVM参数进行优化,对支持向量、权重和低频系数进行编码,得到数据压缩数据流。仿真结果表明,DWT-LSSVM获得了较高的压缩比,可以较好满足图像传输的实时性要求。