基于支持向量机的数字调制信号识别

针对神经网络分类器容易陷入局部最小值和不适用于小样本的缺点,提出一种应用零中心瞬时特征提取法提取分类特征,采用支持向量机分类器进行数字调制信号识别的方法。与传统的神经网络方法相比,该方法具有更好的泛化推广能力。实验仿真结果表明,该调制识别方法在小样本下具有较高的识别率。     

支持向量机在油层含油识别中的应用

针对油藏中油气规律分布复杂的地区,在以往油层含油判别分析的基础上,提出了一种基于支持向量机的油藏建模方法。应用已知油层的岩层厚度、泥质含量等6个参数作为训练样本的输入,油气特征作为训练样本的输出,对支持向量机进行训练,从而建立基于支持向量分类机的识别模型,并在此基础上对某油区油气水层分布规律进行了预测。结果显示,采用支持向量机判断的油气分布规律与实际试油结果完全一致,即将支持向量机用于油层油气识别是有效的。     

基于支持向量机的仓储物害虫分类识别研究

论文提出了基于支持向量机的仓储物害虫的分类识别问题。首先利用计算机数字图像处理技术,综合提取静态仓储物害虫图像的数理统计特征、纹理特征和几何形状特征,并采用支持向量机进行分类识别。实验表明该方法对复杂模式的识别能力较强,达到了较高的识别率,这也为仓储物害虫的快速鉴定和分类研究开辟了新的途径。     

一种新型的多元分类支持向量机

最小二乘支持向量机采用最小二乘线性系统代替传统的支持向量机采用二次规划方法解决模式识别问题。该文详细推理和分析了二元分类最小二乘支持向量机算法，构建了多元分类最小二乘支持向量机，并通过典型样本进行测试，结果表明采用多元分类最小二乘支持向量机进行模式识别是有效、可行的。     

利用支持向量机识别汽车颜色

大类别数分类时支持向量机(SVM)数量较多,文中通过类别合并和特征空间分解,结合决策树判别方法．对SVM数量进行优化,提出了一种基于优化SVM的汽车颜色识别方法．该方法与最近邻分类方法相比,无论是在速度上还是识别正确率上都得到了提高．实验结果表明,该方法是一种快速且正确率较高的多类别分类方法,可以满足实时识别的要求．     

支持向量机研究

支持向量机是一类新型机器学习方法,由于其出色的学习性能,该技术已成为当前国际机器学习界的研究热点。该文首先引入最优超平面的概念,然后对线性ＳＶＭｓ和非线性ＳＶＭｓ进行介绍,给出一些常用的训练算法,并指出ＳＶＭｓ存在的局限和将来可能的研究内容。     

支持向量机研究进展

基于统计学习理论的支持向量机((Support vector machines, SVM)以其优秀的学习能力受到广泛的关注。但传统支持向量机在处理大规模二次规划问题时会出现训练时间长、效率低下等问题。对SVM训练算法的最新研究成果进行了综述,对主要算法进行了比较深入的分析和比较,指出了各自的优点及其存在的问题,并且着重介绍了目前研究的新进展—模糊SVM和粒度SVM。接着论述了SVM主要的两方面应用—分类和回归。最后给出了今后SVM研究方向的预见。     

模糊支持向量机在人脸识别中的应用

本文首先介绍了人脸图像的代数特征抽取方法 ICA,再对模糊支持向量机(Fuzzy Support Vector Machine,FSVM)作了重点分析和研究。将抽取的人脸特征应用到基于FSVM和基于模糊系统的算法上,采用基于模糊分类系统和二叉决策树相结合的方法进行人脸识别,可以达到理想的识别效果。     

利用遗传算法优化的支持向量机垃圾邮件分类

提出一种利用遗传算法优化支持向量机来进行垃圾邮件的分类方法.首先对邮件进行预处理,然后利用遗传算法优化支持向量机的惩罚因子和核函数参数的组合,最后利用优化后的支持向量机对邮件进行分类.在由5800篇邮件构成的数据集上进行实验的结果表明,该方法能达到89.67%的准确率,提高了对中文垃圾电子邮件过滤的准确性.     

支持向量机在人脸识别中的应用研究

研究人脸图像自动识别问题,由于人脸的特征维数较高,正确识别有难度,利用计算机技术对人脸图像进行分析,从中提取有效的特征来识别出人的身份,其关键技术在于人脸特征的提取和模式识别.为此,提出了一种基于支持向量机的人脸识别方法.首先采用Gabor滤波器提取人脸图像的特征,PCA降维处理消除人脸特征之间的冗余信息,然后采用支持向量机对提取特征进行训练得到最优识别模型,用最优模型对人脸进行识别.对ORL人脸图像库进行仿真实验,识别率达98%,比传统算法高出5%,实验结果表明,既减少了计算复杂度,降低训练与识别时间,又保证实时性,提高识别正确率,为人脸识别的应用提供广泛的前景.     

基于图像处理和支持向量机分类的牛肉大理石花纹等级评定

牛肉胴体质量等级评定是牛肉依质论价的基础。其中，大理石花纹是评定牛肉质量等级的主要指标。由于人工评定存在许多缺点，采用机器视觉来判定牛肉胴体质量等级是一种很好的方法。研究了一种基于图像处理和支持向量机（SVM）分类的牛肉大理石花纹等级评定技术。首先应用阈值分割、形态学腐蚀及膨胀的方法来分割牛肉图像中的有效区域（用于大理石花纹等级评定的区域）；然后用矩方法来提取图像特征参数，最后用支持向量机的模式识别技术来构造牛肉大理石花纹等级分类模型。结果表明：该模型对我国国家标准规定的牛肉大理石花纹等级的正确识别率分别达到95.9％（一级）、89.2％（二级）、93．2％（三级）、100％（四级）。研究的牛肉大理石花纹等级的机器视觉检测方法是可行的，这为牛肉等级的在线检测装置设计提供了条件。     

孪生支持向量机数学模型与应用综述

通过总结多篇文献研究分析一种目前流行且被广泛应用的识别技术,即孪生支持向量机.首先,介绍其发展背景并从数学理论角度验证该技术的科学性;其次,阐述其在现今技术日趋成熟时代下提出的值得赞赏的改进措施;最后,比较分析其在多个实际领域中的应用效果并总结其优势与劣势.通过总结分析,相信孪生支持向量机技术的适用范围和识别性能依旧存在广阔的发展空间.     

基于NSCT和支持向量机的SAR图像识别

针对传统的合成孔径雷达图像（SAR）识别算法识别精度低,用时长等问题,提出一种基于非下采样轮廓波变换（NSCT）和支持向量机（SVM）的SAR图像识别算法。首先通过非下采样轮廓波变换将目标图像分解成不同的尺度,然后得到目标图像的低频分量和高频分量;接着在高频分量中提取方向梯度直方图特征（HOG）,在低频分量中利用局部二值化算法（Local Binary Pattern,LBP）提取纹理特征;然后将提取的梯度方向直方图特征和局部二值化特征空间连结,并使用支持向量机（SVM）作为分类器;最后对算法进行了测试。实验结果表明,该方法不仅能够有效地提高了SAR图像目标分类的精度,在MSTAR数据库上的准确率达到90.7%,而且对相干斑的影响具有较高的鲁棒性。     

基于计算机视觉的农作物病虫害识别研究现状

农作物病害虫种类多,不仅给农作物的产量和品质带来了很大影响,也对人类的健康造成较大威胁.分析了国内外农作物病虫害研究的现状,讨论了与以往肉眼观测法不同,采用计算机视觉技术中的数字图像处理以及模式识别等技术具有很高的实用价值,能够精确、实时、快速识别病虫害,从而及时地采取相应的补救措施,提高经济效益.     

图像处理技术在柠檬病害诊断中的应用

文章深入探讨了图像增强,基于病斑颜色与外轮廓相结合的病斑分割,有效特征提取,以及分类器构建等相关技术。并以五种容易混淆的病害为例,提取其病斑的色调、纹理、形态三种特征向量,分别采用支持向量机和BP神经网络进行训练、测试。实验结果表明该方法能很好的识别柠檬病害类别,为科学防治和病害危害程度评价提供科学依据。     

基于SVM的图像分类研究

图像分类技术有着重要的应用前景,而且对于基于内容的图像检索的发展会有积极的推动作用。多类图像分类是图像分类中的难点,对基于SVM的多类图像分类方法进行了研究,提出在二类支持向量机的基础上构造多类分类器的方法,实验结果证明和传统方法相比,分类准确率有了较大的提高。     

基于支持向量机的白细胞自动识别

考虑到支持向量机(SVM)在训练样本有限的情况下处理高维数据上的优势,鉴于白细胞多光谱图像数据维数高的特点,为提高白细胞识别的速度和精度,采用支持向量机对白细胞的多值分类问题进行了研究,设计并实现了核函数为二值径向函数(RBF)的分类器,实验结果表明,该分类器有效地解决了白细胞的识别速度和精度问题,识别率达到了89.02%.     

支持向量机在肌电信号模式识别中的应用

为了提高肌电信号多运动模式识别的准确性和实时性,提出了一种基于支持向量机的动作模式分类算法.在给出支持向量机的原理及其多类问题的基本算法基础上,着重介绍了两种改进的支持向量机多类识别算法,即有向无环图算法和基于先聚类后分类的二叉树算法,并比较了它们的优缺点.实验结果表明,针对前臂肌电信号的多运动模式分类,先聚类后分类的二叉树算法具有较高的分类准确性,更少的计算量,更好的实时性.     

基于支持向量机的人脸识别

由于支持向量机(SVM)有着适合处理小样本问题、高维数及泛化性能强等多方面的优势,并且基于核函数主元分析的方法对于非线性问题的特征提取来说较为合理,因此提出了一种基于核函数主元分析(KPCA)与支持向量机(SVM)的人脸识别方法。在使用KPCA方法对人脸图像进行特征提取后,用SVM对特征向量进行分类识别。利用剑桥ORL的人脸数据库进行的实验结果验证了本算法的有效性。