共查询到19条相似文献,搜索用时 46 毫秒
1.
2.
由于支持向量机( Support Vector Machine,SVM)在处理样本不平衡分布时会有偏向性,使少数类别的分类错误率的上界高于多数样本类别。分析总结了针对该问题当前的研究方法,并指出存在问题。研究分析针对不平衡样本SVM分类识别率的倾向性问题。考虑全局样本信息,提出了3种针对所有样本空间分布距离信息的方法。在UCI数据集上进行实验,结果证明MSEDR-SVM( Mean Sample Euclidean Distance Ra?tio-SVM)能够有效增加少数样本类别的F -值。从而改善标准的SVM只依靠支持向量样本构建分类超平面的局限性。 相似文献
3.
压缩域中基于支持向量机的镜头边界检测算法 总被引:1,自引:0,他引:1
针对如何进一步提高镜头边界检测精度问题,本文提出了一个基于支持向量机SVM (Support Vector Machine)的镜头边界检测算法.该算法利用视频压缩域中特征,如宏块类型,帧间对应宏块DC系数差和帧类型将视频帧分为发生切变的帧、发生渐变的帧和非镜头变换帧三类,从而实现视频的镜头分割.实验结果表明该算法对摄像机的运动和大物体的进入具有很好的鲁棒性,且没有大多数算法中阈值选择的困难,将我们的算法与2001 TREC评估中最佳指标进行了比较,在综合度量查全率和查准率的性能指标F1上,比2001 TREC评估中最佳指标高约8%. 相似文献
4.
支持向量机在大样本情况下训练速度慢,支持向量预选取可以解决这个问题.AdaBoost算法重点关注错分样本,而错分样本一般都处于分类边界,支持向量就由分类边界样本构成.因此,提出基于错分样本的AdaBoost支持向量预选取算法,该算法通过AdaBoost提升过程,使得越是容易被错分的样本权值越大,从而实现支持向量的预选取,通过仿真实验验证了算法的有效性. 相似文献
5.
6.
基于随机下采样和SMOTE的不均衡SVM分类算法 总被引:5,自引:0,他引:5
传统的支持向量机(SVM)算法在数据不均衡的情况下,分类效果很不理想。为了提高SVM算法在不均衡数据集下的分类性能,提出随机下采样与SMOTE算法结合的不均衡分类方法。该方法首先利用随机下采样对多数类样本进行采样,去除样本中大量重叠的冗余样本,使得在减少数据的同时保留更多有用信息;而对少数类样本则是利用SMOTE算法进行过采样。实验部分将其应用在UCI数据集中并同其他采样算法比较,结果表明文中算法不但能有效提高SVM算法在不均衡数据中少数类的分类性能,而且总体分类性能也有所提高。 相似文献
7.
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。 相似文献
8.
新一代心电图(Electrocardiography,ECG)系统中,可以使用可穿戴设备来监测人体生理信号.心电图信号是一种生物医学信号,基本上与人体心脏的电活动相对应,根据其波形可以初步判断人体是否存在疾病.本文首先对ECG信号进行了预处理,然后使用自适应阈值对QRS波进行定位,最后使用支持向量机对心电信号进行分类.... 相似文献
9.
10.
11.
提出一种基于支持向量机的实际调制信号自动识别新方法。利用支持向量机把分类特征向量映射到一个高维空间,并在高维空间中构造最优分类超平面以实现信号分类。计算机仿真结果表明,该方法对实际采集的信号具有很好的分类性能。 相似文献
12.
13.
14.
15.
在小样本、低信噪比条件下,同步参数估计会存在较大误差,从而导致信号解调性能的降低。为了解决该问题,将信号解调看成有限长度采样样本的学习问题,并利用支持向量机( SVM)良好的学习性能,在存在同步误差的条件下,通过提高判决端的处理能力来改善系统的接收性能,提出了基于SVM的信号解调算法。在Matlab环境下,对提出算法在精准同步、残存同步误差、高斯白噪声和高斯色噪声等情况进行了计算机仿真,结果表明,相比于匹配滤波器算法,基于SVM的信号解调算法能较好地克服定时误差和相位误差以及色噪声对解调性能的影响。 相似文献
16.
提出了一种基于HHT和支持向量机的实际数字调制信号识别算法。首先介绍了HHT方法的基本原理,对三种数字调制信号进行分析,提出用于识别实际FSK,PSK和QAM信号的特征参数,然后运用支持向量机算法分类三种数字调制信号,仿真结果表明,在信噪比10dB时,识别率达95%以上。 相似文献
17.
基于径向基小波核的多尺度小波支持向量机 总被引:6,自引:0,他引:6
普通支持向量机(SVM)方法用于多尺度回归建模时不能取得满意的精度,而现有的多尺度SVM算法存在只适合均匀分布的样本并可能收敛于局部极值等问题.为解决上述问题,本文提出了一种基于径向基小波核的多尺度小波支持向量机学习算法.文中提出并证明了一种新的径向基小波支持向量核,可提高小波SVM的训练速度和逼近精度.在此基础上,通过解一个二次优化问题可求出多尺度回归建模问题的全局最优解.最终得出的多尺度回归模型能够有效地逼近多尺度信号.仿真结果验证了所提算法的有效性. 相似文献
18.
Tianji Dai Yunpeng Xiao Xia Liang Qian Li Tun Li 《Digital Communications & Networks》2022,8(2):186-193
In social networks, many complex factors affect the prediction of user forwarding behavior. This paper proposes an improved SVM prediction method for user forwarding behavior of hot topics to improve prediction accuracy. Firstly, we consider that the improved Cuckoo Search algorithm can select the optimal penalty parameters and kernel function parameters to optimize the SVM and thus predict the user's forwarding behavior. Secondly, this paper considers the factors that affect the user forwarding behavior comprehensively from the user's own factors and external factors. Finally, based on the characteristics of the user's forwarding behavior changing over time, the time-slicing method is used to predict the trend of hot topics. Experiments show that the method can accurately predict the user's forwarding behavior and can sense the trend of hot topics. 相似文献
19.
基于SMO的不同惩罚系数的SVM算法 总被引:1,自引:0,他引:1
非平衡数据集的分类问题经常出现在许多实际应用中。支持向量机在处理这一类问题时,整体分类性能比较低。为此,Veropoulos提出的采用不同惩罚系数的改进算法可以较好的解决此类问题。此外,可以利用序列最小优化算法简单快速的解决上述优化问题。 相似文献