基于支持向量机方法的多目标图像分割

在核主成份分析的特征提取基础上,采用支持向量机方法对多目标图像进行分割研究.实验结果表明,结合核主成份分析的特征提取,支持向量机方法是一种很有前景的多目标图像分割技术.     

基于支持向量机的彩色图像分割研究

为了提高彩色图像分割方法的性能,提出一种基于支持向量机的手动选择样本点集的分割方法。该方法通过人为主观观察颜色特征变化,在像素峰值处选择样本点,使得背景和目标样本点的颜色差异较明显,达到了简化样本点的目的,从而实现了彩色图像的快速分割,同时比较和分析核函数参数及样本点数目的不同对分割效果的影响。实验证明,与传统的窗口取样相比,该方法更加的快速有效,且算法简单,易于推广。     

凸组合核函数的支持向量机高光谱图像分类

支持向量机的高光谱图像分类中,单核函数存在局限性。为了提高分类器的分类精度和支持向量机模型的泛化能力,利用高斯径向基核和多层感知核进行凸组合构造复合核函数支持向量机,证明了该函数满足作为核函数的判决Mercer条件,并进一步将凸组合核函数支持向量机应用到高光谱图像分类中,完成了建模和实验验证。实验结果表明,凸组合核函数具有较好的鲁棒性,且该类支持向量机的分类精度和KAPPA系数较单核SVM均得到了有效的提高,是一种解决多分类问题行之有效的分类器。     

基于分段核函数的支持向量机及其应用

支持向量机兼顾训练误差和推广性能,已受到机器学习领域的高度重视,而核函数的性能是支持向量机研究中的关键问题。研究了几种常见核函数对支持向量机推广性能的影响,并利用全局核函数和局部核函数的性质,提出了一种新的分段核函数的支持向量机。数据集上的仿真结果表明,该核函数对应的支持向量机泛化能力优于传统核函数对应的支持向量机,具有较好的预测性能。     

基于支持向量机方法的噪声图像分割

图像分割是计算机视觉领域的关键技术之一。支持向量机方法被认为是好的学习分类方法之一,特别在小样本、高维情况下,具有较好的泛化性能。针对噪声图像的分割,提出了模糊权重支持向量机方法。分割实验表明,与经典支持向量机方法相比,模糊权重支持向量机方法具有更强的抗噪性。     

基于先验知识的支持向量机在图像分割中的应用研究

文中在研究现有先验知识与支持向量机融合的基础上,针对置信度函数凭经验给出的不足,提出了一种确定置信度函数方法,更好地进行分类。该方法是建立在模糊系统理论的基础上:将样本的紧密度信息作为先验知识应用于支持向量机的构造中,在确定样本的置信度时,不仅考虑了样本到所在类中心之间的距离,还考虑样本与类中其它样本之间的关系,通过模糊连接度将支持向量与含噪声样本进行区分。文中将基于先验知识的支持向量机应用于医学图像分割,以加拿大麦吉尔大学的brainWeb模拟脑部数据库提供的不同噪声的图像进行实验,实验结果表明采用基于先验知识的支持向量机比传统支持向量机具有更好的抗噪性能及分类能力。     

基于成对约束的混合核函数KFCM图像分割算法

目前一些基于模糊核聚类的图像分割方法得到了大量研究,但难以有效地解决核方法中的参数合理选择问题,分割结果受到核参数人为主观选择的制约,不能达到分割的自适应性和良好性.通过提出一种基于成对约束的混合高斯核的方法来解决上述问题.将传统的高斯核函数改进为混合核函数,该混合核函数由多个不同核参数的高斯核函数组成,对于该混合核函数采用基于成对约束的类别信息算法求解其中的核参数和权重系数,进而采用该混合核函数对图像进行聚类分割.实验结果表明:该方法成功解决了模糊核聚类中核参数的选择问题,使得聚类更具有自适应性,而且由该混合核参数得到的图像分割结果更为鲁棒和准确.     

基于支持向量机的版面分割问题研究

版面分割是版面分析的重要组成部分,实现复杂版面的快速、有效分割是目前亟待解决的问题。针对复杂版面分割问题,文中将相位一致性统计特征和改进灰度共生矩阵的纹理特征相结合,得到一种新的组合特征向量。将该组合特征向量作为训练样本,最终得到基于支持向量机的复杂图像分割算法。实验结果表明,与其他方法相比,基于支持向量机的方法在版面分割任务中表现出了较好的召回率与准确率,能有效区分复杂图像中的各类不同区域,该方法为如何提高复杂版面的分割准确率提供了理论参考。     

基于混合核函数的支持向量机在人脸识别中的应用研究

针对支持向量机中的核函数选择和参数优化问题进行研究,结合局部性函数和全局性核函数的特点,形成由高斯核函数和多项式核函数构成的混合核函数,并运用于人脸识别,仿真实验结果证明了混合核函数的具有较高的识别率。     

基于复合核支持向量回归机的多类分类算法

针对传统支持向量机(SVM)在解决多类分类问题时需要训练多个分类器、存在不可分区域等问题,研究了基于支持向量回归机的多类分类算法。利用回归思想求解多类分类问题,将分类样本作为回归输入,样本的类别标识作为回归输出,通过支持向量回归机训练拟合出各样本与其类别标识之间的函数关系。将待分类样本代入回归函数,对其输出取整后即可得到样本类别。该算法仅使用1个分类器,明显简化了分类过程。另外,引入复合核函数来提高支持向量回归机的性能。采用加州大学欧文分校(UCI)例题库中的多类分类问题进行仿真验证,并将改进算法与传统算法作对比,结果表明改进算法在分类速度和准确率上都有显著提高。     

基于单核和组合核函数在垃圾邮件过滤中的比较应用

大多数文本为高维且线性不可分。针对中文邮件,首先阐述了邮件预处理的相关方法,利用TF－TDF将邮件向量化。分析了多种常用核函数在SVM中应用于垃圾邮件过滤。阐述了全局核函数和局部核函数的特点,主要针对全局核函数－多项式（Poly）核函数和局部核函数－径向基核（RBF）函数在垃圾邮件分类的准确性做了比较,综合分析后组合两种核函数。实验证明,组合核函数在性能上优于单个核函数,具有较好的学习能力和泛化能力。     

Image Segmentation Based on Support Vector Machine

Image segmentation is a necessary step in image analysis. Support vector machine （SVM） approach is proposed to segment images and its segmentation performance is evaluated. Experimental results show that： the effects of kernel function and model parameters on the segmentation performance are significant; SVM approach is less sensitive to noise in image segmentation; The segmentation performance of SVM approach is better than that of back-propagation multi-layer perceptron （BP-MLP） approach and fuzzy c-means （FCM） approach.     

基于核主元分析法的组合核函数改进算法

提出了一种新型的组合核函数应用于构建支持向量机当中.这种组合核函数将高斯核函数与多项式核函数各自的特点融合在一起,构建了一种兼具内推和外推性能的核函数.经实验验证,将这一核函数应用在核主元分析法中,可以有效地提高识别精确度和效率.     

基于Vague-Sigmoid核函数的PSVM故障诊断算法研究

支持向量机因其相比于传统算法具有良好的分类性能,而广泛地应用于故障诊断研究中。但标准SVM存在训练时间长,占用内存大的不足。近似支持向量机（Proximal Support Vec-tor Machines,PSVM）算法具有训练速度快占用内存少的特点,特别适用于大量数据的故障诊断。但其对于分类超平面附近点的诊断精度略显不足。针对此类问题文中将耗时较少的Vague-Sigmoid核函数应用于PSVM,用以提高其对于在分类面附近样本的分类精度,仿真证明获得了较好的效果。     

基于SVM的人脸识别算法中核函数的特性分析

讨论了支持向量机的四种常用核函数的适用范围和核函数参数的选择,对四种核函数在人脸识别中的分类特性进行了对比分析,并介绍了一种新的用于人脸识别的核函数。     

用不同核函数的SVM对红外目标进行运动和轨迹估计

研究用支撑矢量机(SVM)进行了红外目标运动估计的方法,并与传统方法进行比较,分析了核函数对估计结果的影响。实验表明,SVM在函数估计应用中是有效的,并表现出更强的普适性和更高的精度。     

尺度核函数支撑矢量机

本文提出了一种可容许的支撑矢量机核—尺度核.该尺度核函数可以被看作是一个具有平移因子的多维尺度函数,它能作为平方可积空间的子空间上一组完备的基函数.在此意义上,采用尺度核函数的支撑矢量机,可以认为是在尺度空间中寻找最佳的尺度系数.因此在理论上尺度核函数支撑矢量机能够以零误差逼近某一空间上的任何目标函数,文中给出的仿真实验进一步验证了它的可行性和有效性.     

基于粒子群的支持向量机图像识别

为了实现对田间水稻缺素的精准识别,构建一个图像识别系统。对该系统所采用的图像采集、图像分割、基于支持向量机图像分类等算法进行研究。首先,根据田间水稻的缺素现象进行图像采集和处理。然后提取图像与氮元素相关的颜色特征。在分析比较SVM算法对图像分割的基础上,提出一种基于改进粒子群算法进行SVM参数优化算法模型（即IPSO-SVM）。最后,对实验进行设置,对算法模型与其他算法进行测试对比。实验结果表明：对水稻缺素诊断的准确率达到95.45%,基本满足田间水稻缺素的科学诊断要求。     

DDoS detection based on wavelet kernel support vector machine

To enhance the detection accuracy and deduce false positive rate of distributed denial of service （DDoS） attack detection, a new machine learning method was proposed. With the analysis of support vector machine （SVM） and the wavelet kernel function theory, an admissive support vector kernel, which is a wavelet kernel constructed in this article, implements the combination of the wavelet technique with SVM. Then, wavelet support vector machine （WSVM） is applied to DDoS attack detections and as a classifying means to test the validity of the wavelet kernel function. Simulation experiments show that under the same conditions, the predictive ability of WSVM is improved and the computation burden is alleviated. The detection accuracy of WSVM is higher than the traditional SVM by about 4%, while its false positive is lower than the traditional SVM. Thus, for DDoS detections, WSVM shows better detection performance and is more adaptive to the changing network environment.     

基于机器学习的图像分割算法研究

图像分割是计算机视觉研究中重要的一部分,其主要目的是在图像中将兴趣域目标与背景分割,关系到后续的目标识别、图像理解等操作的准确性.经过几十年的发展,许多优秀的图像分割的方法被提出.机器学习是当今时代的研究热点,基于深度卷积神经网络等机器学习的图像分割研究进展迅速.总结介绍了应用于图像分割的几种典型机器学习方法,分析比较了相关的分割原理步骤、优缺点和发展现状.最后分析了基于机器学习的图像分割算法的发展方向.