共查询到19条相似文献,搜索用时 62 毫秒
1.
提出了基于概率测度的支持向量机算法,它采用概率分布作为均值嵌入构造再生希尔伯特空间,为了能够直接采用任何标准的基于核的学习技术,又构造了支持向量机的一般形式,称为基于概率测度的支持向量机(PMSVM).通过在MNIST数据库构建的虚拟样本进行实验,证明了该算法在识别率和时间消耗上更为有效. 相似文献
2.
提出了一种新的在高斯白噪声条件下基于支持向量机的分层调制识别方法.其中选取信号的4阶、6阶累积量作为分类特征向量,并利用支持向量机作为分类器对其进行分层调制分类.该方法相比其他非分级调制识别方法具有较低的计算复杂度和较快的分类器训练速度.理论分析和仿真结果均证明了算法的正确性和有效性. 相似文献
3.
4.
5.
本文研究了堤坝表观病害快速识别方法,首先基于支持向量机对采集的可见光图像进行分类,进而设计了基于改进Frangi滤波的表观病害识别方法,并通过实验室模拟实验进行了验证,实现了对堤坝表观病害的有效识别。 相似文献
6.
本文以四阶累积量为特征参数,采用支持向量机(SVM)将分类特征值映射到高维空间中,并构建最优分类超平面,实现对QPSK、16QAM、64QAM和OFDM四种信号的自动调制识别。分析了AWGN信道、Rayleigh衰落信道和Nakagami衰落信道对四阶累积量的影响,推导并给出了经过衰落信道后四阶累积量的表达式。基于支持向量机的调制识别方法解决了特征样本在低维空间的不可分问题,仿真结果表明,在SNR低于10dB时,该方法的性能明显优于决策树方法,信噪比大于等于0dB时,各种信号的调制识别率在90%以上。 相似文献
7.
8.
融合人脸和指纹等特征信息进行身份认证识别。在对人脸图像使用主成分分析法降维和Herr-like方法特征提取、对指纹图像进行细节特征点提取的基础上,采用支持向量机进行融合识别。同时,采用一种改进的高斯核函数构造支持向量机。实验结果表明,该方法有效地提高了识别率和泛化能力。 相似文献
9.
支持向量机是在统计学理论基础上提出的一种新的机器学习方法,由于其出色的学习性能,该技术已成为机器学习界的研究热点,并成功地应用在文本分类、图像识别、生物信息处理等领域。这里简要介绍了支持向量机算法及其应用,并且讨论了其未来的发展方向。 相似文献
10.
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
11.
12.
13.
一种基于集成BP网络的手写汉字识别方法 总被引:6,自引:3,他引:3
针对脱机手写体汉字识别,文章给出了一种基于多层BP网络的并行集成方法,该方法是纯神经网络的多分类器并行集成方案。汉字经预处理后,采用弹性网格变换和Zernike矩分别对汉字进行局部和全局特征提取,利用两个BP网络分类器对这两种特征进行训练和初分类。再利用集成网络对前两个子网络的识别结果进行识别。同时对BP网络的应用做了有益的探索,也为BP网络在人类别分类问题中的应用提供了一条可行的途径。实验结果验证了此方法的有效性。 相似文献
14.
15.
16.
基于多级神经网络结构的手写体汉字识别 总被引:11,自引:0,他引:11
本文提出了一种用于手写体汉字识别的多级神经网络结构(Multi-stageNeuralNetworkArchitecture,MNNA)模型。在该模型中,我们将多个神经网络和不同的特征提取方法有机地集成在一起而构成一个完整的模式识别系统。我们讨论了设计MNNA的一般原理,并提出了一个基于多层前馈神经网络的三级结构的手写体汉字识别实验系统。三种不同的特征提取方法被应用于各级子系统之中。对100个汉字15000个样本的实验我们得到了99.34%的识别率,0.36%的拒识率和0.3%的误识率,表明该模型是十分可行和有效的 相似文献
17.
针对阅卷系统中手写汉字识别率和识别精度低的问题,文中提出一种基于压缩感知理论的阅卷系统手写汉字识别算法。该算法首先对阅卷系统手写汉字图像进行随机采样得到其特征;然后对其进行稀疏表示,并最小化其l1范数以得到样本的稀疏解;最后利用该稀疏解的系数判别测试样本的类别。该方法用对信号的随机采样替代了传统的特征提取方法,简化了算法的实现过程,同时用现有的训练样本组成训练字典,避免了复杂的训练过程。该算法在手写汉字数据库ETL9B上的识别率达到99.1%。 相似文献
18.
近年来基于深度学习的方法识别手写体汉字取得了很多突破,但现有的一些方法存在计算参数多、模型收敛慢、训练时间长的缺点。针对以上问题,提出了基于GoogLeNet的脱机手写体汉字识别模型HCCR-IncBN,模型使用了5个Inception-v2模块,训练参数较少,模型收敛更快,存储整个模型只需要26MB的存储空间。实验利用HCCR-IncBN模型在ICDAR2013数据集获得了95.94%的识别准确率,表明模型在没有使用任何手写体汉字的特定领域知识和无需人工提取其他特征的前提下能够获得较高的识别效果。 相似文献