车辆行车实时目标区域特征提取及分类训练

为了实现前方车辆智能实时检测,文中提出了一种基于梯度方向直方图特征和支持向量机的前方车辆检测的区域检测算法.采用一种改进Hough变换直线检测算法提取图像感兴趣区域;对图像感兴趣区域的梯度方向直方图(HOG)特征进行了提取,利用支持向量机(SVM)训练得到的分类器进行前方车辆的检测.实验结果表明:文中提出的区域检测算法能有效实时、准确检测前方车辆;车辆检测用时较梯度方向直方图和支持向量机直接检测算法降低了30%,识别率提高了1.6%.     

VMD和PSO-SVM方法在转子碰摩故障诊断中的应用

针对转子碰摩故障信号的非平稳性和信噪比低的特点,提出采用变分模态分解和支持向量机相结合的转子碰摩的故障诊断方法。通过变分模态分解对原信号做预处理,分解得到若干本征模函数,采用相关系数法选取有效本征模函数进行重构,提高其信噪比,并构造特征矩阵。采用粒子群优化算法优化支持向量机参数,提高支持向量机诊断模型的识别率。通过实验验证,该方法能有效对转子碰磨故障信号进行分解及提取特征,提高了识别率,具有一定的工程实用性。     

基于易变特征实现隐藏信息的盲检测

为检测采用Steghide、MB2隐秘术和较少嵌入信息量得到的隐秘图像，基于压缩标准JPEG的图像及其近似图像的函数，构建了一个统计模型.这些函数从JPEG图像离散余弦变换（DCT）域及其解压图像所在空域中提取易变特征.在DCT域的易变特征中抽取DCT交流系数的统计特性，而在空域的易变特征中捕捉解压图像中DCT块边界像素颜色对差值的统计特性.由原始JPEG图像及其校准图像获取统计量，计算用以表示图像的多维特征向量，得到一个多维统计模型.对8种隐秘术的实验结果表明，基于该模型和支持向量机的盲检测算法对隐秘图像具有很好的检测效果.同传统算法比较，该算法的误检率更低，而检测率更高.     

基于加权支持向量机的入侵检测研究

首先介绍了加权支持向量机算法的基本原理,进而将加权支持向量机用于入侵检测中,通过实验验证入侵检测在小样本的条件下仍然具有较好的推广能力,克服了常规SVM算法不能灵活处理样本的缺陷。实验结果表明,将加权支持向量机用于网络入侵检测中是可行的、高效的。     

支持向量机的红外目标自动检测与识别

针对红外图像提出一种基于支持向量机的目标检测和识别算法，首先运用数学形态学方法对背景进行滤波，突出候选目标；选取适当的阈值和边缘检测算子对候选目标进行图像二值分割和边缘提取；最后以候选目标的边界不变矩作为特征，用支持向量机方法进行目标的识别，确定目标的位置．实验表明，该方法能够有效地实现对红外目标的检测和识别，并具有较高的抗噪声和抗复杂背景的能力。     

一种非线性支持向量机决策树多值分类器

提出了一种非线性支持向量机决策树的分类算法．该算法通过核函数将支持向量机推广到非线性支持向量机,并在非线性映射后计算特征空间中类间相对分离度,得到类的易分程度．在支持向量机决策树分类中引入相对分离度,有效地降低累积误差,减少计算规模,从而提高分类精度与分类效率．实验结果表明,与一般的线性支持向量机决策树分类算法相比,该算法的分类精度有了明显提高,同时其分类时间也相应降低．     

稀疏隐空间支持向量机

利用L1范数放宽函数集的VC维上界．构造出基干L1范数的结构风险．在隐空间中，利用这一结构风险，提出了稀疏隐空间支持向量机．由于L1范数具有诱导稀疏性的本质，使得稀疏隐空间支持向量机获得了良好的稀疏性．同隐空间支持向量机一样．稀疏隐空间支持向量机对核函数没有Mercer条件的限制．扩大了核函数的选择范围．在人工和基准数据集上的分类和回归实验表明．所提算法具有同支持向量机相当的推广能力，并且其稀疏性优于支持向量机，从而使得函数评价速度大大加快．     

基于核K-均值聚类和支持向量机结合的说话人识别方法

提出了基于核K-均值聚类方法与支持向量机结合的说话人识别方法,为每两个人建立一个支持向量机,对支持向量机输入的语音信号先进行核K-均值聚类,并选取有效样本作为支持向量机的输入,本文提出的聚类方法能够去更好的聚类并约简数据,提高了识别率.实验比较了在用支持向量机作为分类器的情况下,该核聚类与传统聚类方法的训练速度和识别性能,验证了本文提出方法的有效性.     

基于壳向量的线性支持向量机快速增量学习算法

提出了一种新的基于壳向量的增量式支持向量机快速学习算法.在增量学习的过程中，利用训练样本集中的几何信息，在样本中选取一部分最有可能成为支持向量的样本--壳向量，它是支持向量集的一个规模较小的扩展集，将其作为新的训练样本集，再进行支持向量训练.这在很大程度上减少了求取支持向量过程中的二次优化运算时间，使增量学习的训练速度大为提高.与单纯使用支持向量代表样本数据集合进行增量学习的传统算法相比，使用该算法使分类精度得到了提高.针对肝功能检测标准数据集（BUPA）的实验验证了该算法的有效性.     

《词分布均衡度评价法》实验综述

支持向量机文本分类因其分类精度高而得到广泛应用,本文提出了基于词分布均衡度支持向量机文本分类算法的实验要求、实验条件、实验步骤及实验结果分析。实验结果表明,在数据挖掘的文本分类中词分布均衡度评价特征词选取法优于优于标准文档频数法等方法。     

OFDM信道非线性预测算法

为了提高OFDM系统的传输效率和提前获取移动信道信息,提出了一种新的非线性信道预测算法.首先利用重构嵌入相空间理论将支持向量机和非线性动力学理论联系起来,解决了训练数据的维数确定问题,为研究支持向量机提供了新的理论途径.在此基础上采用递归最小二乘支持向量机在高维空间中解决导频点的预测问题,最后在频域进行插值操作以估计其他频点处的信道参数.仿真结果表明,与传统的信道估计算法相比,在增加较小误码率的条件下,减少了导频个数,提高了系统的传输效率并提前获取了信道信息,为自适应技术的实施提供了重要的信息.     

一种基于SVM的人形识别算法

提出了一种基于SVM(支持向量机)人形识别的算法,通过对静态图像小波变换提取目标的局部形状突变特征,并结合动态帧的步态特征,然后利用支持向量机对小样本进行学习与识别.通过实验验证,该算法具有实时性好、识别率高、可靠性高、适用范围广等特点,以达到实现监控自动化和智能化的目标.     

基于KSVM决策树法的人脸检测与定位

传统的SVM直接在线性条件下训练SVM分类器完成人脸与非人脸的分类,分类器训练困难,计算量大且速度慢.为构造一个复杂背景下人脸检测与定位的新方法,本文用核函数把SVM推广到非线性SVM,再与二叉树相结合,可以解决多类识别问题,此即KSVM决策树人脸检测方法.在此基础上,人脸面部特征被进一步确认.本文提出了改进的四边界Prewitt边缘算子提取人眼,进而定位五官.实验结果表明该方法检测率较高,虚警率较低,定位准确.     

基于模糊支持向量机的电力系统中期负荷预测

考虑到气温因素对电力系统负荷的影响,提出了一种模糊支持向量机(FSVM)算法,基于欧洲智能技术网络(EUNITE)竞赛数据进行了中期电力负荷预测的应用研究。首先利用隶属度函数对影响负荷的气温因素进行模糊化处理,然后结合已知数据得到支持向量机(SVM)的训练样本集,采用序列极小优化(SMO)算法实现对支持向量机(SVM)的快速训练,最终得到预测结果,并与不将气温模糊化的仿真结果进行比较,表明本文所提方法简便且预测精度较高。     

模糊支持向量机在汽轮机故障诊断中的应用

阐述了模糊支持向量机的原理。考虑到各类样本的不同影响,在基于风险的基础上,通过确定各个样本的模糊隶属度,引入模糊支持向量机的概念,将这一理论应用于汽轮机减速箱的故障诊断中,使一类样本点中只包含正常样本。实验结果表明了该方法的可行性与有效性。     

Online LS-SVM for function estimation and classification

An online algorithm for training LS-SVM (Least Square Support Vector Machines) was proposed for the application of function estimation and classification. Online LS-SVM means that LS-SVM can be trained in an incremental way, and can be pruned to get sparse approximation in a decremental way. When a SV (Support Vector) is added or removed, the online algorithm avoids computing large-scale matrix inverse. Thus the computation cost is reduced. Online algorithm is especially useful to realistic function estimation problem such as system identification. The experiments with benchmark function estimation problem and classification problem show the validity of this online algorithm.     

基于支持向量机的非特定人孤立数字语音识别

为了识别一组非特定人、不连续的数字语音信号,本文提出了一种基于支持向量机理论的语音信号识别算法．具体过程主要包括训练过程和识别过程．其中训练过程为：先使用预先建立起来的语音库对选定的支持向量机进行训练,得到一组与该语音信号相关的支持向量;在识别过程中,首先获取被测语音信号,并根据MFFC理论提取特征向量,然后使用训练后的支持向量机进行识别．此外,还提出使用短时区域能量谱的方法对语音信号进行端点检测．结果表明,与目前流行的隐马尔可夫算法比较,本文算法具有识别速度快、准确率高等优点．     

基于0,1系数组合差异的F5隐写分析算法

F5是经典的JPEG图像隐写算法之一。文章分析了JPEG图像F5隐写算法嵌入后产生收缩效应的原因,发现JPEG图像8×8分块内Z扫描顺序下两个相邻频率位置0,1系数组合在嵌入前后发生了不同程度的变化。在此基础上提取了基于同一分块内、水平和垂直相邻的两个分块内相邻频率位置0,1系数组合差异的12维特征,并运用支持向量机进行分类。实验结果表明,文章算法实现了F5算法的有效检测。     

基于遗传算法的SVM参数选取

支持向量机(SVM)是一种非常有前景的学习机器。然而在实际应用中,SVM的参数选取问题一直没有得到很好的解决,这在很大程度上限制了它的应用。为了能够自动地获得最佳参数,提出了基于遗传算法的SVM参数选取方法。该方法首先通过分析SVM参数对其性能的影响来确定遗传算法的搜索区间,然后在该区间内对搜索的参数进行选取。将该文提出的方法应用于5个由R tsch收集的标准模式库,实验结果表明由该方法所得参数确定的SVM具有较优的识别率和较简单的结构,即具有较佳的整体性能。