基于组合核函数支持向量机的人脸识别

利用K-L变换首先对人脸图像进行特征参数提取,再利用支持向量机进行识别。为了得到学习能力和泛化能力较好的核函数,根据核函数性质,将局部核函数和全局核函数线性组合成新的核函数-组合核函数,采用Cross-Validation方法对其参数和组合系数进行优化选择;将该核函数应用于支持向量机中,并对YALE人脸库和ORL人脸库进行实验。仿真结果验证了该核函数的有效性。与普通核函数的支持向量机的比较实验表明:该组合核函数的支持向量机优于普通核函数的支持向量机。     

早期火灾火焰尖角计算算法的研究

图像型火灾探测技术相对于传统火灾探测方法有诸多优势,适合大空间、大面积或野外环境,恶劣环境等条件下火灾的探测。早期火灾的判别多采用多个判据,如火焰面积,边缘变化等。火焰尖角数目和圆形度是早期火灾火焰的重要边缘特征。各识别判据的准确计算可以得到更加准确的火灾识别效果。通过火焰面积和圆形度两个判据判断火灾还存在一定的误判。火焰尖角数目配合其它两个判据可以有效地提高火焰的识别准确性,减少误判。     

基于支持向量机的超导限流器故障电流模式识别研究

对于饱和铁芯型超导限流器,指出短路故障电流需要快速识别,设计和制造了三相小样机和相应的基于labview和NI板卡的实时检测控制系统.提取了短路故障电流的2个重要特征:电流实时幅值,电流变化率,.根据特征,分别采用神经网络感知机模式分类,线性核的支持向量机和径向基函数核的支持向量机,离线在matlab环境下训练,找出最优分类面.对几种方法进行比较实验,实验数据验证表明了RBF核支持向量机具有最好的识别效果.但是该方法难以在FPGA中实现,而线性核支持向量机是综合识别效果和可实现性2个指标的最佳选择.     

煤炭需求量预测的支持向量机模型

根据选择的嵌入维数，建立了基于支持向量回归的中国煤炭需求量预测模型．用1980-2002年的中国煤炭需求量构造了支持向量机的输入向量和输出向量；经过与线性核函数及Sigmoid核函数的对比，选用基于径向基函数（RBF）作为校函数，在分析预测误差和模型参数关系的基础上，选择了合适的参数；建立了多输入、单输出的支持向量机（SVM）预测模型．用检验样本与基于RBF神经网络模型的预测进行了比较，结果表明支持向量机模型在训练样本较少的情况下，仍有较高的预测精度和较强的泛化能力，证明了该模型时近期的预测是可靠的．最后用训练好的支持向量机模型很好地预测了2003-2006年我国的煤炭需求量．     

一种混合核函数支持向量机算法

提出一种基于混合核函数的支持向量机算法.首先证明了常用核函数的非负线性组合也是满足Mercer条件的核函数.然后通过最小化衡量二次损失函数支持向量机泛化能力的RM界来进行各子核函数参数、混合核函数组合系数以及惩罚系数的选取.仿真实验表明,基于混合核函数的支持向量机的泛化性能优于基于单一核函数的支持向量机.     

基于模糊域和支持向量机的故障诊断方法

将模糊域分布和支持向量机相结合，提出了一种故障诊断的新方法，该方法将模糊域分布中的局部能量作为特征输入到支持向量机的多故障分类器进行故障识别．利用模糊域分布可以很好地刻画信号的时频局部化特征，与时一频平面特征提取相比，又可大大降低数据维数．对于不同类型的核函数分布，将其诊断结果进行比较，试验结果表明，基于模糊域的支持向量机故障分类无需核函数滤波就能取得最好的分类效果．     

基于基空间转换的姿态人耳识别

人耳识别是近年来新兴起的一种生物特征识别技术,然而姿态问题一直是其难点问题之一,针对此问题提出了一种基于基空间转换的新方法．首先,利用主元分析和核主元分析方法得到姿态人耳图像和正侧面人耳图像的基空间,通过计算两种基空间之间的线性转换关系求出姿态转换矩阵,然后将待测的姿态人耳图像特征集利用基空间姿态转换矩阵转变成正侧面人耳图像特征集,最后用支持向量机进行分类识别．实验结果表明,该方法与没有经过姿态转换的方法相比,识别率显著提高．     

使用多尺度LBP特征和SVM的火焰识别算法

目前基于视频图像的火灾识别系统是大空间场景中预防火灾的有效方法。为了提高检测性能,基于火焰特定的纹理结构,使用多尺度纹理特征,以获得更全面的特征信息。首先使用火焰的明亮特性定位到疑似火焰区域;然后针对这些区域,采用局部二值模式(local binary patterns, LBP)方法提取多尺度纹理特征;最后将多尺度LBP纹理特征输入到支持向量机(support vector machine, SVM)中进行识别。实验结果表明,该方法计算简单,火焰的检测率较高,误警率较低。     

混合核SVM财务欺诈识别

通过线性组合构造混合核函数,建立一种基于混合核学习的支持向量机财务欺诈检测模型。利用蜂群算法对混合核函数参数进行寻优,获取最佳参数,并对给定的训练样本进行学习,得出最佳输入输出关系,从而对财务数据进行识别检测。实例测试结果表明,该模型与单核的支持向量机模型相比,识别精度和鲁棒性都有所提高。     

双核函数最小二乘支持向量机汽油干点软测量建模

针对单核函数最小二乘支持向量机容易陷入局部最优值,提出双核函数最小二乘支持向量机软测量建模算法。该方法利用Sigmoid核函数与RBF核函数线性加权构成双核函数,去除部分较小支持向量样本的方法,改善最小二乘支持向量机的稀疏特性,提高模型运算速度,用k-交叉验证法进行部分参数的优化,最后将此方法用于建立汽油干点软测量模型,并与标准支持向量机、单核最小二乘支持向量机比较,结果表明双核函数最小二乘支持向量机软测量模型具有更高的计算精度和更好的推广能力。     

基于PCNN分割的火焰图像检测技术

基于PCNN分割的火灾探测方法,提出了基于计算机视觉和数字图像处理技术的火焰特征计算方法,根据色度学原理对火焰图像进行阈值分割、去除噪声、寻找火焰边界、计算周长和面积、找出火焰特征坐标等处理.从理论分析及实验结果中得出了该方法具有精度高、适应性强、易于计算等特点,可以抵抗常见的干扰对系统的影响,可以提高火灾探测的准确率减少漏判和误判.     

分形编码技术在图像型火灾烟雾探测中的应用研究

图像型火灾探测技术是火灾探测领域中近几年发展起来的较新的技术分支，由于其自身非接触性探测等优越性，成为国内外火灾探测领域关注的焦点。文章介绍了图像型火灾烟雾探测技术的发展和现状，并针对火灾烟雾的分形特征引入分形编码技术，分析了通过基于K均值聚类方法的分形编码技术进行烟雾图像分割的实用性。     

基于SVM的多传感器火灾报警系统

为提高火灾报警系统的灵敏性和可靠性,将温度传感器、烟雾传感器、二氧化碳传感器和一氧化碳传感器探测到的数据作为多分类SVM的输入,利用SVM的分类泛化能力实现火灾信号的识别.仿真结果表明,基于SVM的多传感器火灾报警系统能准确地识别多种火灾信号,提高系统的抗干扰能力.     

火灾视频图像的边缘检测

针对火灾视频图像存在较多噪声的特点，介绍了图像边缘的概念和几种传统的边缘检测算子，对各种边缘检测算子的优缺点进行了分析，给出了一种图像阈值分割与边缘检测相结合的方法.该方法先对火焰灰度图像进行分割，采用阈值迭代算法找到分割的阈值，使火焰与背景分离，然后再应用传统的边缘检测算子.通过利用拍摄的火焰视频图像对传统的算法和给出的算法进行多次试验及图像的对比分析，结果表明，提出的边缘检测方法检测出的火焰边缘在完整性和清晰度上具有更好的效果.     

基于图像处理和支持向量机的微型齿轮缺陷检测

针对微型齿轮缺陷传统检测手段落后、准确率低、不易在线实施、受人为因素影响等问题,提出了以电荷耦合器件为图像传感器,采用图像处理技术和支持向量机对齿轮缺陷进行检测的方法。首先,系统采用发光二极管照明光源提供高强度背光照明,使用A102FCCD数字摄像头采集齿轮的图像,经过图像采集卡传输到计算机。其次,采用边缘保持滤波器对含有噪声的原始数字图像进行降噪处理,采用迭代阈值法和Otsu双阈值法对齿轮图像进行分割,形成二值化图像。然后获取齿轮样本,提取样本特征。最后用支持向量机来构造齿轮缺陷识别模型。该方法识别正确率达97.8%。理论分析及实验结果表明,该方法检测成本低廉、可靠性高、推广性强、容易在线实施。     

基于支持向量机的电站锅炉燃烧稳定性判别

以某600MW单元机组锅炉运行时的火焰信号为分析对象,利用支持向量机研究了锅炉燃烧稳定性判别问题。提取了火检信号的均值、方差、峰峰值和均匀度等4个特征量,然后比较了采用3种不同核函数的支持向量机对同一火检信号样本组的训练效果,其中模型参数通过交叉验证的方法确定。分析表明,径向基核支持向量机判别准确率最高。最后测试结果验证了支持向量机用于火焰燃烧稳定性判别,具有很好的分类和泛化能力。     

数字图像处理技术用于锅炉炉膛火焰检测

介绍了目前锅炉火焰检测系统的技术特性及用于火焰检测的数字图像处理技术。分析了锅炉炉膛火焰监测与图像处理系统的构成,以及目前新发展起来的根据煤粉火焰图像判断燃烧状况的计算机算法,其中基于火焰温度场的处理方法具有较完善的理论依据和很好的应用前景。