仓储物害虫声音识别研究中的Madaline神经网降噪

提出了基于声音模式识别技术的仓储物害虫计算机自动分类的新方法 .在声音信号的预处理中采用Madaline(两层Adaline)神经网降噪方法 ,该方法以其自适应抵消器抵消环境噪声 ,较完整的保留仓虫声音信号 ,从而为仓虫声音特征的提取及分类打下了良好的基础     

仓储物害虫声音识别研究中的Madaline神经网降噪

提出了基于声音模式识别技术的仓储物害虫计算机自动分类的新方法。在声音信号的预处理中采用Madaline(两层Adaline)神经网降噪方法，该方法以其自适应抵消器抵消环境噪声，较完整的保留仓虫声音信号，从而为仓虫声音特征的提取及分类打下了良好的基础。     

基于人工神经网络的粮食害虫分类

采集粮食害虫幼虫在粮堆中咬食的声音信号,利用信号处理技术进行处理,提取出有用的信号特征,根据这些特征,通过人工神经网络对害虫进行分类.共采集了3种害虫的声音信号,正确分类率达到了0.9583.     

基于协议分析和SVM多分类的入侵检测系统研究

入侵检测实质上可以被描述为对数据样本进行尽可能正确的分类,关键问题是特征选择和模式识别方法的选择.采用SVM分类器组合的方法对数据样本进行分类,结合协议分析技术,提出了基于协议分析和SVM多分类的入侵检测系统模型,并利用KDD CUP 99数据集对系统模型进行测试.测试结果表明,所提出的方法有效提高了入侵检测的效率,降低了漏报率和误报率.     

SVM和RVM对高光谱图像分类的应用潜能分析

针对高光谱图像分类一直面临的小样本、非线性及高维数等问题,分别从原理和实验两个方面分析比较了两种最新的核学习方法——支持向量机(SVM)和相关向量机(RVM)在高光谱图像分类中的异同点.通过对稀疏性、运算时间及分类精度的实验仿真,结果表明:与SVM相比,RVM模型更加稀疏,从而测试时间更短,更有利于大数据量在线测试;然而,RVM的缺点是分类精度略低于SVM.基于此,本文利用Fisher线性鉴别分析(FLDA)技术,在分类前对高光谱数据作可分性预处理,一方面可以降低数据维数、减少计算量,另一方面可以有效地提高小样本区域的分类精度,进而提高RVM的总体分类精度,使得RVM与SVM相比在高光谱图像精细分类方面更具优势.     

SVM和RVM对高光谱图像分类的应用潜能分析

针对高光谱图像分类一直面临的小样本、非线性及高维数等问题,分别从原理和实验两个方面分析比较了两种最新的核学习方法——支持向量机(SVM)和相关向量机(RVM)在高光谱图像分类中的异同点.通过对稀疏性、运算时间及分类精度的实验仿真,结果表明:与SVM相比,RVM模型更加稀疏,从而测试时间更短,更有利于大数据量在线测试;然而,RVM的缺点是分类精度略低于SVM.基于此,本文利用Fisher线性鉴别分析(FLDA)技术,在分类前对高光谱数据作可分性预处理,一方面可以降低数据维数、减少计算量,另一方面可以有效地提高小样本区域的分类精度,进而提高RVM的总体分类精度,使得RVM与SVM相比在高光谱图像精细分类方面更具优势.     

基于SVM分类可信度的暴雨/冰雹分类模型

为提高支持向量机(support vector machine,SVM)暴雨/冰雹分类准确率,研究了暴雨/冰雹样本到分类超平面的距离、样本邻域以及训练样本的过程信息对SVM分类可信度的影响,提出了采用距离系数、邻域系数和过程系数综合确定SVM分类可信度的方法,设计了基于SVM分类可信度的暴雨/冰雹分类模型,对暴雨和冰雹进行区分.结果表明:采用距离系数、邻域系数和过程系数可有效确定SVM分类可信度,基于SVM分类可信度的暴雨/冰雹分类模型有利于提高冰雹识别的击中率并降低其误报率.     

双边界支持向量机的理论研究与分析

根据统计学习理论,间隔大小是反映泛化能力的一个很重要的方面. 受一类支持向量机(SVM)的启发,提出的双边界SVM能分别用2个边界对2类问题分类. 它能在保证分类正确的同时保证分类间隔的最大化,理论上分别从推广性能和不平衡类分布2方面证明了其优越性. 标准数据集上的实验表明,双边界SVM得到的分类间隔要大于SVM, 泛化性有了显著提高;另外,不平衡数据集上分析得到它对少数类识别率有明显提升. 真实入侵数据测试结果表明,双边界SVM算法比边界样本选择算法的检测率高出2%以上.     

一种用于多分类问题的改进支持向量机

针对非均衡分布的多类分类问题,为提高支持向量机(SVM)算法的性能,提出了一种改进的SVM算法. 将遗传算法(GA)与传统SVM算法结合,构造出一种参数最优的进化SVM(GA-SVM), SVM模型采用径向基函数(RBF)作为核函数,利用格雷码编码方式对SVM算法的模型参数进行遗传编码和优化搜索,将搜索到的优化结果作为SVM的最终模型参数. 在两个不同特性的数据集上进行仿真测试,结果表明,与使用交叉验证策略的简单SVM相比,改进后的GA-SVM算法在多类非均衡问题上明显提高了分类正确率,学习速度也有提高.     

黄粉虫成虫爬行和咬食活动声音采集分析研究

利用带有摄像装置的害虫声音采集平台,使用大震膜电容麦克风在隔音量约28 dB的隔音箱内对黄粉虫成虫的爬行和咬食活动的声音进行了提取,利用虚拟声卡万用仪对提取的声音文件进行了交流电压和频谱两方面的处理分析.测定结果表明:黄粉虫成虫咬食活动的声音脉冲信号的时间带有明显规律性,时间间隔约为0.6 s.爬行和咬食两种活动声音的交流电压有效值均值、变化范围都呈明显的倍数关系,爬行活动声音的交流电压有效值均值为0.0333V,高于咬食活动声音产生的电压有效值均值0.0136 V,表明无论黄粉虫成虫爬行还是咬食活动的声音频率都更趋向集中在低频段,咬食活动的声音频率的主峰值频率(70~93 Hz)低于爬行活动(140~180 Hz).因此,害虫活动具有多样性,相应产生的活动声音也具有其本身的特征和差别,利用本研究的声音检测方法,可以准确地检测这些害虫活动的特征声音,将为研究开发新型的储粮害虫声音检测技术提供有价值的参考数据.