基于SVM的信息融合新方法*

利用SVM对大规模数据进行训练时,需要占用很大的内存空间,甚至会因内存不够而无法训练。为此,提出了将大规模数据分块求解,然后将分块求解的结果进行信息融合的新方法。首先训练得到各模块的支持向量,将所有支持向量进行融合,得到决策模型和一组支持向量。当有新的数据加入时,将其作为一个子模块,训练得到该模块的支持向量,与原模型中获得的支持向量进行融合,训练得到新的决策模型。利用KDDCUP99数据进行实验,结果表明该方法的测试精度与在所有数据集上训练的精度相当,花费时间少,适用于增量学习。     

基于SVM的多Agent协商伙伴选择

根据多Agent协商问题的交互特点,引入SVM(Support Vector Machine)分类方法对Agent的协商历史信息进行学习,从Agent的协商历史信息中提取样本来训练SVM,结合模拟协商过程和己方的决策信息,预测与特定伙伴协商时可能出现的结果以及相应的协商收益,根据Agent的自利性原则,选择最合适的协商伙伴.最后,通过仿真实验验证了所提出方法的有效性和优越性.     

基于支持向量机的多传感器信息融合算法

支持向量机（Support Vector Machine，S、M）是一种基于结构风险最小化原理，具有很高泛化性能的学习算法。针对工业多传感器测控系统中，被测系数与相关参数之间存在有较大的非线性和模糊关系，提出了一种基于支持SVM的多传感器信息融合模型及算法。为小样本、非线性、高维数一类多传感器信息融合问题的建模提供了一种有效的途径。通过对“纸张水份在线测量系统”应用表明，基于SVM的多传感器信息融合模型及算法在测量精度和推广性能上都具有一定的优越性。     

基于支持向量机的多传感器信息融合算法

支持向量机(Support Vector Machine,SVM)是一种基于结构风险最小化原理,具有很高泛化性能的学习算法。针对工业多传感器测控系统中,被测系数与相关参数之间存在有较大的非线性和模糊关系,提出了一种基于支持SVM的多传感器信息融合模型及算法。为小样本、非线性、高维数一类多传感器信息融合问题的建模提供了一种有效的途径。通过对“纸张水份在线测量系统”应用表明,基于SVM的多传感器信息融合模型及算法在测量精度和推广性能上都具有一定的优越性。     

基于支持向量机的移动Agent迁移策略

迁移策略为移动Agent规划出最佳迁移路径,保证移动Agent正确、高效地完成任务。文章分析了现有移动Agent系统中采用的几种代表性迁移策略,提出了基于支持向量机的移动Agent迁移策略。模拟实验结果表明,与其它迁移策略相比该策略能够以较大的概率得到最优的结果,从而验证了算法的有效性和可行性。     

一种基于SVM的CT与SPECT图像融合算法

将SPECT和CT图像进行融合,可以使功能和解剖影像相互取长补短,有利于临床医生的有效诊断.而CT图像是灰度图像,SPECT图像是伪彩图像,二者的融合处理具有一定难度.文章首先将SPECT图像变换成HSV彩色格式,然后再提取其中的V分量与CT图像做融合处理,利用训练好的支持向量决定融合图像对于源图像信息选取的多少来取得理想的融合效果.     

一种基于支持向量机的移动Agent网络故障管理模型

利用移动Agent来进行网络故障管理,能克服传统集中式网络故障管理所存在的问题.但网络故障的分析和诊断还是由单一的网管工作站来完成的,很容易造成整个系统对网管工作站的过分依赖,形成单一脆弱点.为了进一步增强管理的灵活性和智能性,引入支持向量机(SVM)技术,将SVM嵌入到移动Agent的推理模块之中,利用SVM的分析决策能力,使其能够在进行分布式故障检测的同时实现分布式故障诊断;进而提出基于支持向量机的移动Agent(SVM based mobile agent,SVMMA)的网络故障管理模型,并验证了它的有效性.     

基于特征融合和SVM的植物病害检测

传统的植物病害往往依赖经验与肉眼观察,效率低下、容易出错.提出了一种基于植物图像特征的病害检测方法.对植物叶部图像进行分割、提取纹理特征和颜色特征,得到融合特征,最后利用机器学习中的支持向量机进行训练,对待测植物的叶片图像进行病害检测.实验以黄瓜为例,得到较好的效果.     

多Agent信息融合的故障诊断研究

该文介绍了将分布式多Agent系统应用于信息融合对装备进行故障诊断的智能故障诊断技术,将多Agent技术与信息融合技术进行了有机的结合,并对多Agent的信息融合理论和故障诊断方法进行了研究。最后,分析了基于此技术的体系结构。     

基于信息融合的模式识别方法研究

将多特征多分类器的模式识别看作信息融合问题,提出了一种基于支持向量机理论的决策级信息融合模型,并讨论了基于该模型的识别精度以及学习样本数之间的关系.通过对ORL人脸图像库、CENPAMI手写体数字数据库这两类不同样本问题的识别实验表明,基于信息融合的模式识别方法可以取得较高的整体识别性能.     

一种基于免疫算子的SVM算法

SVM是一种基于核函数的机器学习算法,因为它具有良好的推广性和较好的性能,所以成为近些年来大家所关注的热点,但是该算法存在两个问题：一、如何提高SVM的计算精度;二、如何减少计算时间。本文提出一种使用免疫算子的SVM算法,该算法不但能够提高SVM的性能使其更加接近于实际问题,还能避免因问题太复杂使得结果不是最优解的情况。文中最后对样本进行了实验,结果说明了使用免疫算子的方法比经典方法在分类效果上有明显提高。     

信息融合技术在大型发电机故障诊断中的应用

研究大型发电机故障诊断问题,大型发电机组故障具有复杂性和多样性,单从某一方面进行故障诊断,诊断结果比较低。为提高了大型发电机故障诊断准确率,提出一种基于信息融合技术的大型发电机故障诊断方法。首先对故障特征进行提取和降维,然后采用多个支持向机对大型发电机组故障进行初步诊断,获得相互独立的证据,最后对各证据采用DS证据理论融合算法进行融合,从而实现对大型发电机故障的准确诊断。仿真结果表明,采用信息融合的故障诊断系统有效地提高了大型发电机故障的诊断精度,增加故障诊断结果的置信度。     

一种新的基于SVM的相关反馈图像检索算法

提出了一种新的基于支持向量机(SVM)的相关反馈图像检索算法。实验结果表明,该算法在一定程度上解决了基于SVM的相关反馈图像检索中存在的样本不足的困难,提高了系统的检索性能。     

基于遗传算法的SVM带权特征和模型参数优化

建立在统计学习理论和结构风险最小原则上的支持向量机(SVM)在理论上保证了模型的最大泛化能力,因此将支持向量机理论应用于入侵检测领域可以获得很好的效果.但是在应用中也存在如何对网络数据进行特征编码和选择适当的支持向量机模型参数的问题.在分析了特征编码和模型参数对分类器识别精度的影响基础上,提出用遗传算法建立支持向量机带权特征和分类器模型参数的自适应优化算法,并在网络入侵检测中成功的运用算法.最后,使用KDD CUP 1999数据进行的仿真实验表明了算法的正确有效性.     

基于支持向量机的人脸分类

提出了一种基于支持向量机的人脸分类方法,首先对人脸图像作二维离散余弦变换,取离散余弦变换系数作为特征,然后用支持向量机进行分类。用Essex人脸图像数据库进行性别分类,取得了很好的分类效果。     

基于粗集理论和SVM算法的入侵检测方法研究

提出了一种将粗集方法与SVM算法结合起来的入侵检测方法。利用粗集理论在处理大数据量、消除冗余信息等方面的优势,减少SVM训练数据,克服SVM算法因为数据量大,处理速度慢等缺点。同时,借助于SVM良好的分类性能,对粗集约筒后的最小属性子集进行分类,实现入侵检测的快速性能,高检测率和抗噪声强等优点。实验结果表明,该方法优于其它同类方式。     

基于SVM的营养液离子浓度检测的数据融合研究

设施农业要求对营养液离子浓度进行精确实时在线检测;支持向量机（Support Vector Mechine,SVM）方法较之于神经网络等方法,具有更扎实的理论基础与更好的泛化能力,特别适合于小样本建模.将SVM方法应用于营养液离子浓度检测,利用数据融合的理论,不仅可以及时准确地对传感器进行可靠性诊断、实时模型的更新,还可以实现对不可在线检测成分的软测量.仿真结果表明,在营养液离子浓度检测系统中应用SVM方法的数据融合技术,模型简单,执行效果好.     

基于几何思想的快速支持向量机算法

为了快速地进行分类,根据几何思想来训练支持向量机,提出了一种快速而简单的支持向量机训练算法——几何快速算法。由于支持向量机的最优分类面只由支持向量决定,因此只要找出两类样本中所有支持向量,那么最优分类面就可以完全确定。该新的算法根据两类样本的几何分布,先从两类样本的最近点开始;然后通过不断地寻找违反KKT条件的样本点来找出支持向量;最后确定最优分类面。为了验证新算法的有效性,分别利用两个公共数据库,对新算法与SMO算法及DIRECTSVM算法进行了实验对比,实验结果显示,新算法的分类精度虽与其他两个方法相当,但新算法的运算速度明显比其他两个算法快。     

基于遗传算法和支持向量机的乳腺肿块识别

乳腺癌是中老年妇女的主要死因之一。为提高乳腺肿块识别性能,在对可疑肿块提取包括灰度、形态、纹理在内的多种特征的基础上,提出一种基于改进遗传算法和支持向量机的肿块识别方法。首先,将待选特征编码成二进制染色体,以支持向量机分类结果和被选特征的个数来构造个体适应度,然后通过遗传算法找到最优特征子集作为支持向量机的输入。在2267个病例数据上采用10折交叉验证法进行仿真对比实验。结果表明,所提出的方法对肿块识别具有较高的正确率,可为乳腺肿块的计算机辅助检测提供参考。