Unmanned aerial vehicles using machine learning for autonomous flight; state-of-the-art

In recent years, since researchers began to study on Unmanned Aerial Vehicles (UAVs), UAVs have been integrated into today's everyday life, including civilian area and military area. Many researchers have tried to make use of UAVs as an ideal platform for inspection, delivery, surveillance, and so on. In particular, machine learning has been applied to UAVs for autonomous flight that enables UAVs do designated task more efficiently. In this paper, we review the history and the classification of machine learning, and discuss the state-of-the-art machine learning that has been applied to UAVs for autonomous flight. We provide control strategies including parameter tuning, adaptive control for uncertain environment, and real-time path planning, and object recognition that have been described in the literature.     

无人机虚拟现实仿真的设计与实现

讨论了在PC机上实现无人机虚拟现实仿真的系统结构、实现平台、模型和仿真数据库的组织实现方法。讨论了图形仿真各个子模块的实现方法,交解决了无人机模型的位姿自动校准问题。     

基于支持向量机的人脸检测算法

人脸检测是建立自动人脸识别系统的基础,该文提出了一种新的基于支持向量机的人脸检测算法,支持向量机是在统计学习理论的基础上发展起来的一种通用机器学习算法,采用支持向量机可以建立类似于神经网络的分类器,但是克服了神经网络中可能遇到的局部极小值和过学习问题,试验结果表明该算法鲁棒性好,检测精度高,具有很强的实用价值。     

有限样本下中文垃圾邮件过滤的研究与实现

针对电子邮件应用中垃圾邮件危害日益严重的问题,基于机器学习的垃圾邮件过滤方法正成为当前互联网应用领域的研究热点之一.通过对现有基于机器学习的垃圾邮件处理方法的分析研究,并结合中文信息处理的特点,提出一种基于支持向量机SVM(Support Vector Machine)的中文垃圾邮件过滤方法并加以设计实现.实验表明,在有限样本情况下,基于SVM的中文垃圾邮件过滤方法具有较高的准确性和稳定性.     

SVM在阵列信号定位中的应用

函数拟合属于基于数据学习的问题。支持向量机是由Vapnik等人提出的小样本统计理论——统计学习理论发展而来的一种新的通用学习算法,特别在高维空间中表示复杂函数。该文叙述了基于支持向量机的函数拟合预测信源在水域中的位置,并仿真了在不同参数时所收到的不同结果。在小样本情况下,采用较大的惩罚值,就可以得到较高的精确率;同时测试了环境参数确定情况下,采用的样本数多也不一定能取得更佳的精确率,可见,在小样本情况下,样本数并不是主要因素。     

高光谱遥感图像分类算法中的应用研究

针对高光谱遥感图像数据量大、维数高、数据之间冗余量大的特点,提出一种基于决策边界特征提取(Decision Bounda-ry Feature Extraction,DBFE)的SVM高光谱遥感图像分类算法。首先采用DBFE对高光谱遥感图像进行特征提取,消除特征之间相关性,并降低特征维数,然后采用GA对SVM参数进行优化,找到最优分类模型参数,最后采用最优分类模型对待分类的高光谱遥感图像进行分类。仿真结果表明,高光谱遥感图像分类算法提高了高光谱遥感图像分类的效率和分类正确率,说明分类方法是有效、可行的。     

支撑矢量机的改进算法研究

该文介绍了支撑矢量机(SVM)的有关概念、学习算法。并且详细介绍了一种改进算法LSVM,对于机器学习算法的研究具有启迪作用。     

模糊支持向量机的偏移量计算方法

偏移量确定了支持向量机和模糊支持向量机（FSVM）的最优分类面位置,对分类性能具有较大影响。为提高模糊支持向量机的识别率,基于Fisher判别分析方法提出一种新的偏移量计算方法,将其用于FSVM多类分类器设计。对3种数据集的测试结果表明,使用新偏移量的FSVM识别率高于使用标准偏移量的FSVM识别率。     

基于SVM主动学习的入侵检测系统

研究在入侵检测中,采用基于支持向量机(SVM)的主动学习算法,解决小样本下的机器学习问题。该文提出了基于SVM主动学习算法的系统框架及适用于入侵检测系统的SVM主动学习算法,讨论了候选样本集的组成比例、候选样本集数量及核函数的不同参数选取对检测结果的影响。通过实验验证,基于SVM主动学习算法与传统SVM算法相比,能有效地减少学习样本数,提高检测精度。     

基于SVM的入侵检测系统

支持向量机（SVM）作为一种新型的统计学习模型，在处理小样本和学习机的推广能力上具有很大的优势。该文应用SVM的分类特性来识别网络攻山行为，提出了基于SVM的入侵检测方法。雨点考察了不同SVM核函数和参数选择对检测准确率和实时性的影响。论证了基于SVM的入侵检测在性能和识别率上都明显优于基于BP网络的攻击识别，还就目前商用入侵检测系统存在较高误报率的问题，分析了用SVM来提高其检测实时性和识别准确率的系统框架。     

基于支持向量机的遥感图像分类研究综述

遥感技术是目前用于研究地球矿产资源与能源的重要技术手段,遥感图像分类在遥感技术应用中起着关键作用。支持向量机(Support Vector Machines,SVM)是基于VC维(Vapnik-Chervonenkis Dimension)理论和结构风险最小化原理的机器学习方法,已被广泛应用于实际的遥感影像分类中。 对 国内外学者对此做的大量研究 成果进行了系统的总结。对基于支持向量机的遥感图像分类方法进行了层次性梳理,不但纵向分析和比较了每类方法的原理及优缺点,而且对各类方法进行了横向比较和分析,较为系统和完整地概括了基于支持向量机的遥感影像分类方法的研究现状。最后指出了支持向量机算法应用于遥感图像分类的未来发展方向。     

支持向量机及其应用研究综述

在分析支持向量机原理的基础上,分别从人脸检测、验证和识别、说话人/语音识别、文字/手写体识别、图像处理及其他应用研究等方面对SVM的应用研究进行了综述,并讨论了SVM的优点和不足,展望了其应用研究的前景．     

一种快速SVM学习算法

在对两种SVM学习算法(SMO和SVMlight)进行分析的基础上,提出了一种改进的基于集合划分和SMO的算法SDBSMO。该算法根据样本违背最优化条件的厉害程度将训练集划分为多个集合,每次迭代后利用集合信息快速更新工作集和相关参数,从而减少迭代开销,提高训练速度。实验结果表明该算法能很好地提高支持向量机的训练速度。     

S/X/Ka频段卫星地面站无人机测试标校设计

利用测试标校设备对卫星地面站系统进行校准维护,是卫星地面站建设和运行过程中的重要环节;标校设备能够消除地面站在使用过程中产生的系统误差,但是传统固定标校塔不能满足Ka频段的远场使用条件,因此采用无人机平台取代固定标校塔能够同时满足S/X/Ka三频段地面站使用需求,提高了标校设备使用的机动性和灵活性,降低了建设成本;通过对无人机使用的法律法规研究,对系统重要性能指标论证,设计了三频段测控数传一体地面站无人机测试标校系统,采用Ⅱ类无人机平台,搭载有效载荷标校源、天线、远控模块,通过地面与机载通信链路进行信号通断、极化切换等控制,经实际应用满足了S/X/Ka频段卫星地面站建设工程上的应用。     

一个改进的支撑向量机训练算法

支撑向量机是90年代中期发展起来的机器学习技术,NPA算法是目前最优秀的学习算法之一。该文在文献犤3犦,犤8犦的基础上,通过大量实验和深入分析,发现该算法尚存在一些不足之处,进而提出一个改进的NPA算法。实验表明,新算法简单易行,性能稳定,在不增加复杂度的情况下,学习速度比NPA算法显著提高。     

无人机偏振遥感载荷系统的设计与实现

分析我国发展无人机航空遥感的必要性和可行性,针对某型民用无人机,利用系统集成的方法,设计无人机航空遥感偏振载荷系统。介绍系统的构成和工作流程,阐述系统的软硬件设计原理及实现的功能。地面联合调试结果表明该系统能够满足即将开展的航空遥感作业的要求。     

基于改进的LBP方法相结合的尿液细胞识别研究

分析和比较在RGB和HSI两种不同色彩坐标系统下使用支持向量机对尿液细胞进行识别分类的效果,以及使用色彩特征参数与纹理特征参数进行综合识别分类尿液细胞的效果。提出一种改进的局部二元模式(LBP)纹理特征提取方法。实验结果表明提出的HSI颜色特征、基于改进的LBP法提取的纹理特征与支持向量机(SVM)相结合的方法在尿液细胞识别分类中效果良好。