共查询到19条相似文献,搜索用时 78 毫秒
1.
2.
3.
根据文本分类的特点,在对最小二乘支持向量机方法进行详细分析的基础上,创建了基于最小二乘支持向量机的多元文本分类器.实验表明,采用该文本分类器能够在保持较高分类精度和召回率的基础上,提高训练效率,具有一定的可行性. 相似文献
4.
针对小样本步态数据引起的分类器泛化能力差的问题,提出了基于支持向量机的步态分类方法.采集了24名青年和24名老年受试者的步态数据,提取24个步态特征训练支持向量机,采用交叉验证方法评估分类器的泛化性能.结果表明,本文提出的方法能够有效地对小样本步态数据分类,并且具有良好的泛化性.不同的核函数对分类性能影响较小.与传统反向传播学习算法的神经网络分类器进行了比较,支持向量机分类性能明显优于传统反向传播学习算法的神经网络.支持向量机在步态分类中具有广泛的应用前景. 相似文献
5.
针对标准支持向量机在处理不平衡数据问题的缺陷,提出一种解决方法,首先采用一种改进上采样方法(Over-sampling)—SMOTE来平衡正负样本的数目,达到缓解两类样本数目悬殊的目的。然后引入差异惩罚思想对两类样本进行不同程度的惩罚。实验表明,本文提出的SDPC-SVM分类算法在处理不平衡数据的分类问题上具有可行性与有效性。 相似文献
6.
基于支持向量机的转子振动信号故障分类研究 总被引:7,自引:0,他引:7
转子在运行过程中的振动加速度信号包含了转子运行状态大量信号,瞬态过程中故障加速度信号特征的提取及其识别对于旋转机械故障诊断是十分重要的。针对在升降速运行时的故障特征数据样本有限而制约有效智能诊断的问题,探讨和提出了基于支持向量机的加速度信号故障诊断方法。实验分析结果表明:该方法可实现转子的振动加速度信号对转子在升降速运行时的多故障的识别和诊断。 相似文献
7.
基于支持向量机的印品缺陷分类方法 总被引:3,自引:3,他引:0
目的研究印品图像的各类形状缺陷,建立基于支持向量机(Support vector machine,SVM)的印品形状缺陷分类模型。方法对印品进行符合人眼视觉特性的缺陷识别,并对提取缺陷进行特征分析。将特征数据导入支持向量机进行训练学习,SVM分类器对缺陷图像进行测试。结果分类器对点缺陷和面缺陷的识别率为100%,对线缺陷的分类准确率达93.94%。结论基于SVM的缺陷分类方法能较好地满足印品质量检测的需求。 相似文献
8.
以焦作地区部分IKONOS遥感影像为数据源,采用支持向量机(Support Vector Machine,SVM)分类器,通过解算最优化问题,在高维特征空间中寻找最优分类超平面,从而解决复杂数据的分类及回归问题。结果表明,利用SVM进行遥感图像分类的精度高,有明显的技术优势和应用前景。 相似文献
9.
针对复杂颜色和纹理特征条件下,多晶硅电池片上的色差检测问题,提出了一种基于支持向量机分类策略的多晶硅电池片色差检测方法。首先对预处理后电池片图像进行颜色模型转换和通道分离,利用Otsu方法对单通道图像进行阈值分割处理,并计算各阈值图像的区域对比度,然后根据区域对比度情况选择合适的阈值图像,利用阈值图像所提供的信息提取图像特征;最后使用支持向量机分类器来判别电池片是否存在色差缺陷。实验结果表明提出的色差检测算法可以实现多晶硅电池片色差高效检测,色差缺陷检测的准确度、误检率和检测时间分别达到96.88%, 5%和109ms。 相似文献
10.
11.
将结构分区域进行分步损伤识别是目前解决复杂结构损伤识别问题的有效途径,对结构进行适当的区域划分后,就可以先找出损伤发生的可能区域,然后减小搜索范围,进行损伤的定位和损伤程度的识别。用频率和坐标模态保证准则这两种基本的动力指标,采用模糊聚类的方法划分出相似区域,然后用统计模式识别中的支持向量机进行分类。通过数值算例表明.损伤识别三步法能够在存在观测噪声的条件下对结构损伤进行定位。 相似文献
12.
13.
14.
15.
引起图像退化的因素众多,因而难以用一个统一的方法来进行恢复处理。鉴于图像的像素和各颜色分量通道间本质上存在某种相关性,以及以支持向量机为核心的统计学习理论具有较好地解决小样本、非线性、高维数问题的能力,提出了一种新的空域图像恢复方法,并通过对来自于待处理图像本身的训练样本的学习,构造自适应的回归插值函数;然后基于该函数对图像作有选择的修改,从而达到图像恢复的目的。实验表明,该方法是有效的,并且具有较好的泛化性能。 相似文献
16.
Support vector machine (SVM) is easily affected by noises and outliers, and its training time dramatically increases with the growing in number of training samples. Satellite cloud image may easily be deteriorated by noises and intensity non-uniformity with a huge amount of data needs to be processed regularly, so it is hard to detect convective clouds in satellite image using traditional SVM. To deal with this problem, a novel method for detection of convective clouds was proposed based on fast fuzzy support vector machine (FFSVM). FFSVM was constructed by eliminating feeble samples and designing new membership function as two aspects. Firstly, according to the distribution characteristics of fuzzy inseparable sample set and the fact that the classification hyper-plane is only determined by support vectors, this paper uses SVDD, Gaussian model and border vector extraction model comprehensively to design a sample selection method in three steps, which can eliminate most of redundant samples and keep possible support vectors. Then, by defining adaptive parameters related to attenuation rate and critical membership on the basis of the distribution characteristics of training set, an adaptive membership function is designed. Finally, the FFSVM is trained by the remaining samples using adaptive membership function to detect convective clouds. The experiments on FY-2D satellite images show that the proposed method, compared with traditional FSVM, not only remarkably reduces training time, but also further improves the accuracy of convective clouds detection. 相似文献
17.
摘要:为了对轴承的运行状态进行有效的识别,以便进一步评估和预测轴承的寿命,提出了基于非广延小波特征尺度熵和Morlet小波核支持向量机(Morlet wavelet kernel support vector machine, MWSVM)的轴承运行状态识别的新方法。对采集到的轴承振动信号进行小波分解,得到相应的小波分解系数,在此基础上结合非广延熵理论提出了沿尺度分布的非广延小波尺度熵特征提取方法。但是通过小波特征尺度熵分析后获得的特征信息存在维数较高,特征信息间冗余严重的问题,因此,引入了流形学维数约简算法(locality preserving projection, LPP)进行敏感特征信息的提取,减少在特征信息提取过程中人为因素的干扰。以约简后的特征信息作为MWSVM的输入进行训练,建立轴承的状态识别模型,从而实现轴承状态的识别。通过对某轴承内圈正常状态和几种故障程度不同的状态进行识别,试验结果表明了方法的有效性。 相似文献
18.