利用支持向量机提高水声信号的检测能力

混响是影响主动声纳检测的一个重要因素。传统方法如高阶统计方法和修正协方差等白化方法在检测静止目标时效果并不理想,主要是因为这些算法无法利用混响这样的统计多变且非线性的数据准确估计一个AR模型的参数。利用支持向量机SVM（Support Vector Machine,SVM）来估计AR模型的参数,并进行了实验。结果表明,即使在静止目标的情况下,该算法依然能表现出良好的性能。     

基于支持向量机的油封缺陷图像检测方法

提出一种基于支持向量机分类的油封缺陷图像检测方法,把油封外观中的有无缺陷看作两种不同的类别模式,应用支持向量机对两类不同的样本采样学习,然后进行分类判断。采集油封各部位图像并进行预处理,利用算法切割出各个检测区域图像,根据油封主要部位的各类缺陷特点,选取不同特征参数。应用径向基核函数建立支持向量机识别模型,并通过实验实现核函数参数寻优。实验结果表明,该方法具有检测成本低、可靠性高、泛化能力强、容易在线实施等特点,具有实用推广价值。     

基于支持向量机的多元文本分类研究

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．     

基于支持向量机的步态分类方法

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.     

一种不平衡数据支持向量机分类算法

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。     

基于支持向量机的转子振动信号故障分类研究

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。     

基于支持向量机的印品缺陷分类方法

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。     

基于支持向量机的遥感影像分类研究

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。     

基于支持向量机分类策略的多晶硅电池片色差检测

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。     

支持向量机分类与回归算法浅析

统计学习理论作为机器学习一个分支，由于其优异的特性及应用前景受到越来越多的关注。支持向量机（SVM）衍生于统计学习理论，能够在最小化训练误差和模型复杂度之间找到最佳平衡点，是一种比较经典的机器学习方法。由于秉承了统计学习理论的主要思想（如结构风险最小化、VC维），支持向量机可以在有限样本下得到全局最优，从而避免局部最优问题。     

基于模糊聚类和支持向量机的损伤识别方法

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。     

组合核函数支持向量机在水中目标识别中的应用

论文研究了支持向量机核函数构成条件以及不同核函数的特性，结合水中目标识别技术特点，提出了一种组合核函数支持向量机的方法。提取了基于小波变换的舰船辐射噪声奇异性、尺度-过零、尺度-能量特征，对水中目标进行了SVM分类识别。研究表明，基于组合核函数的支持向量机分类识别效果优于单独核函数的支持向量机识别效果。     

支持矢量机的汉语声调识别

提出了一种支持矢量机的汉语声调识别新方法。论文首先在基频和对数能量的基础上,建立了一个适合于支持矢量机分类的等维声调特征。然后对支持矢量机的多分类策略和不同核函数对声调识别的影响进行了实验研究。与BP神经网络相比,支持矢量机具有更高的识别率和更强的推广能力。     

基于机器学习的金属近表面缺陷超声检测方法

在超声脉冲回波检测技术中,由表面回波产生的"死区"会隐藏近表面缺陷的回波信号,对于近表面缺陷的实际检测造成一定的干扰.针对上述问题,提出一种将数字信号处理与支持向量机相结合的方法,通过识别缺陷一次回波和二次回波,实现对近表面缺陷位置的准确计算.实验中,通过垂直入射超声脉冲回波法采集轴承内圈的A波信号,使用支持向量机分类...     

基于支持向量机的彩色图像恢复新方法

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。     

Convective clouds detection in satellite cloud image using fast fuzzy support vector machine

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.     

基于非广延小波特征尺度熵和支持向量机的轴承状态识别

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。     

支持向量机应用于语音情感识别的研究

为了有效识别包含在语音信号中情感信息的类型,提出一种将支持向量机应用于语音情感识别的新方法。利用支持向量机把提取的韵律情感特征数据映射到高维空间,从而构建最优分类超平面实现对汉语普通话中生气、高兴、悲伤、惊奇4种主要情感类型的识别。计算机仿真实验结果表明,与已有的多种语音情感识别方法相比,支持向量机对情感识别取得的识别效果优于其他方法。     

一种基于平坦测度的瞬态信号检测技术

在感知音频编码中,需要对出现瞬态信号的帧进行特殊处理,其前提是合理地检测出瞬态信号。基于瞬态信号的时域和频域特点,提出一种利用信号的平坦测度作为判决函数的时-频瞬态检测方法。通过MATLAB软件仿真测试,此方法在多数测试音乐中的漏检和误检数量较少,且算法复杂度较低。与已有的瞬态检测方法相比,此方法在漏检和误检方面有所改善,且算法复杂度随着瞬态信号的明显程度自适应的变化,具有检测准确度高、算法简单等优点。