支持向量机的汉语连续语音声调识别方法

声调信息在汉语语音识别中具有非常重要的意义。采用支持向量机对连续汉语连续语音进行声调识别实验,首先采用基于Teager能量算子和过零率的两级判别策略对连续语音进行浊音段提取,然后建立了适合于支持向量机分类模型的等维声调特征向量。使用6个二类SVM模型对非特定人汉语普通话的4种声调进行分类识别,与BP神经网络相比,支持向量机具有更高的识别率。     

基于支持向量机的图书馆借阅量预测

为了准确预测图书馆借阅量,本文提出基于支持向量机的图书馆借阅量时序预测方法,支持向量机能有效解决非线性、高维、小样本等问题,并采用遗传算法选取合适的支持向量机训练参数,以此增加支持向量机的泛化能力。首先提出了支持向量机预测模型,并进行实例分析,将华北科技学院图书馆流通部1997-2007年度借阅量作为本文的实验数据。实验结果表明支持向量机的图书馆借阅量预测效果优于径向基(Radial Basis Function,RBF)神经网络。     

基于支持向量机分类问题的勒让德核函数

基于勒让德正交多项式,提出了一类新的核函数——勒让德核函数。在双螺旋集和标准UCI数据集上的实验表明,在鲁棒性与泛化性能方面,该核函数比常用的核函数(多项式核、高斯径向基核等)具有更好的表现,而且其参数仅在自然数中取值,能大大缩短参数优化时间。     

基于荧光光谱的空间高等植物叶绿素含量测量技术

开展高等植物光合作用过程参数的实时检测技术研究,对于深入开展空间生物学效应具有重要意义。作为光合作用重要参数的高等植物叶绿素含量与其荧光光谱具有较好的相关性,为此,可以通过探测分析植物荧光光谱,建立其与叶绿素的相关性模型,间接表征其中的叶绿素含量。介绍一种新的建模方法即支持向量机（SVM）,通过实验验证,方法预测叶绿素含量是可行的,相对于一般采用的线性回归法具有更好的预测效果和更高的测量精度。     

随机森林中树的数量

随机森林是一种集成分类器,对影响随机森林性能的参数进行了分析,结果表明随机森林中树的数量对随机森林的性能影响至关重要。对树的数量的确定方法以及随机森林性能指标的评价方法进行了研究与总结。以分类精度为评价方法,利用UCI数据集对随机森林中决策树的数量与数据集的关系进行了实验分析,实验结果表明对于多数数据集,当树的数量为100时,就可以使分类精度达到要求。将随机森林和分类性能优越的支持向量机在精度方面进行了对比,实验结果表明随机森林的分类性能可以与支持向量机相媲美。     

基于隶属度分离测度SVM决策树层次结构设计方法

从样本的类空间分布和随机测试样本对每个类别的隶属度两方面考虑,对现有的分离测度进行了改进,并给出了一种基于隶属度分离测度的SVM决策树多类分类算法.实验表明,对于随机测试样本属于每个类别的概率均不相同的多类分类问题,基于隶属度分离测度的SVM决策树在与传统的SVM决策树有着基本相同的分类精度情况下,具有更快的分类速度.     

支持向量机新模型及其参数特性研究

支持向量机C-SVM及υ-SVM是目前两种最为成熟的模型,但是从形式到算法、从参数特性到参数含义,它们都相互不同,这给人们的选择带来不便。为了将这两种SVM模型统一起来,提出一种新的模型Cυ-SVM,并依据统计学习理论,研究它的解的特性。给出了新模型解的完备性条件,找出它的解及其相应的算法,并指出了υ/C既是边界支持向量个数的上界,又是支持向量总数的下界。参数设置说明,新模型完全可以实现旧模型的所有功能,而新的算法更加方便诸如文本自动分类等领域的使用。     

基于双目视觉的关键点的检测方法及定位研究

以双目立体视觉测量为背景,以显著性标志物中的关键点为目标,提出了基于颜色阈值分割的关键点的实时检测和定位方法;关键点的检测和定位主要分为3个过程,一是图像的预处理部分,为后续的检测和定位提供基础;二是对预处理后的图像进行关键点检测,检测的方法首先分别通过颜色阈值分割、轮廓提取、多边形逼近以及设置矩形轮廓提取出关键点所在的显著性标志物,其次根据该显著性标志物的特点,采用hough变换提取线段,并通过最小二乘法进行直线拟合,求出关键点的精确的像素坐标;三是利用立体视觉三角测量原理,对求取的关键点进行精确的位姿计算;该方法实时性好、精度高,为后续的机器人视觉避障提供了一定的理论依据。     

小波变换编码在医学图像压缩中的应用

文章结合医学图像的特点探究了一种图像压缩编码方法：先对图像进行小波分解，然后针对不同层不同子图的特点对小波系数的各部分进行相应处理。小波分解后，低分辨率子图像的小波系数的动态变化范围大，因而采用BP神经网络进行自适应非线性预测编码，而对高分辨率子图像采用基于Kohonen网络的自组织特片映射（SOFM）算法的矢量量化进行编码，上述压缩方法可以在保证重构图像质量良好的情况下获得较大的压缩比，从而可以较好的满足医学图像存储的要求。     

基于支持向量机的实时路面检测算法

二阶多项式核函数支持向量机分类决策函数可以表示为待分类向量各分量的形式，其中的同类项可以合并，同类项的系数在得到支持向量后可以计算得出。使用这样的分类决策函数，可以避免分类时待分类向量和各个支持向量逐个进行的运算，使分类计算速度和支持向量个数无关。针对实际道路图像的对比实验表明，采用这种新算法的支持向量机路面检测分类器，在路面检测精度上优于神经网络，在计算速度上也能很好地满足实时检测的要求。