基于样本特性欠取样的不均衡支持向量机

针对传统支持向量机在数据失衡的情况下分类效果很不理想的问题,提出一种基于样本特性欠取样的不均衡SVM分类算法。该算法首先在核空间中依据样本信息量选择一定比例的靠近不均衡分类界面的多数类样本;然后根据样本密度信息选择最具有代表性的均衡多数类样本点,在减少多数类样本的同时使分类界面向多数类方向偏移。实验结果表明,所提出的算法与其他不均衡数据预处理方法相比,能有效提高SVM算法在失衡数据中少数类的分类性能、总体分类性能和鲁棒性。     

基于谱聚类欠取样的不均衡数据SVM分类算法

提出一种基于谱聚类欠取样的不均衡数据支持向量机(SVM)分类算法.该算法首先在核空间中对多数类样本进行谱聚类;然后在每个聚类中根据聚类大小和该聚类与少数类样本间的距离,选择具有代表意义的信息点;最终实现训练样本间的数目均衡.实验中将该算法同其他不均衡数据预处理方法相比较,结果表明该算法不仅能有效提高SVM算法对少数类的分类性能,而且总体分类性能及运行效率都有明显提高.     

基于谱聚类下采样失衡数据下SVM故障检测

在故障诊断领域中,对传统支持向量机（SVM）算法在数据失衡情况下无法有效实现故障检测的不足,提出一种基于谱聚类下采样失衡数据下SVM故障检测算法。该算法在核空间中对多数类进行谱聚类,然后选择具有代表意义的信息点,最终实现样本均衡。将该算法应用在轴承故障检测领域,并同其他算法进行比较,试验结果表明本文建议的算法在失衡数据情况下较其他算法具有较强的故障检测性能。     

核聚类集成失衡数据SVM算法

针对传统SVM算法在失衡数据集下的分类性能不理想的问题,提出一种基于核聚类集成SVM算法.该算法首先在核空间中对多数类样本集进行聚类,然后随机选择出具有代表意义的聚类信息点,实现在减少多数类样本数的同时将分类界面向多数类样本方向偏移.并利用AdaBoost集成手段对基于核聚类的欠取样SVM算法进行集成,最终提高SVM算法在失衡数据下的泛化性能.将提出的算法同其他失衡数据预处理集成方法进行比较,实验结果表明该算法能够有效提高SVM算法在失衡数据中少数类的分类性能,且总体分类性能及运行效率都有明显提高.     

引入负相似的高光谱图像半监督分类

高光谱图像数据体现为波段多、地物标签获取困难大、谱信息抗干扰能力弱等特征,容易引起维数灾难、光谱空间变异性等问题,从而影响分类器的分类精度。针对这些问题,本文将负相似信息引入到拉普拉斯支持向量机(Laplacian Support Vector Machine,Lap SVM)的流形正则化项中,提出了一种引入负相似的拉普拉斯支持向量机(Dissimilarity in Laplacian Support Vector Machine,Diss-Lap SVM)分类算法,抑制光谱空间变异对分类结果的影响。同时,本文提出利用线性近邻传播(Linear Neighborhood Propagation,LNP)算法构造图的拉普拉斯矩阵,更有效地引入无标签样本的信息。实验结果表明,本文算法的分类精度得到了提高,特别是对光谱特征相似的地物。     

NOMA系统的被动中继选择策略研究

针对传统的多中继协作网络传输中低频谱效率和高功率消耗等问题,在非正交多址技术的多中继协作通信网络中,提出一种基于中断概率的被动中继选择策略。推导网络中两个用户的中断概率的精确表达式,并分析两个用户在高信噪比下中断概率的近似结果和它们的分集增益。仿真分析中继数目、中继位置和功率分配系数对两个用户中断性能的影响。与非正交协作网络中部分中继选择策略仿真对比,结果表明,中继数目大于2时,该策略分集增益更大,并且随着中继数目的增大,该策略具有显著的中断性能优势。     

LSTSVM的样本缩减与空间信息融合方法

针对最小二乘孪生支持向量机(STSVM,least squares twin support vector machines)分类效率低的不足,在一对余(1-a-r)多分类器的基础上,提出一种基于样本缩减(SR)的LSTSVM(SRLSTSVM)分类算法。在核空间中通过距离计算,选出对分类超平面起决定作用的样本点,用于分类器的训练;与此同时,为了充分利用高光谱遥感图像的空间信息,通过主成分分析(PCA)和二维Gabor滤波获取像元的纹理特征,将高光谱遥感图像的空间信息和光谱信息在图像层进行融合用于分类。实验证明,本文提出的SR算法可以在不影响分类精度的基础上大大提高LSTSVM的分类效率,且结合空间信息后的LSTSVM的总体分类精度也有明显提高。     

基于几何结构属性的光学和SAR影像自动配准

提出了一种基于几何结构属性的光学和合成孔径雷达(Synthetic Aperture Radar,SAR)影像配准方法.该方法引入了具有光照不变性的相位一致性模型进行影像特征提取,采用该模型的强度和方向信息构建了一种几何结构特征描述符—相位一致性方向直方图(histogram of orientated phase congruency,HOPC),并根据该描述符间的欧式距离定义了影像匹配的相似性测度(称为HOPC_n).该测度能表示影像间的几何结构相似性.通过选择4组光学和SAR影像进行试验,结果表明,HOPC_n能有效率的抵抗影像间的非线性辐射差异,并且其匹配性能好于经典的相似性测度.另外,也设计了一种基于HOPC_n自动的配准方法,试验结果证明了该方法的有效率和鲁棒性.