支持向量机算法和软件ChemSVM介绍

Vladimir N.Vapnik等提出的统计学习理论（statistical learning theory，简称SLT）和支持向量机（support vector machine,简称SVM）算法已取得令人鼓舞的研究成果。本文旨在对这一新理论和新算法的原理作一介绍，并展望这一计算机学界的新成果在化学化工领域的应用前景，“ChemSVM”软件提供了通用的支持向量机算法，并将其与数据库，知识库，原子参数及其他数据挖掘方法有机地集成起来。  

图像纹理特征提取方法综述

纹理是一种重要的视觉线索，是图像中普遍存在而又难以描述的特征。纹理分类与分割是图像处理领域一个经久不衰的热点研究领域，纹理特征提取作为纹理分类与分割的首要问题，一直是人们关注的焦点，各种纹理特征提取方法层出不穷。在广泛文献调研的基础上，回顾了纹理特征提取方法的发展历程，分析了其研究现状，对纹理特征提取方法进行了较为全面的综述，对其进行分类和比较，最后给出了纹理研究领域的主要发展趋势。  

支持向量机回归在线建模及应用

支持向量机（SVM）回归理论与神经网络等非线性回归理论相比具有许多独特的优点，讨论了建模中SVM核函数，损失函数的选取和容量控制等问题，并用实验加以验证，将SVM回归动态建模理论应用于非线性，时变，大时延温室环境温度变化的建模和预测，模型简单，预测效果好。  

图像清晰度评价方法研究

数字图像的清晰度评价一直是各类数字成像系统的一个关键问题，而在已有的一些的评价参数中，由于评价方法不同，均存在一些局限性，为此，针对图像的清晰程度提出一种新的评价方法，目的在于能够快速、准确地评价数字图像的清晰度。该评价方法评价参数可通过改进边缘锐度算法(EAV)得到，然后与机测MTF值的变化趋势一起做曲线回归分析，以便和其他传统清晰度评价参数做对比。通过上百幅各类数字图像的测试，结果表明，该评价参数与数字成像系统的MTF值变化有着很好的正相关关系，其不仅能够更准确地反应数字图像清晰度变化的趋势，而且便于简捷、快速地应用于各类数字图像的清晰度评价。  

基于时间序列分析的分布式拒绝服务攻击检测

该文分析了分布式拒绝服务(DDoS)攻击的特点，提出了一种基于流连接密度(FCD)时间序列分析的DDoS攻击检测方法，该方法通过拟合FCD时间序列的自适应自回归模型，获得能够在多维空间描述当前流量状态的AAR模型参数向量序列，然后使用经过样本训练的支持向量机(SVM)分类器进行攻击识别；充分考虑了报警的时间间隔及分布情况，提出一种报警可信度评估算法对SVM分类结果进行二次处理，以消除网络流量噪声及分类错误所带来的影响．实验结果显示，该检测方法能够有效检测DDoS攻击，可信度评估算法能够明显减少误报，降低误报率，显著提高检测质量．  

面向对象软件回归测试技术研究

回归测试的目标之一是在程序修改后,只对进行修改的部分重新测试,从而达到与完全测试相同的测试覆盖.利用数据流或部分数据流技术,对结构化程序进行回归测试的技术已相继提出.随着面向对象方法的逐渐成熟,对面向对象软件测试技术的研究有了迫切的需求.通过分析对象系统的特性,定义了对象之间的依赖关系,通过这个依赖关系,导出测试对象的方法序列,并应用程序切片技术,标识那些受到程序修改影响的测试用例,只有这些测试用例才需要在回归测试中重新执行.最后给出了一完整的对象系统的回归测试解决方案.  

基于支持向量机分类的回归方法

支持向量机(support vector machine,简称SVM)是一种基于结构风险最小化原理的分类技术,也是一种新的具有很好泛化性能的回归方法.提出了一种将回归问题转化为分类问题的新思想.这种方法具有一定的理论依据,与SVM回归算法相比,其优化问题几何意义清楚明确.  

回归支持向量机的改进序列最小优化学习算法

支持向量机(support vector machine,简称SVM)是一种基于结构风险最小化原理的学习技术,也是一种新的具有很好泛化性能的回归方法,提出了实现回归支持向量机的一种改进的SMO(sequential minimal optimization)算法,给出了两变量子优化问题的解析解,设计了新的工作集选择方法和停止条件,仿真实例说明,所提出的SMO算法比原始SMO算法具有更快的运算速度.  

基于Web浏览内容和行为相结合的用户兴趣挖掘

通过对用户浏览的Web页面进行聚类分析，并与采用线性回归分析用户浏览行为相结合，得到了采用加权关键字矢量表示的用户兴趣模型，实验证明该模型能较好地描述用户的兴趣类型及兴趣浓度，提高个性化信息服务的效率。  

有机醇的结构与色谱保留指数的相关性拓扑指数法研究

通过计算40种有机醇化合物分子结构的拓扑指数，用多元线性回归将它与气相色谱保留指数进行关联分析，结果获得了良好的相关性，因此，对有机醇各组分在气相色谱上保留指数的理论预测，可作为在色谱分离过程中识别各组分的一种参考方法。