基于并行多类支持向量机的蛋白质结构预测*

在远同源检测的蛋白质结构预测方法中,基于支持向量机的方法取得了优于其他方法的高准确性,但这类方法只能完成对目标蛋白质作出是否属于特定蛋白质结构的判别,而实际应用中常需要直接给出具体的结构预测结果.提出一种基于多类支持向量机的蛋白质结构预测方法,通过采用加权一对多的多类分类方法对标准支持向量机输出结果进行综合评价,获得唯...     

基于支持向量机眼动模型的活性判别算法

提出一种基于支持向量机眼动模型的活性判别算法．该算法通过大量的人眼的样本来训练基于支持向量机的眼动模型，然后在活性判别过程中，通过被识别人进行眨眼的配合动作来完成活性判别的过程．由于人脸照片不可能做出眨眼的配合动作，因此照片就被成功地排除在了人脸识别系统的外面，从而提高了人脸自动识别系统的安全性．     

基于支持向量机体温检测模型的活性判别算法

提出了一种基于支持向量机体温检测模型的活性判别算法.该算法通过大量的人体前额和腋下温度的样本来训练基于支持向量机的体温检测模型,然后在活性判别过程中,通过检测被识别人的体温来完成活性判别的过程.由于人脸照片的温度不可能与正常人的体温相同,所以照片就被成功的排除在了人脸识别系统的外面,从而提高了人脸自动识别系统的安全性,而且在活性判别过程中,被识别人不需要做表情或者是姿态的变化来配合识别,极大的方便了被识别者,增强了人脸识别系统的方便性.     

基于支持向量机的流量分类方法*

针对现有流量分类方法存在的准确率低、应用范围受限、计算复杂度高等问题,提出使用支持向量机方法来解决流量分类问题。使用公开的人工标注数据集作为训练集和测试集,通过有监督学习构建支持向量机流量分类器。此外,通过实验进一步分析了训练集大小、核函数、惩罚因子等因素对支持向量机分类性能的影响。实验结果表明支持向量机分类器可以达到98%以上的流分类准确率。     

基于支持向量机的中文文本分类模型研究

支持向量机是在统计学习理论基础上发展起来的新一代学习算法,适宜构造高维有限样本模型,具有很好的分类精度和泛化性能。文中介绍了中文文本分类过程,将支持向量机应用于中文文本分类模型中,对分类器参数选择进行了分析和讨论。实验分析表明,该系统在较小训练集条件下可以取得较好的分类效果。     

基于支持向量机的中文文本分类模型研究

支持向量机是在统计学习理论基础上发展起来的新一代学习算法，适宜构造高维有限样本模型，具有很好的分类精度和泛化性能。文中介绍了中文文本分类过程，将支持向量机应用于中文文本分类模型中，对分类器参数选择进行了分析和讨论。实验分析表明，该系统在较小训练集条件下可以取得较好的分类效果。     

基于云模型的最接近支持向量机增量学习方法*

针对经典支持向量机在增量学习中的不足,提出一种基于云模型的最接近支持向量机增量学习算法。该方法利用最接近支持向量机的快速学习能力生成初始分类超平面,并与k近邻法对全部训练集进行约简,在得到的较小规模的精简集上构建云模型分类器直接进行分类判断。该算法模型简单,不需迭代求解,时间复杂度较小,有较好的抗噪性,能较好地体现新增样本的分布规律。仿真实验表明,本算法能够保持较好的分类精度和推广能力,运算速度较快。     

基于近红外的松子蛋白质品质分类处理

为了探索松子基于近红外光谱的无损品质分类。建立松子蛋白质品质的分类数学模型。采用近红外测量获取松子光谱数据,运用SMO-SVM、Pegasos-SVM与LS-SVM方法建立松子蛋白质分类相关性模型,并对相应验证集上的数据进行预测验证。实验结果表明支持向量机精准率略高,但耗费时间比LS-SVM与Pegasos-SVM多。研究中所建模型均能达到一定程度上的良好分类,精准度均达到80%以上,可有效实现依据近红外光谱数据预测松子蛋白质含量等级的目的。此模型对于其他干果类食品的等级品质分类具有一定的实践指导意义与应用价值。     

基于SVC的垃圾短信判别模型研究

随着手机的日益普及,手机短信的使用频率也越来越高,但随之而来的垃圾短信问题也日益严重。基于此,提出一种基于支持向量分类机(SVC)的垃圾短信判断模型,从技术上实现了对短信的实时监控判别,经过实验模拟仿真初步证明具有较好的判别效果。     

基于多约简Fisher-VSM和SVM的文本情感分类

为了提高文本情感分类准确率,提出基于多约简Fisher向量空间模型和支持向量机的文本情感分类算法。该算法首先采用Fisher判别准则提取TF-IDF特征向量,然后依据低维文档向量空间模型间的相似度对文档进行聚类,减少文档的数目。该算法从维度和数量两个方面对文档的向量空间模型进行约简,以期提高支持向量机的训练速度和分类性能。仿真实验结果表明,该算法具有良好的召回率和分类准确率。     

基于CGACO的多重分类准则模型优化研究

为提高供应链物流管理服务水平,基于帕累托定律,运用规范列平均法和优化理论建立了基于多重分类准则模型。通过有效利用混沌遗传和蚁群优化算法在组合优化中的优势,给出了混沌遗传蚁群优化算法,采用混沌搜索优化初始群体、修正变异算子、蚁群算法寻优优化、改进相关参数等实现了两种算法的有机集成。物流案例实证表明了混沌遗传蚁群算法在解决多重分类准则优化模型方面的有效性。     

2D clustering based discriminant analysis for 3D head model classification

This paper introduces a novel framework for 3D head model recognition based on the recently proposed 2D subspace analysis method. Two main contributions have been made. First, a 2D version of clustering-based discriminant analysis (CDA) is proposed, which combines the capability to model the multiple cluster structure embedded within a single class with the computational advantage that is characteristic of 2D subspace analysis methods. Second, we extend the applications of 2D subspace methods to the field of 3D head model classification by characterizing these models with 2D feature sets.     

基于多子空间线性判别分析的特征提取与分类

为了解决高维小样本数据的分类中Fisherface思想判别分析方法的不足,在最大散度差准则的基础上,提出了利用多线性子空间技术对每类样本进行单独描述的方法,该方法能更准确地反映样本在类内类间的分布关系.在分类中不是以距离作为判别依据,而是按照贝叶斯决策规则得到的隶属置信度作为衡量标准.实验结果表明了该方法的有效性,和同类方法相比,有更高的识别率.     

基于集成局部费舍尔判别分析的故障分类

实际工业过程数据的局部特性一般都较为复杂,不利于样本特征的提取和故障分类精度的提高.针对此问题,本文提出一种集成的局部费舍尔判别分析(ILFDA)模型,可以同时从变量和样本两个维度挖掘数据的局部结构特征,提高故障分类的性能并降低建模的难度.首先,根据过程的结构原理对复杂系统进行分块,从而可以有效获取变量维度的数据局部信...     

Gene expression data classification based on improved semi-supervised local Fisher discriminant analysis

A new manifold learning method, called improved semi-supervised local fisher discriminant analysis (iSELF), for gene expression data classification is proposed. Motivated by the fact that semi-supervised and parameter-free are two desirable and promising characteristics for dimension reduction, a new difference-based optimization objective function with unlabeled samples has been designed. The proposed method preserves the global structure of unlabeled samples in addition to separating labeled samples in different classes from each other. The semi-supervised method has an analytic form of the globally optimal solution and it can be computed based on Eigen decompositions. Experiments on synthetic data and SRBCT, DLBCL and brain tumor gene expression datasets are performed to test and evaluate the proposed method. The experimental results and comparisons demonstrate the effectiveness of the proposed method.     

基于主题模型对象判别特征的场景识别

为了解决场景识别中存在的类内差异性与类间相似性问题,提出一种基于主题模型的对象判别特征的场景识别方法。首先,使用双卷积神经网络模型提取图像的全局空间特征和对象特征;然后用主题模型的方法对对象特征进行描述,将非欧几里得空间中的判别向量投影到欧几里得空间,得到对象判别图像描述符;最后将全局空间特征和对象判别图像描述符相融合,并采用分类器进行分类。实验结果表明,所提出的方法具有更好的场景分类性能。     

一种新的基于高斯混合模型的线性判别分析

Fisher准则函数的前提条件就是假设每类样本数据满足单峰高斯分布,即各类样本在模式空间的分布近似椭球状,但是当训练样本数据较多且呈多峰分布时,传统的Fisher准则函数并不能准确反映样本数据的分布,显然基于Fisher准则函数的线性判别分析得到的最优判别矢量集也不是最优的。针对这种情况,通过引入高斯混合模型的概念,提出了一种新的基于高斯混合模型的线性判别分析方法,同时也给出了在该模型下的最优判别矢量集的直接求解方法,并通过实验证明了该算法的有效性。     

灰度直方图与LDA的路况分类

道路路况实时分类研究,是路况信息诱导系统的基础.通过对大量路况图像进行研究,提出使用路况图像中道路区域统计灰度直方图作为表征路况信息的特征向量,采用LDA(linear discriminat analysis)算法对高维特征向量进行降维,采用改进的K-近邻分类器实现对道路路况实时分类,并给出实际分类结果.实验结果表明,采用上述方法进行路况分类,其结果与交通管理部门给出的结果一致率达91.7%,对路况实时分类具有较高的实用价值.     

基于多目标优化的SVM多类分类方法

为了利用ROC曲线下的面积(AUC),更好地评价多类SVM学习效果,提出了MOSMAUC(multi-objectiveoptimizesmulti-classSVMbasedonAUC)算法.该算法采用AUC作为评价标准,利用多目标优化算法作为SVM参数的优化方法,避免优化对象的AUC值过低问题,因为在多类分类学习中任何一个两类分类的AUC值太低,都会影响整体学习的效果.实验结果表明,提出的优化方法改进了算法的学习能力,取得了较好的学习效果.