基于支持向量机的电子邮件分类模型设计

本文就目前电子邮件的数量越来越多，人们急需一种分类机制，设计了基于支持向量机的电子邮件分类模型，有效的对电子邮件进行分类，并可对垃圾邮件进行过滤。     

基于改进支持向量机的运动视频内容分类算法研究

针对现有运动视频内容分类算法中使用支持向量机分类器难以提高分类精度问题,提出基于改进支持向量机的运动视频内容分类算法。首先采用稀疏表示方法进行运动视频内容去噪,在降低噪声的同时去除无用静止信息,将去噪后的运动视频内容进行非重叠切分,采用主成分分析法提取运动视频内容像素点特征描述项并建立特征向量空间;然后引入主动学习机制改进支持向量机分类器,使用改进的分类器建立特征向量空间与运动视频类别之间的联系。针对多类运动视频内容分类问题,提出使用后验概率计算改进的分类器对未标记样本的置信度进行运动视频样本选取。实验结果表明,所提算法与现行分类算法相比,具有更好的类别区分度。     

向量机的视频检索应用

提出一种基于支持向量机的视频检索方法,用于复杂背景灰度图像的识别。算法首先用相似度分析方法进行粗筛选,滤去大量非目标窗口,之后用支持向量机对通过的窗口进行分类。由于在通过相似度分析方法所限定的子空间内训练SVM,有效地降低了训练的难度。实验对比数据表明,该方法降低了分类器的训练难度,计算复杂度较低,大大提高了检测速度。     

基于支持向量机方法的车型分类技术

车型分类是交通流检测系统的子功能,也是ITS(智能交通系统)中的重要环节.支持向量机方法被看做是对传统学习分类方法的一个较好的替代,特别在小样本、非线性情况下,具有较好的泛化性能.文中基于视频检测技术,采用支持向量机方法对车型分类进行了研究.实验表明,支持向量机方法是一种很有前景的车型分类技术.     

灰色关联分析和支持向量机的运动视频图像分类研究

针对传统运动视频图像分类方法存在变化检测性能较差的问题,设计基于灰色关联分析和支持向量机的运动视频图像分类方法,通过决策降噪算法对运动视频图像进行降噪处理,将运动视频图像划分成一个3×3的滤波邻域窗口对其进行降噪,结合八邻域搜索方法与并行图像算法对运动视频图像的特征进行提取,获取运动视频图像特征区域的具体轮廓,针对运动视频图像特征区域的具体轮廓实施轮廓追踪,合并追踪轮廓时可能产生的多个记录序列表,基于灰色关联分析对运动视频图像特征的关联程度进行分析,并通过支持向量机对运动视频图像特征实施分类,从而实现运动视频图像的分类。为了证明该方法的变化检测性能更优越,将传统运动视频图像分类方法与该方法进行对比实验,实验结果证明该方法的变化检测性能优于传统方法。     

基于支持向量机的Web文本分类方法

Web文本分类技术是数据挖掘中一个研究热点领域，而支持向量机又是一种高效的分类识别方法，在解决高维模式识别问题中表现出许多特有的优势。文章通过分析Web文本的特点，研究了向量空间模型（VSM）的分类方法和核函数的选取，在此基础上结合决策树方法提出了一种基于决策树支持向量机的Web文本分类模型。并给出具体的算法。通过实验测试表明，该方法训练数据规模大大减少，训练效率较高，同时具有较好的精确率（90．11％）和召回率（89．38％）。     

基于支持向量机的电子商城用户分类个性化推荐算法设计

电子商城作为用户经常性访问的场所,这对用户实时分类进而完成商品购买预测准确性提供了必要的数据基础,本文基于支持向量机技术,对基于登录用户实时分类,进而完成商品个性化推荐的预测过程进行了详细设计,以减少客户搜索商品的时间,提升网站的销售额。     

一种改进的支持向量机多类分类方法

提出一种新的基于二叉树结构的支持向量机(SVM)多类分类方法.该方法解决了现有主要算法中存在的不可分区域问题,具有简单、直观、重复训练样本少的优点.为了提高分类模型的推广能力,必须使样本分布好的类处于二又树的上层节点,才能获得更大的划分空间.因此,该算法采用类间散布度量与类内散布度量的比值作为二叉树的生成算法.采用UCI标准数据集实验,实验结果表明该算法具有一定的优越性.     

基于遗传算法的支持向量机分类算法

针对现有部分支持向量机在多类分类过程中存在的数据不均衡性、对算法结构依赖性强的问题,提出一种新的基于遗传算法的支持向量机多类分类算法。以遗传算法中的交叉作为支持向量机中类的选择,以变异改善分类过程中的纠错能力,以适应度函数作为最优分类结果的确定。在不同特性的样本集上进行仿真测试,结果证明,该算法在类数较多的情况下,有更好的数据均衡性,在分类速度及准确度上均有一定的优越性。     

基于支持向量机的脑部MR图像细分类

本文提出了基于支持向量机的脑部MR图像细分类器,采用纹理与形状特征相结合方式表达图像,应用StARMiner算法对特征进行选择和计算特征加权系数,最后用支持向量机理论设计分类器对脑部图像进行精细分类。经反复实验优化各参数,粗略分类率可以达到92.10%。细分类可应用于特定人体部位图像的检索系统,以检索出更精确的图像,并且缩减检索空间,提高检索效率。     

基于复合核支持向量回归机的多类分类算法

针对传统支持向量机(SVM)在解决多类分类问题时需要训练多个分类器、存在不可分区域等问题,研究了基于支持向量回归机的多类分类算法。利用回归思想求解多类分类问题,将分类样本作为回归输入,样本的类别标识作为回归输出,通过支持向量回归机训练拟合出各样本与其类别标识之间的函数关系。将待分类样本代入回归函数,对其输出取整后即可得到样本类别。该算法仅使用1个分类器,明显简化了分类过程。另外,引入复合核函数来提高支持向量回归机的性能。采用加州大学欧文分校(UCI)例题库中的多类分类问题进行仿真验证,并将改进算法与传统算法作对比,结果表明改进算法在分类速度和准确率上都有显著提高。     

基于小波支持向量机的VBR视频流量预测

：VBR视频流量具有时变性、突发性和非线性等变化特点,为了提高VBR视频流量的预测精度,提出一种小波支持向量机的VBR视频流量预测模型(WSVM)。首先对VBR视频流量时间序列进行相空间重构,然后将其输入到小波支持向量机进行学习,建立VBR视频流量预测模型,最后采用仿真实验对模型性能进行测试,并与支持向量机、小波神经网络进行对比。仿真结果表明,相对于其它预测模型,WSVM模型提高了VBR视频流量预测精度,能够更加准确反映VBR视频流量的复杂变化规律。     

基于改进支持向量机的电能质量扰动分类

对近年来电网发展和研究的热门话题之一:电能质量扰动识别分类系统进行研究。识别分类系统使用小波变换方法对扰动电压信号进行特征提取,之后收入由支持向量机建立的识别系统中。相对小波能量只能表达总分解层信号能量中各层信号能量的比例,对于电能质量扰动信号的检测不能直接使用信息熵公式。因此引入加权算子以改进相对小波能量,加权算子对电能扰动特征进行放大,实时反映电能扰动特征。针对使用支持向量机建立电能质量扰动识别系统时会由于扰动信号特征向量维度高、数据庞大等问题,提出一种基于混合核函数的LSSVM建立电能质量扰动识别系统。选取RBF核函数和Polynomial核函数分别作为局部以及全局核函数,构造混合核函数,提高系统泛化能力。使用PSO优化算法对LSSVM分类器进行分类,提高分类器的识别精度等性能。最后通过实验验证研究的电能质量扰动识别分类系统的识别性能。     

基于特征加权和支持向量机的图像分类研究

利用图像特征加权方法和支持向量机实现了图像的有效分类。首先根据特征的稳定性来判断特征的重要程度,从而赋予不同权重;然后借助支持向量机实现图像分类;最后采用不同颜色和纹理特征验证了在特征加权和不加权情况下图像分类的准确程度。实验结果表明本文的方法有效提高了图像分类的准确性。     

特征筛选和支持向量机的体育视频识别

为了提高体育视频识别的准确率,加快体育视频识别的速度,提出特征筛选和支持向量机的体育视频识别模型。首先提取体育视频图像的特征,并将特征输入到支持向量机进行训练;然后根据训练样本得到每一种特征对体育视频识别的平均贡献值,并根据平均贡献值进行降序排列,去除一些无用、冗余的特征,筛选出重要特征;最后根据重要特征建立体育视频识别模型,采用仿真实验对模型的有效性进行测试和分析。仿真结果表明,该模型提高了体育视频识别的正确率,而且误识率要低于对比模型。     

改进支持向量机的电子邮件分类

电子邮件分类有利于垃圾邮件的过滤,节省网络资源。为了提高邮件分类的精度,提出了改进支持向量机的电子邮件分类器模型。首先提取电子邮件的原始特征,并采用主成分分析法对特征进行选择,减少特征数量,提高邮件分类效率;然后采用支持向量机建立电子邮件分类器,并对传统支持向量机参数选择方法进行改进,改善邮件分类效果,最后采用邮件分类的标准数据库——UCI进行性能分析。结果表明,改进支持向量机解决了当前电子邮件分类模型的不足,获得了理想的电子邮件分类效果,分类结果可以帮助管理人员拦截垃圾邮件。     

Service recommendation method based on context-embedded support vector machine

Combined with contexts and SVM,a service recommendation method based on context-embedded support vector machine (SRM-CESVM) was proposed.Firstly,according to the different contexts,the user rating matrix was modified to make it with embedded contexts.Secondly,the rating vectors with embedded contexts were used as service feature vectors to construct training set,meanwhile the dimension of service feature vector were not increased by the introduction of contexts.Thirdly,a separation hyperplane for active user was acquired based on training set using SVM,and then the SVM prediction model was built.Finally,the distances between the feature vector points representing the active users' unused services and the hyperplane were calculated.Considering the distances and the recommendation of similar users,the service list was recommended.The experimental results further demonstrate that the proposed method has better recommendation accuracy under different rating matrix densities and can reduce recommendation time.     

支持向量机在目标分类中的应用

目标分类是一个决策过程,支持向量机是一种基于统计学习理论的机器学习方法,是目前较为理想的分类工具之一。本文介绍了支持向量机的理论背景和一些新的进展,及其在理论和实际应用中面临的难题。还对支持向量机在多元分类中的应用进行了讨论,并给出了实例。