子波核函数网络

提出一种子波核函数网络作为支撑矢量机的一种替代学习机,仿真实验验证了子波核函数网络的逼近性能和识别性能都可以与相应的支撑矢量机相媲美,并优于子波神经网络.     

基于小波支撑矢量机的陀螺仪漂移预测

提出了基于小波支撑矢量机的导弹惯性器件故障预报方法。将子波核函数应用于支撑矢量机,得到小波支撑矢量机（WSVM）方法,用于某陀螺仪漂移时间序列预测中,预测精度优于基于传统核函数的支撑矢量机。通过仿真实验证明了算法的有效性和可行性。     

支撑矢量推广能力分析

本文针对两种不同用途的支撑矢量机,分类支撑矢量机和回归支撑矢量机,分别证明了它们的一些几何性质,从这些性质出发讨论了这两种支持矢量机对新增样本的推广能力,新增样本对支撑矢量,非支撑矢量的影响以及新增样本本身的一些特点,得到了一些非常有价值的结论,从这些结论可以看出支撑矢量机对新增样本具有良好的推广能力,即对新增样本的良好的包容性和适应性,并且支撑矢量机是一种可积累的学习模型。     

支撑矢量预选取的双色Voronoi图方法

支撑矢量机是在统计学习理论的基础上发展出来的一种新的模式识别方法,在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势,在支撑矢量机中,支撑矢量的选取相当困难,成为其应用的瓶颈问题。该文利用Voronoi图在特征空间特有的构造特性,提出了一种预先选取支撑矢量的新方法双色Voronoi图方法。该方法针对数据在空间的分布特性,在训练支撑矢量机以前,利用样本数据的双色Voronoi图确定候选的支撑矢量,然后在这些预选的矢量上进行学习。试验证明了该方法的有效性及可行性。     

支撑矢量机推广能力分析

本文针对两种不同用途的支撑矢量机 ,分类支撑矢量机和回归支撑矢量机 ,分别证明了它们的一些几何性质 ,从这些性质出发讨论了这两种支撑矢量机对新增样本的推广能力 ,新增样本对支撑矢量 ,非支撑矢量的影响以及新增样本本身的一些特点 ,得到了一些非常有价值的结论 .从这些结论可以看出支撑矢量机对新增样本具有良好的推广能力 ,即对新增样本的良好的包容性和适应性 ,并且支撑矢量机是一种可积累的学习模型 .     

用不同核函数的SVM对红外目标进行运动和轨迹估计

研究用支撑矢量机(SVM)进行了红外目标运动估计的方法,并与传统方法进行比较,分析了核函数对估计结果的影响。实验表明,SVM在函数估计应用中是有效的,并表现出更强的普适性和更高的精度。     

线性规划支撑矢量机

本文通过对统计学习理论中一些重要结论,特别是线性函数VC维数的分析,得到了一种线性规划支撑矢量机,包括线性规划线性支撑矢量机和线性规划非线性支撑矢量机.在线性规划支撑矢量机中,对其VC维数界作了适当的放宽.文中最后对人工和实际样本进行了实验,结果说明了线性规划支撑矢量机在推广能力上较好地逼近了原支撑矢量机,而在计算复杂度上明显低于原支撑矢量机.     

支撑矢量预选取的中心距离比值法

支撑矢量机为小样本模式识别提供了一新的途径,但其支撑矢量的选择相当困难,也成为其应用的瓶颈问题.对此,本文提出了一种能够预先选取支撑矢量的方法——中心距离比值法.该方法在不影响支撑矢量机的分类能力情况下,大大地减少了训练样本,提高了支撑矢量机的训练速度.文中给出的仿真实验结果也验证了该方法的有效性和可行性.类似的结果在国内外还未见报导.     

用于一维图像识别的支撑矢量机方法

研究了支撑矢量机的分类机理,并利用支撑矢量机对雷达目标一维像进行了识别.识别的结果表明了该方法的优越性,并显示它可以对残缺不全的样本进行识别.     

自适应支撑矢量机多用户检测

最佳多用户检测器是非线性检测器,特征码不完全正交时,线性检测器很难逼近最佳检测器.通常无线通信信道具有时变性,要求多用户检测算法具有自适应性.本文提出了一种自适应支撑矢量机方法,并把它用于信道时变情况下的多用户检测.一方面由于支撑矢量机引入的结构风险不仅包括经验风险最小化,而且又包括了容量控制项,这使得支撑矢量机多用户检测推广能力较好且对训练要求的样本数也大大下降;另一方面由于支撑矢量机的非线性特性可以比线性检测器更好地逼近最佳检测器.仿真结果较好地证实了该方法的可行性和有效性.     

基于融合核方程对药物-靶点作用预测研究

利用计算方法预测药物-靶点作用能够有效降低药物研发成本.本文提出一种基于支持向量机的新算法预测药物-靶点信息.该方法通过整合药物-靶点作用信息、药物分子物化特性、蛋白质序列信息,对药物-靶点作用对进行特征提取,并设计新的融合核方程,将药物分子、蛋白质分子信息映射到同一个空间,利用支持向量机对药物-靶点作用进行预测分类.10-CV交叉验证下,本文方法预测总精度为93.25％,与Van-Laarhoven高斯作用核方法相比提高了6.65％.实验结果表明,本文方法可以有效预测药物-靶点之间潜在作用.     

参数自适应决策的多分辨率核支持向量分类器

为克服经典支持向量分类器(SVC)训练算法中参数的选择需要多次人工调整的缺陷,本文提出了基于多分辨率核的支持向量机参数自适应调节策略。首先通过分析非线性核映射的特征空间超平面的最小VC维数,提出了多分辨率核函数参数的自适应优化准则。然后通过迭代求解获得最优泛化能力的多分辨率核参数数值。多分辨率核函数方法保持了经典SVC训练算法结构风险最小化的原则,克服了经典SVC选择单一参数的缺陷。仿真实验结果表明本文提出的算法能够自适应的选择合适的核参数达到最优泛化能力。     

基于加权多宽度高斯核函数的聚类算法

针对在支持向量聚类,当样本分布不均匀时,单宽度的高斯核限制了支持向量机泛化性能,影响了聚类效果的问题,提出一种基于加权多宽度高斯核函数的支持向量聚类算法。加权多宽度高斯核函数比单宽度的高斯核有更多的可调参数,通过多参数调节,可提高泛化能力,改善聚类效果。仿真实验表明,与单宽度的高斯核相比,加权多宽度高斯核可以有效聚类,从而证明了该算法的有效性。     

Blind equalization algorithm based on complex support vector regression

A new blind equalization algorithm for complex valued signals was proposed based on the framework of complex support vector regression(CSVR).In the proposed algorithm,the error function of multi-modulus algorithm (MMA) was substituted into CSVR to construct the cost function,and the regression relationship was established by widely linear estimation,and the equalizer coefficients were determined by the iterative re-weighted least square (IRWLS) method.Different from spliting the complex valued signals into real valued signals used in support vector regression,the Wirtinger’s calculus was used in complex support vector regression to analyze the complex signals directly in the complex regenerative kernel Hilbert space.Simulation experiments show that for QPSK modulated signals,compared with the blind equalization algorithm based on support vector regression,the equalization performance of the proposed algorithm is significantly improved in linear channel and nonlinear channel by choosing appropriate kernel function and iterative optimization method.     

基于核主元分析法的组合核函数改进算法

提出了一种新型的组合核函数应用于构建支持向量机当中.这种组合核函数将高斯核函数与多项式核函数各自的特点融合在一起,构建了一种兼具内推和外推性能的核函数.经实验验证,将这一核函数应用在核主元分析法中,可以有效地提高识别精确度和效率.     

基于支持向量机数据分析红外手势识别方法研究

该文提出了利用支持向量机结合仿生六点手势模型优化红外体感控制设备手势识别的方法。采集空间手势信息,仿生六点手势模型提取手势特征向量,利用支持向量机分类及校对数据,引用核函数将低维空间不可分信息映射至高维空间实现线性可分。结果表明,运用基于支持向量机的红外体感设备手势方法能有效识别手势,减轻计算机通信的传输负荷。     

基于一种混合核函数的支持向量机聚类

在支持向量聚类中,采用单个核函数的支持向量机具有很大局限性,为了得到学习能力和泛化能力都很强的核函数,采用了一种新的混合核函数。将该混合核函数应用于支持向量聚类运算中,并且与普通核函数构造的支持向量机的实验结果进行了对比。结果表明了该方法的有效性。     

基于局部空间变稀疏约束的多核学习方法

局部多核学习方法根据样本所在局部空间特性选择特定的核函数组合方式,具有较好的判别能力.本文提出了一种基于局部空间变稀疏约束的多核学习方法,首先依据样本在特征空间的分布情况以软分组的方式将训练数据划分为若干数据子集.以数据子集为单位,根据在相应的局部空间内的核函数相似程度,调整核组合的稀疏程度,使用交替优化的方法进行求解.实验表明本文方法对于区分特征学习和对抗噪声方面具有的优势,因此也使得在图像场景分类问题上的准确率和稳定性得到明显提高.     

支持向量分类和多宽度高斯核

支持向量分类中,高斯核不区分样本中各个特征的重要性,显然各个特征对分类的贡献一般是不相同的.为了体现这种差别从而提高支持向量机的泛化性能,文中提出了多宽度高斯核的概念.多宽度高斯核增加了支持向量机的超级参数,进一步地,文中提出了多参数模型选择算法.算法利用误差界自动实现模型选择.通过实验验证了多宽度高斯核和多参数模型选择算法的有效性.     

基于核函数的非线性口袋算法

应用满足Mercer条件的核函数设计非线性算法已经成为机器学习领域一项新的非线性技术.核感知器算法利用核思想非线性地推广了线性感知器算法,使其可以处理原始输入空间中的非线性分类问题和高维特征空间中的线性问题.线性口袋算法改进了线性感知器算法,能够直接处理线性不可分问题.为了进一步改进线性口袋算法和核感知器算法,本文提出基于核函数的非线性口袋算法,即核口袋算法,其目标是找到一个使错分样本数最小的非线性判别函数,并证明了其收敛性.核口袋算法的特点是用简单的迭代过程和核函数来实现非线性分类器的设计.基准数据集的实验结果证明核口袋算法的性能优于线性口袋算法和核感知器算法.