基于信息谱熵的支持向量机机械状态识别

特征提取是机械状态识别的重要内容.分析了机械振动信号的频谱特征,将二维信息谱熵作为机械状态的特征指标,应用到轴承的状态监测,直观地辨别出正常和故障两种状态.进一步将二维谱熵作为支持向量机(SVM)分类器的输入量,结果表明SVM具有良好的分类能力和计算效率,可以满足在线监测的要求.     

基于支持向量机的数字调制信号识别

针对神经网络分类器容易陷入局部最小值和不适用于小样本的缺点,提出一种应用零中心瞬时特征提取法提取分类特征,采用支持向量机分类器进行数字调制信号识别的方法。与传统的神经网络方法相比,该方法具有更好的泛化推广能力。实验仿真结果表明,该调制识别方法在小样本下具有较高的识别率。     

基于多人决策理论的船舶辐射噪声识别

船舶辐射噪声的识别非常复杂,为提高其分类器的分类性能和可靠性．提出一种基于多人决策理论的多分类器决策模型和算法．通过采用Welch谱、线性预测编码谱和Burg谱3种特征对应的BP神经网络和支持向量机分类器组成的6个分类结果进行群体决策,并对海上实测的3类目标辐射噪声数据进行分类．实验结果表明,对3类目标的总体正确识别概率达到96．29％．比单个分类器具有更好的分类性能．     

基于支持向量机的肿瘤亚型识别

肿瘤亚型的准确判别对肿瘤的治疗具有重要意义。该文依据肿瘤的基因表达谱,研究了利用支持向量机进行肿瘤亚型识别的方法。该方法以基因蕴含的样本分类信息量为依据首先排除噪声基因,然后采用支持向量机作为分类器进行肿瘤亚型的识别。文章以急性白血病的基因表达谱数据为例,进行亚型识别并同已有的研究成果进行了对比。实验结果表明了该方法的可行性和有效性。     

基于图像边缘小波矩和支持向量机的目标识别

小波矩结合了矩特征和小波特征,既反映了图像的全局性信息,又反映了图像的局域性信息,并且具有旋转、平移和缩放不变性.利用小波矩与支持向量机进行目标识别,不但解决了图像识别中特征量随图像旋转、平移和缩放而变化的问题,而且提高了对近似物体的识别能力,是解决小样本、近似图像识别的有效方法.     

基于支持向量机的水中目标识别

本文阐述了有关统计学习理论和支持向量机算法,提出了基于支持向量机的水中目标识别方法.该方法与传统方法相比,克服了后者固有的模型选择与过学习问题、非线性与维数灾难问题、局部极小问题.最后进行了水中目标的对比识别实验,实验结果说明,相对于近邻法和神经网络法,支持向量机算法对水中目标有更高的识别性能.     

基于线性判别分析和支持向量机的步态识别

提出了基于线性判别分析(LDA)和支持向量机(SVM)的步态识别方法.应用背景差方法分割出运动人体轮廓,对人体轮廓进行水平和垂直投影,将垂直和水平投影向量合成为一维步态数据向量.通过线性判别分析对步态数据进行特征提取和压缩,对得到的识别量应用支持向量机进行步态的分类和识别.应用上述方法在CMU步态数据库上进行了实验,实验结果表明本文所提的步态识别方法具有较高的识别性能.     

基于支持向量机算法的气体识别研究

利用多传感器或者传感器阵列,同时,结合神经网络技术来进行气体识别和定量分析研究已成为目前传感器领域的一个研究热点。介绍了一种在该领域还没有引起足够重视的算法———支持向量机算法(SVM)。利用该算法,结合多传感器技术,对 3种不同体积分数的有机溶剂进行了识别研究,并取得了较好的识别效果,证明了该算法在气体识别领域具有相当大的研究价值。     

基于支持向量机的汽车胎号识别算法研究

为了提高汽车轮胎号自动识别的正确率,提出一种利用支持向量机的汽车胎号识别算法。首先采用图像采集设备获得胎号图像,并进行预处理,然后提取字符的特征向量,采用主成分分析对特征向量进行降维处理,最后采用支持向量机进行字符识别,同时利用遗传算法优化支持向量机的参数。仿真结果表明,采用支持向量机的汽车胎号识率达到97.52%,误识率和拒识率极低,很够很好满足汽车胎号识别要求。     

基于有效候选集的支持向量机样本选择方法

训练样本选择是支持向量机的一个重要研究课题。但是,目前大部分样本选择方法的一个共同的不足就是,其训练样本的候选集是整个样本空间,因此可能会选择一些对分类效果影响不大的内部样本,或者选择一些可能会降低分类效果的“过边界”样本。提出了两种基于“有效”候选集的样本选择方法。该方法首先通过“挖心”和剔除“过边界”样本来确定训练样本的“有效”候选集,然后在此“有效”候选集上进行训练样本的选择。实验结果表明,该方法在保留“有效”候选样本的同时,也提高了支持向量机分类器的正确识别率。     

基于支持向量机的逆控制及其稳定性分析

支持向量机(SVM)是一种基于结构风险最小化(SRM)的新的机器学习方法,具有良好的推广性能。给出了利用其构造逆控制器的方法,并将逆控制器串联于原系统前构成伪线性复合系统。针对此开环逆控制系统,在核函数为局部Lipschitz的前提下,证明了控制器是有限增益稳定的,并给出Gaussian核函数对任一变量的局部Lipschitz性的充分条件,在一定合理的假设下给出了控制系统的稳定性结论。     

基于模糊支持向量机的色素皮损症状识别

传统支持向量机由两类扩展到多类问题时，会出现不可分区域。针对这种情况，在传统支持向量机中引入模糊隶属度函数，用模糊支持向量机（FSVM）解决了传统支持向量机在多类识别中的盲区问题。实验表明，该方法在进行皮肤色素斑症状的识别过程中效率较传统支持向量机明显提高。     

支持向量机在字符识别中的应用研究

本文应用SVM对字符图像识别进行实验研究,并在此基础上,研究了SVM对含有高斯噪声的字符图像的识别问题。研究结果表明,SVM能够在有限样本的情况下,获得较高的识别率,是目前小样本学习的最佳解决方案。     

基于支持向量机的移动网络性能综合评价策略

为了实现移动网络各粒度网元的自动综合评价,针对现有的移动网络性能综合评价方法在应用中存在的问题,提出了一种新的以结构风险最小原则为理论基础的支持向量机评价方法。理论分析表明,该方法可以克服BP神经网络的评价方法中存在的过拟合以及可能收敛于局部极小点的问题;也避免了主成份分析法导致的信息丢失问题。实验结果表明,采用基于支持向量机的评价方法比之基于BP的方法,预测误差更小,过程更可控,而且更好地保持了不同样本评价间的差异。     

基于启发式信息的支持向量机规则抽取

提出一种基于启发式信息的支持向量机规则抽取方法,解决了规则抽取中处理连续属性困难的问题。将支持向量回归（SVR）分类超曲面位置和形状特征作为启发式信息指导属性选择和属性区间的合理分割,然后给出了分类规则抽取的具体算法。通过UCI中多个数据集进行测试,证明与其他规则抽取方法相比,该方法显著提高了分类规则抽取的效率,尤其对复杂的分类问题。     

基于支持向量机的传真收件人识别方法

在字符特征提取基础上,文章提出了应用支持向量机对传真收件人进行识别的方案,解决了传真收件人格式、表示方法多样性而导致的自动分发困难的问题。文中对四种常用的核函数分别进行了实验,选取了对传真收件人具有较高识别率的核函数,它有利于实现传真文件的自动分发。     

一种基于并行支持向量机的网络入侵检测方法

构造了一种基于并行支持向量机(Parallel Support Vector Machines,简称PSVMs)的网络入侵检测(Intrusion Detection,ID)方法,多个并行的支持向量机在分布式的计算机系统环境上运行。利用反馈对初始的分类器进行更新,避免了初始训练样本的分布差异过大而对分类器性能产生的潜在影响。将其与神经网络检测模型进行对比,实验证明,该方法在保持较低误警率的同时有着很好的检测率,在训练时间上优于传统BP网络方法,并且能保证较好的泛化能力。     

支持向量机加权类增量学习算法研究

针对支持向量机类增量学习过程中参与训练的两类样本数量不平衡而导致的错分问题,给出了一种加权类增量学习算法,将新增类作为正类,原有类作为负类,利用一对多方法训练子分类器,训练时根据训练样本所占的比例对类加权值,提高了小类别样本的分类精度。实验证明了该方法的有效性。     

一种不平衡支持向量机的校正方法

针对支持向量机中两类不平衡数据的分离超平面的偏移问题提出一种校正方法：先对两类样本数据在核空间中进行核主成分分析，分别求出两类样本数据的在特征空间中的主要特征值；然后根据两样本容量以及各自的特征值所提供的信息，对两类数据给出惩罚因子比例；最后通过优化训练产生一个新的分离超平面。该分类面校正了标准支持向量机的分类误差，与标准的支持向量机相比，该方法不仅平衡了错分率，同时还能减少错分率。实验结果验证了方法的有效性。