尺度核函数支撑矢量机

本文提出了一种可容许的支撑矢量机核—尺度核.该尺度核函数可以被看作是一个具有平移因子的多维尺度函数,它能作为平方可积空间的子空间上一组完备的基函数.在此意义上,采用尺度核函数的支撑矢量机,可以认为是在尺度空间中寻找最佳的尺度系数.因此在理论上尺度核函数支撑矢量机能够以零误差逼近某一空间上的任何目标函数,文中给出的仿真实验进一步验证了它的可行性和有效性.     

基于支撑矢量机的通信信号调制识别方法研究

提出了一种应用小波变换提取分类特征的基于支撑矢量机的通信信号调制识别方法。使用多个支撑矢量机分类器构成一个多类分类器用于多类信号的调制识别。在中频进行处理,不需要同步信息;利用支撑矢量机具有更好的推广能力,可以使用较少的训练样本。计算机仿真结果表明该方法可以很好地工作于信噪比变化范围较大的通信环境。     

基于支撑矢量机的调制制式识别算法

调制制式识别是信号自适应传输系统中的一项重要技术。研究表明，传统调制制式识别在训练样本有限情况下性能不佳。而基于支撑矢量机的调制分类器采用结构风险最小化原则，在样本有限情况下仍能达到较好性能。通过分析和研究，首次提出结合高阶累积量和多尺度小波分解两种特征的调制制式识别算法。该算法结合高阶累积量对调相信号以及小波特征量对多载波信号识别的突出优点，实现了多种信号的一步识别。通过对该算法在多种常见信号上的应用进行分析和仿真，证明其性能优于传统调制制式识别算法。     

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 .     

小波分析与最小二乘支撑矢量机在调制识别中的应用

自动调制识别是通信对抗及软件无线电等领域的一个重要研究课题。本文提出了一种使用小波分析与最小二乘支撑矢量机,对数字调制信号的识别方法。首先对接收到的信号进行小波去噪,然后提取其小波包分解系数模值的标准方差作为识别的特征参数．利用最小二乘支撑矢量机为分类器,对2ASK,4ASK,2PSK．4PSK．8PSK．4QAM,16QAM．2FSK和4FSK九类数字信号进行分类识别。计算机仿真结果表明该方法有效．在信噪比为0dB时正确识别率达到99．01％。     

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.     

一种基于支撑矢量机的多用户检测算法

与现有的机器学习算法相比,在样本有限的情况下,支撑矢量机具有更强的分类推广能力.本文将支撑矢量机与多用户检测相结合,提出了一种新型的多用户检测算法.理论推导和仿真结果表明该算法的有效性.     

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.     

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。     

基于小波变换和支持矢量机的调制信号识别

提出一种基于小波变换和支持矢量机的数字信号自动调制识别新方法，即将信号小波变换后提取各尺度上的能量峰值作为特征向量，利用支持矢量机把分类特征向量映射到一个高维空间，并在高维空间中构造最优分类超平面以实现信号分类。这种方法对高斯噪声具有良好的稳健性，并避免了神经网络中的过学习和局部极小点等缺陷。计算机仿真结果表明，这种方法具有很高的分类性能和良好的稳健性。     

基于Gabor小波和支持向量机的人脸识别方法

基于Gabor小波在图像表征方面的优越性,提出了将Gabor小波和支持向量机(SVM)相结合用于人脸识别的方案。用Gabor小波对人脸图像进行特征提取,再利用SVM策略对特征向量进行分类识别,实验的仿真结果验证了本算法的有效性。     

DDoS detection based on wavelet kernel support vector machine

To enhance the detection accuracy and deduce false positive rate of distributed denial of service （DDoS） attack detection, a new machine learning method was proposed. With the analysis of support vector machine （SVM） and the wavelet kernel function theory, an admissive support vector kernel, which is a wavelet kernel constructed in this article, implements the combination of the wavelet technique with SVM. Then, wavelet support vector machine （WSVM） is applied to DDoS attack detections and as a classifying means to test the validity of the wavelet kernel function. Simulation experiments show that under the same conditions, the predictive ability of WSVM is improved and the computation burden is alleviated. The detection accuracy of WSVM is higher than the traditional SVM by about 4%, while its false positive is lower than the traditional SVM. Thus, for DDoS detections, WSVM shows better detection performance and is more adaptive to the changing network environment.     

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。     

回归型支撑矢量机的罚函数法及其改进算法研究

介绍了用于回归估计的支撑矢量机,针对标准罚函数法训练速度慢和不能有效区分不同样本重要程度的问题,将两种改进算法用于支撑矢量机的回归估计,并通过仿真实验分析了算法的训练效果,证明了算法的可行性。     

基于输出频谱和支持向量机的模拟电路故障诊断方法

针对模拟电路的特点和其故障诊断中存在的问题,提出了一种基于输出频谱和支持向量机的新型模拟电路故障诊断方法(FMSVM)。该方法采用多音信号作为模拟电路的激励信号,并用其输出频谱中的有限个频率点的幅值作为故障特征,采用多分类支持向量机(MSVM)进行故障模式判别,实现了模拟电路的故障诊断。实验结果表明,该故障诊断方法具有速度快、准确率高的特点,具有重要的实用价值。     

Multiple kernel relevance vector machine for geospatial objects detection in high-resolution remote sensing images

Geospatial objects detection within complex environment is a challenging problem in remote sensing area. In this paper, we derive an extension of the Relevance Vector Machine (RVM) technique to multiple kernel version. The proposed method learns an optimal kernel combination and the associated classifier simultaneously. Two feature types are extracted from images, forming basis kernels. Then these basis kernels are weighted combined and resulted the composite kernel exploits interesting points and appearance information of objects simultaneously. Weights and the detection model are finally learnt by a new algorithm. Experimental results show that the proposed method improve detection accuracy to above 88%, yields good interpretation for the selected subset of features and appears sparser than traditional single-kernel RVMs.     

基于9/7双正交小波的一种高效矢量量化算法

该文提出一种用于图像压缩的矢量量化算法,该算法用9/7双正交小波对图像进行分解,利用三个方向上各自小波系数之间的相关性,构造符合其特征的跨频带矢量,提高了图像的编码效率和重构质量,同时采用了新的矢量量化技术渐进构造聚类(PCC),实验结果证明,该算法在未熵编码的条件下,获得 PSNR32dB的重构图像,比特率高达 0.141 bpp.而且实现方法十分简单。     

小波支持向量去噪

噪声对图像质量产生不利影响,降低了图像的应用价值,为了更好的消除图像中的噪声,提出一种小波支持向量去噪方法.首先采集大量的激光散斑图像,并将它们划分成为训练图像集和测试图像集,然后将训练图像集输入到小波支持向量机进行学习,将图像中信号划分为噪声和有用信息,最后采用测试图像集对小波支持向量机去噪性能进行测试与分析.实验结果表明,相比于其它激光散斑图像去噪方法,小波支持向量机可以更加有效的去除噪声,可以很好的保护图像边缘细节信息,提高了激光散斑图像的质量.     

基于小波变换与支持向量机回归的冬小麦叶面积指数估算

叶面积指数(LAI)是作物长势诊断及产量预测的重要参数。通过对冬小麦采样点的高光谱曲线进行连续小波变换(CWT),然后利用小波系数与LAI 建立支持向量机回归(SVR)模型,实现冬小麦不同生育时期的叶面积指数估算。通过对所研究方法与选取的植被指数、偏最小二乘(PLS)回归等5种方法的反演结果进行统计分析。结果表明:利用连续小波变换确定的LAI 的敏感波段为680、739、802、895 nm,对应尺度分别为8、4、9 和8,对应小波系数的LAI 回归确定系数(R2)明显高于冠层反射率的回归确定系数;利用小波系数与LAI 建立的SVR 模型的反演精度最高,模型实测值与预测值的检验精度(R2)为0.86,均方根误差(RMSE)为0.43;而常用植被指数(归一化植被指数,NDVI;比值植被指数,RVI)建立的估测模型对冬小麦多个生育时期LAI 反演精度最低(R2 0.76,RMSE0.56)。因此利用连续小波变换进行数据预处理,能更好地筛选出对叶面积指数敏感的信息,LAI 回归方法比较结果表明,SVR 比PLS 更适合于LAI 的估测,通过将CWT 与SVR 结合(CWT-SVR)能实现不同生育时期冬小麦叶面积指数的遥感估算。     

基于图像处理技术与支持向量机的鱼龄识别

采用图像处理技术,提出了一种基于核主成分分析(KPCA)与支持向量机(SVM)的鱼年龄自动识别新方法。首先通过KPCA提取鱼的耳石图像的主元,然后用SVM对鱼的年龄进行学习、识别和预测。实验表明,该方法取得了较好的效果。