基于DT-CWT和SVM的纹理分类算法

提出了一种基于双树复数小波变换(DT-CWT)和支持向量机(SVM)的纹理分类算法.双树复数小波变换不仅具有实数小波的诸多优点,而且还具有近似平移不变性、良好的方向选择性和低冗余度,并且能对图像进行完全重构,能够更好地刻画纹理的特性;支持向量机算法是近年发展起来的性能优越的分类算法,比传统分类器有很大的优越性:避免了局部最优解和"维数灾"问题,其最优分类超平面的思想能够提高分类准确度.该方法用双树复数小波对纹理图像进行滤波并在各方向子带上进行重构,再计算其局部能量函数得到每个像素的特征向量,最后利用支持向量机算法实现对纹理图像像素的分类.将本方法与其它的分类算法进行比较,实验结果表明,提出的算法能有效地提高正确分类率.     

组合核函数支持向量机在水中目标识别中的应用

论文研究了支持向量机核函数构成条件以及不同核函数的特性，结合水中目标识别技术特点，提出了一种组合核函数支持向量机的方法。提取了基于小波变换的舰船辐射噪声奇异性、尺度-过零、尺度-能量特征，对水中目标进行了SVM分类识别。研究表明，基于组合核函数的支持向量机分类识别效果优于单独核函数的支持向量机识别效果。     

基于支持向量机的坦克识别算法

本文提出了一种基于支持向量机的坦克识别算法。在对图像预处理之后，运用颜色和纹理信息进行分割，采用基于数学形态学的算法求得边缘像素，提取具有RST不变性的轮廓特征向量，输入支持向量机进行训练和识别。将支持向量机与传统的人工神经网络的算法进行了对比实验，实验表明基于支持向量机的坦克识别算法具有更好的性能。     

灰度共生矩阵在蔬菜种类识别中的应用研究

针对我国蔬菜类食品安全追溯系统中有关种类信息采集存在的一些问题,提出了一种利用图像纹理分析技术对多种蔬菜进行识别分类,进而提高信息采集的准确性与高效性.实验中分别用灰度共生矩阵算法(GLCM)、高斯马尔可夫模型法(GMRF)和Gabor法分别对蔬菜的纹理进行特征提取,并通过支持向量机(SVM)分类对比.结果证明,由灰度共生矩阵对蔬菜种类识别可以得到较好的分类结果.     

基于紧密度FSVM新算法及在故障检测中的应用

针对传统的模糊支持向量机(FSVM)算法对边缘噪声敏感的不足,提出一种基于非线性紧密度和K最近邻方法(KNN)相结合的FSVM算法.该方法在计算样本隶属度大小时既考虑样本与类中心的距离,类中样本的紧密度,同时还考虑与其他类样本问的关系,其中紧密度的计算采用非线性数据分布描述方法进而使计算的隶属度更精确.实验结果同传统FSVM及其他改进的FSVM算法进行比较,对于国际标准测试数据及轴承故障检测问题,结果验证了建议算法具有很强的鲁棒性及高效的检测性能.     

支持向量机在混合气体种类光谱识别中的应用

针对混合气体种类光谱识别中组分气体特征谱线重叠严重的问题,将支持向量机用于混合气体种类光谱识别中,提出了一种基于支持向量机二值分类识别模型的逐一混合气体种类识别方法。利用支持向量机的核函数变换,将特征谱线重叠严重的光谱在高维空间变换为线性可分后再逐一进行混合气体种类识别。在天然气气体种类识别实验中,比较了不同核函数、数据预处理、特征提取、训练样本数等条件与识别结果的关系,结果表明,方法对1%浓度以上的天然气组成气体的正确识别率大于97%,在理论和实际应用中具有重要的推广价值。     

支持向量回归算法在梁结构损伤诊断中的应用研究

支持向量机算法具有很优秀的回归特性，所以将其应用于梁结构的损伤诊断方面。以模态频率作为特征参数，训练支持向量机实现对损伤的定位和程度标识，并通过对悬臂梁的损伤识别仿真计算进行了验证。结果表明：支持向量机在结构损伤诊断领域中具有很好的应用前景。     

使用支持向量机的纹理识别方法

将支持向量机应用到纹理识别领域,提出了一种基于支持向量机和小波变换的新型纹理识别方法。该方法用小波变换各子带图像共生矩阵参数、分析窗口大小、像素均值和像素标准差等参数作为纹理特征,解决了描述不同尺度纹理的难题。以多类支持向量机作为分类器,用输出纠错码把二分类器扩展到多类,提高了分类器的泛化能力。在包含25类单色自然纹理的图像库上进行识别试验,结果表明,该方法识别错误率小于10%,识别正确率比传统的贝叶斯等方法提高了2%左右,获得了更高的识别正确率,且推广性更好。     

SVM多类分类算法及其在故障诊断中的应用

支持向量机理论最初是针对两类问题线性可分的模式识别提出来的.在故障诊断领域,多类故障诊断是经常出现的问题.介绍了几种基于支持向量机的多类分类算法的原理,在此基础上提出一种权重二叉树多类分类算法,考虑故障状态和正常状态、重要故障和次要故障、常见故障和不常见故障之间的权重不同,适当把最佳分类面往远离重要的或常见的类别一方偏离一定的距离.在小样本情况下对转子模拟试验台典型的多类故障进行诊断,结果表明它比较符合实际工程要求.     

基于谱直方图表示和支持向量机的纹理分类

在纹理分类中采用谱直方图表示(SHR),每个图像窗表示一个包含滤波后图像直方图的特征向量,而直方图是图像谱表示的连接桥梁.在滤波器选择算法之前,结合每个图像分块和滤波器的独立谱表示和直方图,可以获得更加低层的局部特征.最后,时所有独立滤波器采用滤波器选择算法来得到所需的少量滤波器.为了保证分类的可靠性,选择高斯径向基函数(RBF)进行谱直方图表示,采用支持向量机(SVMs)作为分类函数.对本文方法和其它两种方法:Gabor滤波和独立成分分析(ICA)进行了纹理分类和脸部识别的比较实验.实验结果表明,本文方法具有更高的分类准确性,也证明了SVMs优秀的泛化能力.     

基于kNN-SVM的手背静脉虹膜和指纹融合身份识别

针对识别模式下多生物特征融合识别系统的实现问题,本文基于手背静脉、虹膜和指纹三种生物特征研究了高效的融合识别算法。分别对三种生物特征进行特征提取与匹配,得到独立的匹配分数,基于k近邻(k Nearest Neighbor,kNN)分类器实现手背静脉特征识别,将用户身份范围缩小到k个,实现个人身份的初步识别,利用支持向量机(Support Vector Machine,SVM)算法实现k个样本范围内虹膜和指纹的融合识别,实现最终的个人身份识别。利用构建的三模态生物特征图像数据库进行了实验分析,实验结果表明该系统具有较高的识别性能,具有广阔的     

改进型SVM多类分类算法在无线传感器网络中的应用

为了在有限算法复杂度的基础上提高无线传感器网络的攻击检测率,提出了一种改进的支持向量机多类分类算法.该算法综合了稀疏型随机编码和Hadamard编码的特点,以汉明距离为评判依据,对节点采集的流量数据进行分类.结果表明,与单独的一对一、一对多及Hadamard算法相比,此改进型分类算法在五种攻击的正确率检测方面有较明显的优势,运算时间上比Hadamard算法减少了22%.     

子类独立分量分析在声目标识别中的应用

针对已有的特征提取方法在多目标识别中的不足,提出了基于高阶统计分析的独立分量分析法特征提取方法,通过对多种目标的声音信号进行子类特征提取,并应用决策导向无环图支持向量机实现对多目标的有效分类。结果表明该算法在通过声音信号对多目标识别上,具有很好的应用前景。     

基于边缘识别的虹膜定位算法

为了提高虹膜定位算法的抗干扰能力,本文提出了一种基于虹膜边缘识别的虹膜定位算法.该算法应用图像几何矩函数提取虹膜内外边缘的特征,通过由支持向量机(SVM)训练的分类器进行虹膜边缘点的识别.最后由Hough变换对识别的结果进行参数求解并实现虹膜的定位.本算法经过了CASIA虹膜图形库的实验验证,仿真实验数据表明所提算法不仅具有较快的定位速度和较高的定位成功率,而且性能稳定.     

支持向量机及在马铃薯分级中的应用

本文针对马铃薯分级手段落后,分级精度不高的问题,研究了采用基于结构风险最小化原理的支持向量机方法对模式类的识别能力,构造了对应的SVM识别过程和算法,该方法易于实现,且能够找到模式间的最优分类超平面,泛化能力明显提高。最后采用两种核函数,将SVM用于马铃薯分级识别以提取马铃薯外部特征与马铃薯级别之间的映射关系,从而实现模糊性的识别。实验结果表明,此方法对解决马铃薯识别问题具有良好的适应性和实用性。     

小波包分形与支持向量机在水声目标识别中的应用研究

水声目标分类识别是公认的水声信号处理难题,船舶辐射噪声是一种非线性非平稳信号,具有一定的混沌特性,更好地认识船舶辐射噪声的非线性性质,有助于更好地寻找有效的水声目标检测及识别算法。为了解决水声目标的分类识别问题,提出了利用小波包分形和支持向量机组合进行水声目标识别。利用小波包分解得到目标辐射噪声不同频带内信号分形维数作为特征矢量,并输入到支持向量机实现目标分类,实验结果表明,小波包分形和支持向量机的结合有比较好的分类识别效果,有一定的实际应用价值。     

支持向量机应用于语音情感识别的研究

为了有效识别包含在语音信号中情感信息的类型,提出一种将支持向量机应用于语音情感识别的新方法。利用支持向量机把提取的韵律情感特征数据映射到高维空间,从而构建最优分类超平面实现对汉语普通话中生气、高兴、悲伤、惊奇4种主要情感类型的识别。计算机仿真实验结果表明,与已有的多种语音情感识别方法相比,支持向量机对情感识别取得的识别效果优于其他方法。     

基于支持向量机与改进分水岭的红细胞识别算法研究

针对因红细胞重叠以及细胞试剂里含有杂质而造成红细胞识别不准确的问题,提出了一种基于支持向量机(Support Vector Machines,SVM)与改进分水岭算法的红细胞识别算法.算法首先提取原始图像的二值化图像中每个连通区域的形状特征;利用SVM识别单个连通区域与重叠连通区域;利用改进分水岭算法将重叠区域分割为单...     

基于支持向量机的多元文本分类研究

根据文本分类的特点，在对最小二乘支持向量机方法进行详细分析的基础上，创建了基于最小二乘支持向量机的多元文本分类器．实验表明，采用该文本分类器能够在保持较高分类精度和召回率的基础上，提高训练效率，具有一定的可行性．     

超声检测信号多特征SVM-Bayes融合识别

分析了超声检测信号识别中存在的问题。研究了将支持向量机和贝叶斯推理相结合的多特征融合识别算法。阐述了支持向量机解决分类问题的原理以及贝叶斯推理原理。设计了基于最大后验概率准则的多缺陷类型多特征SVM-Bayes融合识别方法。介绍了四种不同的特征提取方法。分别将单特征SVM方法和SVM-Bayes融合方法应用于石油套管缺陷检测信号的识别。对比试验表明：SVM-Bayes融合识别方法能有效识别上述缺陷信号,其在识别率和泛化性方面都比单特征的SVM识别方法有优势。