基于SVM的文本多类分类方法研究

支持向量机是在模式分类中表现优秀的一种分类方法。对现有的基于SVM的文本多类分类方法进行了介绍和比较．研究了分类器特征空间模式问题，在这些工作基础上，提出了并行SVM的模型。     

SVM增量学习算法研究

SVM是在模式分类中表现优秀的一种分类方法。通过对现有SVM的两种增量算法的分析,给出了改进措施,在此基础上结合类加权思想,提出了一种新的加权增量SVM学习算法。并将其应用于Web文本分类中。     

SVM增量学习算法研究

SVM是在模式分类中表现优秀的一种分类方法。通过对现有SVM的两种增量算法的分析，给出了改进措施，在此基础上结合类加权思想．提出了一种新的加权增量SVM学习算法。并将其应用于Web文本分类中。     

多步态SVM分类且自适应阈值的行人定位方法

针对已有零速修正算法中固定阈值判定导致零速区间检测不准确,定位精度低的问题,提出了一种多步态SVM分类且自适应阈值的行人导航方法.选取行人在静止、行走、跑步、上楼、下楼运动步态下的零速判别最优阈值,利用多分类SVM对5种运动步态进行识别,根据气压计信息判断上下楼运动模式,并根据分类结果进行自适应阈值调节,确定零速区间,进而触发零速修正.实验结果表明,多步态SVM分类且自适应阈值方法提高了运动模式的分类精度,进而改善定位精度,定位误差0.44％.     

基于粗集理论和SVM算法的模式分类方法

本文提出一种将粗集方法与SVM算法结合起来的模式分类方法.利用粗集理论在处理大数据量、消除冗余信息等方面优势,减少SVM训练数据,克服SVM算法因为数据量太大,处理速度慢等缺点;同时,借助SVM良好的分类性能,对粗集约简后的最小属性子集进行分类,实现模式分类算法的快速性能、高识别率和抗干扰性强等优点.本文以手写体汉字的识别为例,说明本算法的实用性.     

脱机手写体汉字识别的支持向量机方法研究

提出一种采用二叉树粗分类与SVM细分类结合的分类识别方法,充分发挥SVM在二类分类问题方面相对于单一SVM方法的优势 .实验结果表明提出的识别方法在解决复杂多分类脱机手写体汉字分类识别问题上有效的提高了分类精度和速度.     

基于超球体的二叉树SVM多分类算法的研究

针对现有的支持向量机在多类分类方法上存在的不足,提出了一种基于超球体的二叉树SVM多类分类算法。该算法利用球结构的SVM考虑了每个类的分布情况,能有效地处理不平衡样本数据,设计超球体支持向量机的树型模型,克服了差错积累问题。实验证明,与其它SVM多类分类方法相比,该方法具有较高的分类精度,提高了支持向量机在多类分类问题中的实验效果。     

一种SVM多分类算法

为了使用支持向量机(SVM)算法进行多类分类,在SVM二分类基础上,提出使用排序算法中冒泡排序的思想进行SVM多类别数据分类。使用该方法在选取的UCI数据集进行实验,结果表明,在保证较高正确率的情况下,相对传统一对一的多分类方法,该方法较大幅地减少了分类时间,是一种应用性较强的SVM多类分类方法。     

用于模式分类的支持向量机的研究

SVM在解决小样本、非线性及高维模式识别问题中表现出诸多特有的优势,结合模式分类,研究SVM的基本思想、训练算法及其应用,讨论海量样本数据的改进训练算法以及多类别分类方法等方面.     

基于支持向量机的纸张缺陷图像分类识别

根据支持向量机（SVM）在小样本、高维模式分类中具有的优良分类性能,提出将支持向量机应用于实际的纸张缺陷分类。针对三种现场易出现的缺陷,通过对缺陷图像进行预处理、特征选择,再利用SVM进行分类,利用交叉验证进行参数和模型选取,取得了较好的分类效果,为纸张缺陷的分类指出一种可行的方法。     

连接池模式和Java连接池

软件设计模式是面向对象软件设计的一种新的方法。基于软件设计模式,设计了用于数据库访问的连接池模式,并采用Java实现了此模式。     

一种基于量化抖动和分组编码的图像水印算法

该文提出了一个新的基于量化抖动和分组编码的盲数字图像水印算法,此算法首先在DWT(离散小波变换)的第二层中频子带中随机选取相应位置的绝对值最大的系数作为水印的嵌入区间,对小波系数进行量化并根据分组编码原理生成预嵌入模式,然后将一个二值水印图像嵌入到模式当中。实验证明,通过量化抖动和模式分组编码相结合的方法,可达到水印图像透明性和鲁棒性之间较好的折中,对于各种常见的图像处理操作如有损压缩、剪裁等攻击具有较好的抵抗能力。     

一种高效海量字符串集合的模式匹配算法

提出一种高效海量字符串集合的模式匹配算法。给出了字符串集合模式匹配的定义,模式的预处理,字符串集合的存储结构和匹配算法,并分析了算法的复杂性和正确性。该文算法具有很好的时间复杂性和空间复杂性,因此具有很好的应用前景。     

基于Landsat TM影像的圩田结构信息提取与分析--以皖东南圩田区为例

皖东南圩田是中国主要圩田区之一，圩田结构特征主要反映在圩田水网以及圩田堤坝的组合上，对狭窄沟渠及水体与堤坝形成的混合像元的结构信息提取是圩田结构信息提取成功的关键。基于陆地卫星Landsat TM数据，采用了谱间关系法与阈值法两种方法进行圩田结构信息提取实验，实验表明：谱间关系法可以精确的提取水体信息，由于水体的混合像元不易与其它地物区分，所以无法合理的处理混合像元；阈值法中发现在第5波段，水体阈值的一定离散范围内的混合像元主要表现为圩田水网与圩田堤坝的组合，但易多提取居民地信息。通过对闲值法提取信息的二值图像与居民地信息二值图像进行布尔运算来剔除冗余信息，成功提取了圩田结构信息，探讨了圩田结构的4种类型并分析了它们的功能与形成背景。     

TwigEN：一种新的小枝模式匹配算法

随着互联网的迅速发展,XML已经成为网上通用的数据表示与交换的标准。因此,如何有效地查询XML数据成为一个重要的研究课题。近年来,小枝模式匹配问题已被广泛地研究,提出了不少小枝模式匹配算法。在汲取各种小枝模式匹配算法优点的基础上,提出了一种新的小枝模式匹配算法TwigEN。根据XML文档结构它可以跳过那些在结构连接中无用的元素结点,这样不仅减少了待处理结点的数目,缩短了处理时间,而且也节省了内存空间。     

基于MVC模式Web应用框架的研究和开发

随着软件开发技术的不断发展,MVC模式作为一种主流的软件开发模式,在软件开发中得到了广泛的应用,尤其是在Web开发中。在分析MVC模式的基础上,设计和开发了一个基于MVC模式的小型Web开发应用框架,并将该框架应用于精品课程建设中的网上课程测试系统的开发,从而验证了该框架的可用性。     

A neural network approach to characterize pattern parameters in process control charts

Abnormal patterns on manufacturing process control charts can reveal potential quality problems due to assignable causes at an early stage, helping to prevent defects and improve quality performance. In recent years, neural networks have been applied to the pattern recognition task for control charts. The emphasis has been on pattern detection and identification rather than more detailed pattern parameter information, such as shift magnitude, trend slope, etc., which is vital for effective assignable cause analysis. Moreover, the identification of concurrent patterns (where two or more patterns exist together) which are commonly encountered in practical manufacturing processes has not been reported. This paper proposes a neural network-based approach to recognize typical abnormal patterns and in addition to accurately identify key parameters of the specific patterns involved. Both single and concurrent patterns can be characterized using this approach. A sequential pattern analysis (SPA) design was adopted to tackle complexity and prevent interference between pattern categories. The performance of the model has been evaluated using a simulation approach, and numerical and graphical results are presented which demonstrate that the approach performs effectively in control chart pattern recognition and accurately identifies the key parameters of the recognized pattern(s) in both single and concurrent pattern circumstances.     

基于模式识别的自整定控制及应用

本文提出一种基于模式识别的自整定控制方法,以模式表示和模式分类来描述系统的动态特性和调节器的结构,用模式识别优化方法求取调节器的参数,当系统动态模型参数未知时,这种自整定方法是建立在系统测量数据序列基础上的。该方法在实验性二元精馏塔上用IBM-PC微机获得成功应用。其结果优于常规PID调节器。     

基于模式噪声的手机图像篡改检测

模式噪声作为相机传感器的固有特征, 其高频分量与所拍摄的场景无关, 并在相机的生命期中相对稳定. 因此基于模式噪声的多媒体取证已经被广泛应用在追溯图像来源检测中. 然而, 由于模式噪声的脆弱性, 容易被篡改者从一个相机复制到另一相机上. 针对这一问题, 首先对基于模式噪声的两种篡改方式进行研究, 并通过设定判定阈值进行篡改取证, 同时为了解决模式噪声的相关性检测过程中计算量大, 算法复杂度高等问题, 采用了改进的模式噪声集鉴别方式, 大大提高了篡改检测效率.     

动态空间网络中的黑洞模式挖掘算法

黑洞模式是人类移动模式研究中的标志性成果,但在移动模式的演化建模方面存在局限性,因此研究具有时间演化特性的黑洞模式。新模式定义需要满足群体规模性、空间区域性和时间持续性3方面要求。提出具有时间演化特性的动态空间网络模型,基于此模型定义新的黑洞模式,并提出相应的挖掘算法。为了提升模式挖掘算法的效率,设计了基于时空划分的候选模式剪枝算法,有效降低了挖掘算法在时空维中的搜索代价。最后,基于真实数据的实验结果表明了该黑洞模式及其挖掘算法的有效性和可行性。