一种基于谱聚类的聚类核半监督支持向量机

针对传统半监督支持向量机的高斯核函数无法恰当描述流形数据特性,从而导致流形数据分类精度下降的问题,提出一种基于谱聚类的聚类核半监督支持向量机.利用谱聚类方法在特征向量空间中对原始样本数据进行重新表述,使得在新表述中同一聚类中的样本能够更好地积聚在一起,构建聚类核函数,并进而构造聚类核半监督支持向量机,使样本更好地满足半监督学习必须遵循的聚类假设.研究结果表明:聚类核半监督支持向量机对未标记样本的分类精度高且算法性能稳定,对控制参数的设置不敏感,适于解决流形数据的分类问题.     

一种混合核函数支持向量机算法

提出一种基于混合核函数的支持向量机算法.首先证明了常用核函数的非负线性组合也是满足Mercer条件的核函数.然后通过最小化衡量二次损失函数支持向量机泛化能力的RM界来进行各子核函数参数、混合核函数组合系数以及惩罚系数的选取.仿真实验表明,基于混合核函数的支持向量机的泛化性能优于基于单一核函数的支持向量机.     

基于核K-均值聚类和支持向量机结合的说话人识别方法

提出了基于核K-均值聚类方法与支持向量机结合的说话人识别方法,为每两个人建立一个支持向量机,对支持向量机输入的语音信号先进行核K-均值聚类,并选取有效样本作为支持向量机的输入,本文提出的聚类方法能够去更好的聚类并约简数据,提高了识别率.实验比较了在用支持向量机作为分类器的情况下,该核聚类与传统聚类方法的训练速度和识别性能,验证了本文提出方法的有效性.     

基于相关向量机的物体识别

探讨了相关向量机的分类原理及其在物体识别中的应用,其核函数无需满足mercer条件,且不需要误差参数的实验调整.提出了一种基于物体显著区域的特征描述方法,在有效提取物体特征的同时,大大减少了描述物体的特征量.实验结果表明,相关向量机不仅具有与支持向量机相同的性能,而且其相关向量较少,并取得了较好的识别效果.     

用支持向量机方法识别大肠杆菌启动子

为了进一步研究大肠杆菌启动子的识别算法,结合大肠杆菌基因分子生物学的有关理论,利用支持向量机(support vector machine,SVM)方法对启动子进行了识别.根据启动子的序列保守性,从每个启动子样本中选取了长65bases的序列作为正样本,从大肠杆菌编码区选取相应长度的序列作为负样本,建立了基于支持向量机的分类器;并讨论了应用SVM方法时,核函数参数的选择问题.实验结果表明,基于支持向量机的识别方法能更好地提取启动子保守序列的统计特征,正样本和负样本的相关系数可以达到81.62％.     

基于支持向量机的超导限流器故障电流模式识别研究

对于饱和铁芯型超导限流器,指出短路故障电流需要快速识别,设计和制造了三相小样机和相应的基于labview和NI板卡的实时检测控制系统.提取了短路故障电流的2个重要特征:电流实时幅值,电流变化率,.根据特征,分别采用神经网络感知机模式分类,线性核的支持向量机和径向基函数核的支持向量机,离线在matlab环境下训练,找出最优分类面.对几种方法进行比较实验,实验数据验证表明了RBF核支持向量机具有最好的识别效果.但是该方法难以在FPGA中实现,而线性核支持向量机是综合识别效果和可实现性2个指标的最佳选择.     

水下目标回波和混响在听觉感知特征空间的分类

海底混响是一种与海底底质、海洋环境及发射信号参数等多种因素有关的随机过程,它的存在给水下目标探测识别带来很大困难。鉴于人耳听觉系统在听音辨物方面独特的优越性,利用Gammatone滤波器构建人耳听觉模型,提取听觉时-频特征和听觉谱特征,并讨论主动声呐掩埋目标回波和海底混响在这些特征下的可分离性,选取分离性好的特征构建特征空间,并利用径向基核函数支持向量机进行分类识别。实验结果表明,两类信号的特征具有良好的聚类性,能够获得较高的识别准确率,表明该方法能够有效地区分目标回波和混响。     

基于核映射的无相关鉴别矢量集算法

针对人脸识别这一非线性分类问题,提出了一种基于核的无相关鉴别矢量集算法。应用了支持向量机中核函数的思想,通过核映射将原空间的非线性分类问题转化为特征空间的线性分类问题,然后在特征空间进行无相关鉴别矢量集的求取。其优势在于:利用核函数不但可以将非线性问题转化为线性问题,而且可以提取样本图像的高阶统计特征。在ORL人脸库中的测试结果表明,与传统的全局正交鉴别矢量集算法及传统的无相关鉴别矢量集算法相比,基于核映射的无相关鉴别矢量集算法有更高的识别率,最高识别率可达到99%。     

一种新的自适应组合核函数

核选择是支持向量机研究中的核心问题之一,不同的核函数将产生不同的分类效果.研究了核参数和误差惩罚参数对支持向量机推广能力的影响,然后根据局部核函数与全局核函数的各自优点,提出了一种新的自适应组合核函数,并将该核函数应用于支持向量机中.最后,利用该自适应核进行不同领域数据的实验,实验结果表明由该核函数建立的支持向量机具有更好的预测能力.     

基于支持向量机的聚氯乙烯耐有机溶剂性能分类

支持向量机是一类全新的小样本统计学习方法,它通过支持向量对样本进行分类或统计回归.将其应用于对非晶态聚氯乙烯的耐有机溶剂性能进行分类研究.选择74种溶剂(73种有机溶剂和水)的溶解度参数分量,即色散参数(δds)、偶极参数(δps)、氢键参数(δhs)为描述变量,采用径向基核函数,以留一法交互检验的识别率为目标函数进行支持向量分类.当选择SVM参数C=512及径向基核函数参数γ=0 5×10-3时,SVM对PVC耐蚀性能分类的模型识别率为94 59%,LOO识别率为91 89%.     

再生核Hilbert空间中的一种插值方法

在给定的再生核Hilbert空间中,利用再生核的性质,通过再生核函数的线性组合得到插值基函数,从而构造了插值函数,并给出误差估计和数值算例.该方法是这个再生核Hilbert空间中一种新的插值方法,计算量小,收敛速度较快,便于实际应用.     

一种嵌入式Linux实时调度机制改进方案

在分析传统实时调度器不足的基础上,提出了一种新型智能调度器模型,并通过修改RT-Linux的内核函数,包括实时算法的初始化函数和调度函数,实现了多种调度算法的集成,为用户提供统一的使用界面.最后对新的调度机制进行了算法复杂性分析和性能测试,实验表明,新的调度机制能够较好地满足系统实时性要求.     

基于自适应投影算法和修正核函数算法的混合支撑矢量机

提出了基于自适应投影算法和修正核函数算法的混合支撑矢量机，根据修正核函数算法的正形投影变换，将问题映射到黎曼空间来增大分类面，从而提高支撑矢量机的分类精度，但其缺陷在于它帅两步优化实现的，因此增加了时间复杂度，基于此，混合支撑矢量机使用自适应投影算法对支撑矢量进行预选取，即通过投影从训练样本中选择部分样本作为中心矢量进行训练，实验结果表明：此方法在可分性得到显著提高的同时提高了速度。     

SVM with discriminative dynamic time alignment

In the past several years, support vector machines (SVM) have achieved a huge success in many fields, especially in pattern recognition. But the standard SVM cannot deal with length-variable vectors, which is one severe obstacle for its applications to some important areas, such as speech recognition and part-of-speech tagging. The paper proposed a novel SVM with discriminative dynamic time alignment (DDTA-SVM) to solve this problem. When training DDTA-SVM classifier, according to the category information of the training samples, different time alignment strategies were adopted to manipulate them in the kernel functions, which contributed to great improvement for training speed and generalization capability of the classifier. Since the alignment operator was embedded in kernel functions, the training algorithms of standard SVM were still compatible in DDTA-SVM. In order to increase the reliability of the classification, a new classification algorithm was suggested. The preliminary experimental results on Chinese confusable syllables speech classification task show that DDTA-SVM obtains faster convergence speed and better classification performance than dynamic time alignment kernel SVM (DTAK-SVM). Moreover, DDTA-SVM also gives higher classification precision compared to the conventional HMM. This proves that the proposed method is effective, especially for confusable length-variable pattern classification tasks.     

支持向量机和元胞自动机相结合的图像边缘检测方法

针对如何提高图像边缘检测效率的问题,提出1种结合最小二乘支持向量机(LSSVM)和元胞自动机进行图像边缘检测的方法.首先,基于Gauss径向基核和多项式核构建出新的核函数,使得LSSVM对图像像素邻域的灰度值能够进行准确的曲面拟合.接着,推导出图像的梯度算子,并与图像灰度值进行卷积得到图像的梯度值.然后,元胞自动机按照所设计的局部规则对梯度值进行演化,实现图像边缘的定位和检测.仿真实验检测出的图像边缘定位准确,而且达到1个像素宽,表明新提出的边缘检测算法是有效的;同时,通过对比分析得知新算法具有比Sobel和Canny算法更高的检测性能.     

Linux2.6内核实时性分析与改进方案

分析了linux2.6内核的实时性,针对分时调度算法和粗糙的时钟粒度,提出一种改进方案.改进的Linux具有高精确度时钟系统和多种实时调度算法动态模块.实验表明,改进后的linux2.6内核在实时性方面有较大提高.     

基于秩空间差异的多核组合方法

在求解秩空间差异性的基础上,提出一种基于秩空间差异性的多核组合方法。将样本按照特征进行分组,使用不同的核函数对已完成分组的数据进行训练,并应用网格搜索法对核函数的参数进行寻优。在备选核函数中选取两个核函数,将分为两组的数据分别放入对应的核函数中进行映射,通过判断数据经过核函数映射后的秩空间差异性为基础核函数的选择提供参考。选用白酒数据集、乳腺癌数据集以及葡萄酒品质数据集进行试验,验证了当数据经过已选的基础核函数映射后,秩空间差异越大,分类的准确率越高。试验结果表明应用该方法进行基础核函数的选择以及组合的可行性。     

基于核的k最近邻算法

将核学习的方法应用到k最近邻算法中,提出了1种基于核的k最近邻算法.该算法通过引入核函数,将原空间中的样本映射到1个高维核空间中,突出了不同类别样本之间的特征差异,使样本变得线性可分,从而提高分类性能.并利用UCI数据库中的数据分别验证了k最近邻分类和核k最近邻分类算法的有效性.     

基函数神经网络和再生核函数关系

主要研究了基函数神经网络和再生核函数之间的关系,证明了当基函数神经网络的激活函数φ(x)∈C[-1,1]n时,基函数神经网络实质就是一个再生核函数,并且给出了基函数神经网络的再生核数学表示形式.同时,把这个结论推广到一般前馈神经网络结构上,得到一般前馈神经网络实质上也有一个再生核函数表示的结果,并给出了相应的数学表示形式.     

一种新型核函数下的无单元法及应用

提出一种新的核函数形式,划分两种不同力学场,并给出相应的紧支距修正方法,最后将这两种核函数同现有几种核函数进行比较,证明这一核函数比其他几种核函数有更好的近似效果。