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．     

基于支持向量机改进算法的船舶类型识别研究

利用船舶目标辐射噪声DEMON谱特征,采用改进的支持向量机算法,实现了对船舶目标的分类识别研究。针对支持向量机算法对噪声比较敏感和最优分类面求解时约束较多不利于支持向量机最优分类面寻优的问题,在保持支持向量稀疏性和应用径向基核函数的条件下,对支持向量机算法在松弛变量和决策函数两方面进行了改进,提出了基于径向基核函数的齐次决策二阶损失函数支持向量机改进算法,并应用于利用船舶目标辐射噪声DEMON谱进行船舶目标类型分类识别实验。理论分析、数据仿真与实验结果表明,该改进算法实现了在二次规划中的较少约束条件下最优分类面求解,具有模型参数寻优空间广阔、总体分类性能优的特点,其分类性能优于原支持向量机算法,是一种适合于船舶辐射噪声DENOM分类识别的有效的支持向量机改进算法。     

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Gabor和LIOP特征的多视角目标识别

针对被检测目标在视角变化和遮挡时较难识别的问题,提出联合利用Gabor特征和视角变换时共有的LIOP特征对目标进行多角度识别的新算法。首先,用4个方向、16个尺度的二维Gabor滤波器组对输入图像进行滤波,得到64组含有方向信息的Gabor特征响应图,进而对相邻尺度和相应位置计算局部响应最大值,得到具有尺度及平移不变的特征向量。其次,通过几何变换算法获得不同视角下的LIOP特征向量。然后,为了降低时间复杂度,通过主成分分析算法对联合特征降维。最后,把降维后的特征向量输入支持向量机(SVM)进行训练学习,得到检测器模型。为了定量评估算法精度和鲁棒性,在Caltech-101和UIUC car两个标准数据库进行测试,实验结果表明,本文在两个标准数据集上的平均识别率分别达到了92.1%和95.4%,能较好检测不同尺度、不同角度的目标。     

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。     

基于支持向量机的遥感影像分类研究

以焦作地区部分IKONOS遥感影像为数据源,采用支持向量机(Support Vector Machine,SVM)分类器,通过解算最优化问题,在高维特征空间中寻找最优分类超平面,从而解决复杂数据的分类及回归问题。结果表明,利用SVM进行遥感图像分类的精度高,有明显的技术优势和应用前景。     

基于支持向量特征筛选方法的想象动作识别

引入了支持向量特征筛选方法,以克服基于想象动作诱发脑电特征的脑-机接口识别中,由于特征维度较高而训练数据有限、不易获得理想识别效果的问题.支持向量特征筛选方法采用扰动支持向量机代价函数的方法测量特征的分类贡献度,进而建立特征序贯指数,以递归方法进行特征排序和优化筛选.对14例受试者的左右上肢想象动作诱发脑电信号进行分析,提取6类246维特征,采用支持向量递归筛选方法进行特征优选,利用支持向量机对优选特征进行识别,结果显示,支持向量递归筛选得到的优选特征可显著提高识别正确率.研究表明,支持向量特征筛选可以降低无效特征干扰,提高分类器效率,适用于特征维度较高的脑-机接口任务识别.     

基于表面肌电信号对比分析的膝下假肢爬梯补偿机制研究

表面肌电信号是测试肌力大小的重要指标之一。本文通过对6名健体者（健康人组）和6名膝下假肢者（残疾人组）爬梯活动中左右竖脊肌和左右股直肌的表面肌电的时域和频域分析,对比两组被试在爬梯过程中的这四块主要活动肌群肌力的差异。结果,无论是中值频率（Mr）还是积分肌电值（iEMG）,残疾人被试在假肢一侧的股直肌指标值都要显著小于其健体一侧（P〈0．05,n=87）,也小于健康被试的股直肌。残疾被试的竖脊肌显著大于健康被试（P〈O．001,n=87）。研究表明,爬梯过程中,残疾人假肢一侧的股直肌持久力和爆发力均弱于其他身体部位,腰部及健体一侧提供能力补偿。     

基于时频特征的光纤周界振动信号识别

在光纤周界安防系统中,蓄意入侵和环境噪声均能引起光纤传感器振动,在保证系统高灵敏度的前提下区分入侵和非入侵事件极为重要。为了有效识别各种光纤振动信号,本文依据入侵和环境噪声引起的光纤振动信号在时域上的短时特性以及复小波域各尺度上能量分布特征,提出了两级判别法识别光纤信号。第一级用时域特征,短时能量和短时平均过零率判断是否有振动发生;第二级用复小波提取光纤信号的能量分布特征,联合时域特征形成特征矢量,支持向量机(SVM)作为分类器识别是否为入侵信号及入侵类型。实验结果表明,此方法可以有效识别入侵信号和环境噪声引起的非入侵事件,提高了系统报警率,降低了误报率。     

磨削颤振频域特征及其机理的研究

磨削过程中的颤振现象极其复杂。本文在不同磨削工艺条件下,对切入磨削过程进行了大量的实验研究,统计分析了颤振过程中频率位置分布及其变化规律,并对这些现象的形成机理进行了探讨。     

基于 SVM 的模糊图像识别

目的研究如何准确识别清晰图像与不同程度的模糊失真图像。方法首先对图像进行特征提取,主要从离散余弦变换域内的频率系数统计特征、峰度值、颜色饱和度三方面进行。然后在不同程度的模糊图像库中,利用支持向量机分辨出模糊图像。结果基于上述3种图像特征的组合,非常适合用于描述图像模糊现象,并且运用支持向量机分类器可以较为准确快速地区分出高斯模糊图像和清晰图像。结论提取模糊图像具有表征性的特征,可应用于不同程度模糊图像的识别,且运用支持向量机分类结果准确度也较高。此方法可应用于图像处理前期,剔除有碍信息表达的模糊图像。     

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.     

空间频率、笔画数及字频对汉字识别的影响

6、9、12画高、低字频黑、宋体汉字图像命名实验结果表明,刺激字空间频率为0～1.0cpd时命名正确率几乎为零,增加到2．0、3．0、4．0、5．0cpd成分后命名正确率提高,反应时缩短,继续增加到6．0、7．ocpd成分,命名绩效不再变化;0～2．0cpd时笔画数效应及6画字字频效应开始出现,0～3．0cpd时12画字出现字频效应。汉字辨认的实验结果也大致如此,因此,1．0cpd是汉字识别绩效的零起点,2．0～5．0cpd空间频率带具有关键性作用;汉字识别过程中存在一个没有字频效应的早期加工阶段。     

基于深度学习的地震子波分类识别

针对地震勘探中噪声压制的问题,构建了一种适合分类和识别地震子波的卷积神经网络模型.首先对卷积神经网络模型的激活函数、卷积核大小以及归一化层等进行了设计,然后利用已搭建好的卷积神经网络对地震信号的时频谱图进行特征提取,最后实现了不同类型的含噪地震信号的分类和识别.实验结果表明,该模型有高分类率和识别率及较好的抗干扰能力,...     

改进的Shearlet变换耦合频率特征的图像融合算法

目的解决当前图像融合算法大都直接在图像的像素灰度空间上进行融合,导致融合图像存在视觉效果差及算法鲁棒性不强等问题。方法文中提出改进的Shearlet变换耦合频率特征的多聚焦图像融合算法。将Shearlet变换(ST)和非下采样小波变换(NSWT)进行融合,形成改进的Shearlet变换(ST-NSWT)对源图像分解,获取图像的低、高频子带系数;构建区域能量模型,对源图像之间的低频子带系数进行相关性度量,完成低频子带的融合;对高频子带的频率特征进行分析,建立方差模型、平均梯度模型、空间频率模型,分别对源图像的灰度相关性、清晰度相关性及活跃度相关性进行测量,完成高频子带的融合,最后通过ST-NSWT逆变换,输出融合图像。结果与当前多聚焦图像融合算法相比,文中算法融合的图像能较好地保留更多的细节及边缘信息,使融合图像具备更佳的视觉效果。结论所提算法具有更好的融合质量,可用于遥感探测与包装印刷检测等领域。     

基于自适应EIH模型的激波脉冲识别

就超音速飞行体产生的激波脉冲识别展开研究,分析了目标信号的脉冲特性和基于EIH(Ensemble Interval Histogram)模型的波形特征提取方法.分析了EIH模型在波形结构特征提取的过程中存在的问题,提出了一种自适应EIH模型.以外场试验获取了超音速目标的激波信号和干扰源的脉冲信号,设计了支持向量机分类器,仿真了所提出模型的有效性.     

双出杆液压减振器高频特性模型研究

为准确反映液压减振器在高频激励下的输出特性,基于流体惯性和局部流动损失等因素对阻尼液流动的影响规律,结合高频激励下减振器阻尼间隙内的流动特征,建立能够准确反映液压减振器高频动态特性的动力学模型,对液压减振器产生的阻尼力进行理论预测研究.试验与仿真分析结果均验证了该模型的准确性.     

虹膜纹理的空间频率特性

在虹膜预处理时首先将定位后的虹膜均分8层,然后每层虹膜采用不同的标准分别进行归一化,将虹膜展开为阶梯状,改善了传统归一化造成的图像数据重复或缺漏.利用2DGabor函数的频率选择性,分别在不同的空间频率段上提取虹膜图像特征并进行识别,通过对不同频段上的识别结果进行比较,获得了虹膜纹理的空间频率特性.实验结果表明,在空间频率为0.005～0.04的频段上,能够有效提取可用于识别的虹膜纹理特征,高效率实现虹膜识别;而在低于0.005和高于0.04的频率区间提取的特征主要为图像噪声,无法有效识别虹膜.