共查询到18条相似文献,搜索用时 46 毫秒
1.
基于支持向量机集成的分类 总被引:6,自引:0,他引:6
支持向量机是一种基于结构风险最小化原理的分类技术,本文提出了将支持向量机分类器进行集成的分类思想。首先.在原始样本的基础上形成子支持向量机,得到待检样本的子预测;进而对子预测进行适当的组合,以确定样本最终的类别预报。模拟实验结果表明,该方法具有明显优于单一支持向量机的更高的分类准确率。 相似文献
2.
梁竞敏 《计算机应用与软件》2010,27(7):104-106
提出一种基于Bagging算法和SVM的步态识别方法。首先应用背景差分法分割出运动人体轮廓,然后将人体分为多个可变区域,并通过计算获取特征向量。采用SVM分类器进行分类识别,为了提高SVM的识别率,采用Bagging算法对分类结果进行分类集成,实验结果表明,该算法取得了很好地识别性能。 相似文献
3.
为了能够快速、准确地识别飞机目标,文章给出了一种基于支持向量机的飞机目标自动识别方法;采用Touzi边缘提取,得到目标形状参数的几何特征,Hu不变矩等16个特征矢量作为SVM的训练样本,通过SVM训练得到飞机目标识别模型,从而完成飞机目标的自动识别;试验结果显示.该算法对不同尺度和模糊程度的飞机目标的识别度可达99%;该算法减少了样本训练时间,在提高识别准确率的同时降低了算法的复杂度,具有识别度高、识别速度快的特点,可用于飞机目标的快速识别。 相似文献
4.
5.
小波矩结合了矩特征和小波特征,既反映了图像的全局性信息,又反映了图像的局域性信息,并且具有旋转、平移和缩放不变性.利用小波矩与支持向量机进行目标识别,不但解决了图像识别中特征量随图像旋转、平移和缩放而变化的问题,而且提高了对近似物体的识别能力,是解决小样本、近似图像识别的有效方法. 相似文献
6.
7.
准确的模式识别要求提取出的特征尽可能反映分类本质的特征.本文利用同态分析理论对水下声信号进行预处理,从最终接收到经过噪声干扰的目标信号中复原出能反映目标传输特性的原始信号,并在此基础上对信号进行离散小波变换,提取小波变换系数在不同区间上的尺度—过零密度、尺度—平均幅度特征,最终利用组合核函数支持向量机对提取出的特征进行分类识别.实验表明,提取出的特征能反映目标类别特点,该方法能对水下目标进行有效的识别. 相似文献
8.
9.
提出了基于数据挖掘技术及基于支持向量机的两种水中目标识别方法,分别藉助目标噪声特征量提取和模式识别算法以及支持向量及二次规划算法,对比性地研究了不同工况下三类目标的分类识别效果。其方法和结果对水中目标识别有较好的参考价值。 相似文献
10.
11.
支持向量机多类分类方法 总被引:30,自引:0,他引:30
支持向量机本身是一个两类问题的判别方法,不能直接应用于多类问题。当前针对多类问题的支持向量机分类方法主要有5种:一类对余类法(OVR),一对一法(OVO),二叉树法(BT),纠错输出编码法和有向非循环图法。本文对这些方法进行了简单的介绍,通过对其原理和实现方法的分析,从速度和精度两方面对这些方法的优缺点进行了归纳和总结,给出了比较意见,并通过实验进行了验证,最后提出了一些改进建议。 相似文献
12.
采用精选Gabor小波和SVM分类的物体识别 总被引:3,自引:0,他引:3
提出了一种基于Gabor小波和支持向量机的物体识别通用框架. 在该框架中, 特征抽取采用选取的Gabor小波在物体的最佳位置卷积实现, 而分类则通过支持向量机实现. 相比传统的基于Gabor特征的识别系统, 该方法能够同时达到准确而快速的分类目的. 本论文成功地将该框架应用于两个实际的物体识别例子: 物体/非物体分类和人脸识别. 实验结果证明了所提出的方法相对于其它方法的优越性. 相似文献
13.
14.
15.
16.
采用PCA/ICA特征和SVM分类的人脸识别 总被引:16,自引:1,他引:16
人脸识别过程中,首先在主成分分析基础上进一步做独立成分分析,来提取更加有利于分类的面部特征的主要独立成分;然后采用一种分阶段淘汰的支持向量机分类机制进行识别.该方法扩展了支持向量机处理多类问题的能力,它基于1-1差别策略,根据各判别函数VC置信范围的差异进行排序,同时利用判别函数间的冗余来降低识别误差.对两组人脸图像库的测试结果表明,文中方法在识别率和识别时间等方面都取得了较好的效果。 相似文献
17.
牛肉胴体质量等级评定是牛肉依质论价的基础。其中,大理石花纹是评定牛肉质量等级的主要指标。由于人工评定存在许多缺点,采用机器视觉来判定牛肉胴体质量等级是一种很好的方法。研究了一种基于图像处理和支持向量机(SVM)分类的牛肉大理石花纹等级评定技术。首先应用阈值分割、形态学腐蚀及膨胀的方法来分割牛肉图像中的有效区域(用于大理石花纹等级评定的区域);然后用矩方法来提取图像特征参数,最后用支持向量机的模式识别技术来构造牛肉大理石花纹等级分类模型。结果表明:该模型对我国国家标准规定的牛肉大理石花纹等级的正确识别率分别达到95.9%(一级)、89.2%(二级)、93.2%(三级)、100%(四级)。研究的牛肉大理石花纹等级的机器视觉检测方法是可行的,这为牛肉等级的在线检测装置设计提供了条件。 相似文献