基于支持向量机分类的回归方法

支持向景机(Support Vector Machine,SVM)是一种基于结构风险最小化原理的分类技术,该技术已成为当前国际机器学习界研究的热点.本文提出了一种将回归问题转化为分类的新思想,这种方法具有一定的理论依据,与多项式函数拟合相比具有一定的优越性.     

基于支持向量机的回归预测综述

近年来,支持向量机在预测方面有广泛的应用,回归预测和回归分析也是一个非常值得探讨的领域。加上工具集的使用,将对很多的应用行业,起着一定预测作用。说明对于回归预测这种方法应用于预测是有效的。文章对支持向量机进行简单介绍,在介绍基于回归预测基础上,提出这种方法的优缺点,最后展望其方法应用的前景。     

一种彩色图像复原新方法:基于滑动窗口的支持向量回归算法

提出一种彩色图像复原新方法,将彩色图像按RGB三个通道进行分解,针对每个通道分别采用滑动窗口操作,直至遍历整幅图像,从而获得三个训练集.然后应用支持向量机进行回归分析,建立清晰图像与模糊图像之间的对应关系,从而得出彩色图像复原网络模型.最后根据该模型对待测模糊图像进行复原校正.实验结果显示新算法能很好地对模糊彩色图像进行复原,复原效果优于维纳滤波等经典滤波算法,且计算量远远小于迭代盲反卷积方法.     

一种面向核支持向量机的boosting特征选择方法

特征选择在模式分类中扮演了一个重要的角色。它的目标是尽可能多地将不相关特征排除在外,同时,得到区分度大的特征子集。那些信息量小的特征的存在,不仅使得学习算法表现不佳,而且会掩盖数据背后重要的本质信息。随着新兴技术的发展,在很多领域数据集变得越来越大,很多不相关特征通常会出现在这样的数据集中,使得传统的学习算法遇到了巨大的挑战,尤其在效率和推广性方面。于是,一种可以从数据集中消除冗余和非相关信息的算法变得十分必要。本文提出一种boosting策略的特征选择方法,利用基于核空间的距离评价函数,采用前向分步搜索方法,为核向量机(CVM)分类器选择特征子集。实验结果显示,这种方法和非boosting策略,以及其他评价方法相比,能给分类器带来更优的特征。     

基于小波支持向量回归的电力系统负荷预测

根据混沌动力系统的相空间延迟坐标重构理论,基于支持向量回归强大的非线性映射能力和小波核函数的局部分析和特征提取能力,提出一种基于小渡支持向量回归的电力系统负荷预测模型,并采用最小二秉方法来训练该预测模型,利用该模型对嵌入维数与模型预测性能的关系进行探讨.仿真结果表明,该预测模型能精确地预测电力系统负荷,而且在电力系统负荷的最佳嵌入维数未知时也能取得比较好的预测效果.     

基于复合核支持向量回归机的多类分类算法

针对传统支持向量机(SVM)在解决多类分类问题时需要训练多个分类器、存在不可分区域等问题,研究了基于支持向量回归机的多类分类算法。利用回归思想求解多类分类问题,将分类样本作为回归输入,样本的类别标识作为回归输出,通过支持向量回归机训练拟合出各样本与其类别标识之间的函数关系。将待分类样本代入回归函数,对其输出取整后即可得到样本类别。该算法仅使用1个分类器,明显简化了分类过程。另外,引入复合核函数来提高支持向量回归机的性能。采用加州大学欧文分校(UCI)例题库中的多类分类问题进行仿真验证,并将改进算法与传统算法作对比,结果表明改进算法在分类速度和准确率上都有显著提高。     

基于多核支持向量回归的光谱反射率重建方法

针对传统方法重建光谱反射率过程中未考虑多光谱训练数据维度高、冗余大的特点,导致重建精度低、重建模型学习能力和泛化能力较差的问题,提出了多核支持向量回归的光谱反射率重建方法。首先综合全局、局部核函数的特点引入柯西核函数与多项式核函数的乘积作为多核核函数,然后使用试凑法从训练样本中获取提高模型性能的参数。最后使用多核支持向量回归模型对测试样本进行反射率重建,通过光谱误差及适应度等进行评价。实验结果表明:与伪逆、单核支持向量回归法相比,本文重建方法的光谱误差值降低了0.4～0.785,决策系数提高了2.84～5.27%,平均适应度系数值提高了2%～3%。本文方法在颜色复制中重建精度高、色差较小,满足人眼视觉可容忍范围内。     

MOADA-SVR：一种基于支持向量回归的多元在线异常检测方法

网络异常检测对于保证网络稳定高效运行极为重要。基于主成分分析的全网络异常检测方法虽然具有很好的检测性能,但无法满足在线检测的要求。为了解决此问题,引入流量矩阵模型,利用支持向量回归及其支持向量解的在线稀疏化方法建立流量的一种常态模型,提出了一种基于支持向量回归的多元在线异常检测算法MOADA-SVR。理论分析和因特网实测数据分析表明,该算法与主成分分析算法相比具有类似的检测效果,但具有更低的存储和计算开销。     

一种基于支持向量机的车牌字符识别方法

针对车牌字符图像受客观条件影响较大、样本数量不是很大、分类识别相对容易等实际情况。提出了一种对经过预处理的车牌字符图像采用SVM算法进行识别的方法。该方法将图像数据转变为文本数据作为输入样本，方法简单快速，克服了提取图像特征过程中过分依赖字符结构和图像质量的不足。并通过使用参数归整、交叉校验、选择适当的核函数等方法寻求最优参数．避免欠学习、过学习问题的产生。通过使用高速公路收费口的实拍汽车图像进行实验，验证了算法的有效性。     

基于支持向量回归机的电能质量评估

针对传统方法和神经网络方法在电能质量评估方面存在的不足,提出了一种新的基于支持向量回归机的电能质量评估方法。依据电能质量标准和有关文献建立了电能质量评估指标体系,给出了电能质量评估指标的等级区间。基于支持向量回归机的原理和电能质量评估指标,建立了基于支持向量回归机的电能质量评估模型。应用实例的仿真结果表明,所建立的评估模型具有较强的推广能力,得出的评估结果与其他评估方法相比更为合理可信。     

基于融合推理的酥梨黑星病智能预决策方法

研究基于案例推理与规则推理的集成推理方法,提出基于案例推理与基于规则推理的融合推理框架,设计并实现了以融合推理框架模型为基础的病害智能预决策系统。将以黄河故道地区砀山酥梨黑星病为例进行测试的数据,与现有方法以及实测数据进行相关性统计分析。结果表明在对酥梨的黑星病预测上,该方法与现有方法相比,在拟合度、推理效率和准确率上具有显著的优势。     

一种基于支持向量机的手写汉字识别方法

本文提出了一种新的基于支持向量机手写汉字识别方法.支持向量机作为一种新的机器学习方法,由于其建立在结构风险最小化准则之上,而不是仅仅使经验风险达到最小,从而使得支持向量分类器具有较好的推广能力.本文首先讨论了支持向量机的基本原理,然后,针对支持向量机识别大类别手写汉字所遇到的特殊问题,文章进行了分析和阐述,并在此基础上,提出了基于最小距离分类器预分类的两级分类策略.最后,针对GB2312-80的1034个汉字类别的120套手写样本,进行了实验仿真.实验结果表明,本文方法的汉字识别率较距离分类器有较大提高,其中多项式核函数的支持向量分类器,识别率平均提高3.38％,表明了本文方法的有效性.     

基于支持向量机的红外小目标分割和聚类方法研究

目标图像的分割与聚类是检测和识别红外小目标过程的预处理部分。通过映射最小二乘向量机对原始红外图像中每一像素的局部区域作灰度曲面最佳拟合,在拟合曲面上进行灰度极大值像素点位置估计,再通过聚类分析提取出可能的小目标。并以混合核函数为例导出了极值点估计所需的二阶方向导数算子。对模拟和实际的海空红外图像进行了实验验证。研究表明,基于支持向量机的小目标分割和聚类算法具有较强的适应性。     

基于向量机的边缘检测算法优化研究

该文利用最小二乘向量机(LSSvM)对原始图像每一像素的邻域作灰度曲面的最佳拟合,并以径向基核函数为例导出了图像的梯度算子和零交叉算子。通过梯度和零交叉的综合,实现了边缘的定位和检测,提出了利用边缘检测性能指标来优化参数的方法。确定了高斯LSsVM的参数(σ2,γ)为(7,1),用所选参数进行了图像边缘检测实验。结果表明,基于支持向量机的边缘检测算法可靠性好、效率高。     

SVM全极化SAR图像分类中的特征选择

本文将SVM用于全极化SAR图像分类,并提出一种新的应用于SVM分类的特征选择算法。该算法以支持向量个数作为特征评估准则,利用顺序前进法加入特征。基于NASA/JPL实验室AIRSAR系统的L波段荷兰Flevoland全极化数据的与RELIEF-F算法的对比实验表明,在特征个数更少(或相当)的情况下,本文特征选择算法能在更广泛的SVM参数取值范围内获得更高的分类精度。     

用红外光谱技术研究打蜡梨的红外光谱特性

采用CCD阵列光谱仪研究了打蜡梨的红外光谱特性。经分析,在655~660 nm波段,经过打蜡处理后的梨会出现吸收峰,而未经打蜡处理的梨则没有出现吸收峰;在610~620 nm波段,打过石蜡梨的红外图谱吸收峰峰高和未打蜡梨的红外图谱吸收峰峰高相当,而打过果蜡梨的红外图谱吸收峰远远低于未打蜡梨的红外图谱吸收峰。该结果表明红外光谱技术在打蜡梨检测中具有一定的可行性,同时也为进一步研究针对打蜡梨的智能化无损检测技术提供了参考依据。     

谈《梨园春》立体声录音创作

本文主要论述在河南电视台1500平方米演播室直播戏曲晚会《梨园春》时。根据录音工作实践和经验，在拾取戏曲乐队声时采用A／B制立体声拾音技术，拾取舞台表演区效果声时采用DECCA TREE制立体声拾音技术，拾取观众区效果声时采用ABCDE制立体声拾音技术等。并通过掌握1500平方米演播室的声学特性和戏曲节目的艺术特性，在现场主扩声达到较好的音色质量，观众在任何位置都能获得良好的听音效果的情况下，使播出录制质量达到较好的立体声效果。     

基于层次-灰色分析法的软件质量评价方法研究

提出了基于层次-灰色分析法的软件质量评价方法,给出了使用该方法的步骤,即通过工程化方法来筛选软件质量评价因子,采用层次分析法来确定因子权重值,利用灰色分析得到各因子的灰色评价矩阵,并给出了应用实例。     

一种基于方法调用树的Aspect挖掘方法

Aspect挖掘的目标是识别遗产系统中的横切关注点，为遗产系统的面向方面改造提供支持。基于方法调用树提出一种自动化Aspect挖掘方法，给出方法调用轨迹和方法调用关系的定义。同时给出一致性约束和横切约束。该方法具有比使用动态轨迹的Aspect挖掘方法更高的查全率。