首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 234 毫秒
1.
支持向量机的快速分类算法   总被引:3,自引:0,他引:3  
支持向量机(SVM)算法在训练集的规模很大特别是支持向量很多时,支持向量机的学习过程需要占用大量的内存,算法的速度较慢。为此,笔者提出一种新的SVM快速分类算法。该算法通过选择边界向量,构造新的训练样本,减少了参与训练的样本数目。实验证明,该算法不仅能保证原算法的精度,具有良好的推广能力,而且提高了算法的速度。  相似文献   

2.
针对过程神经网络(PNN)单一训练算法自适应调整能力差、缺乏对学习性质有效控制的问题,提出一种梯度下降与牛顿迭代相结合的求解算法——混合误差梯度下降算法.在训练初始阶段,基于网络训练目标函数,采用梯度下降法进行迭代寻优,只需计算目标函数一阶导数数值公式,复杂度低且误差下降快;当梯度下降法学习效率降低时,引入牛顿迭代法,并将梯度下降法的训练结果作为初始参数代入目标函数,使问题转化为求解非线性方程组,不需要一维搜索而提高网络训练效率.通过学习效率分析自适应调节两种算法的切换,直至满足停机条件.将其应用于时变信号模式分类,实验结果表明,该算法较大地提高PNN训练效率.  相似文献   

3.
针对单模型分类算法在训练样本数量较少时成功率偏低的问题,提出一种集成学习算法,并在DPA_Contest_V4数据集上进行实验。首先使用传统方法破解循环掩码,再使用SVM(support vector machine)、随机森林和k近邻(k-nearest neighbor,kNN)等分类算法进行训练和预测,最后将这些模型的结果集成。实验结果表明,集成模型优于单一模型,尤其当训练集中的能量迹数目较少时集成模型的成功率比单一模型高10%左右。  相似文献   

4.
基于Adaboost-高斯过程分类的人脸表情识别   总被引:1,自引:0,他引:1  
为了弥补Ababoost分类器分类精度不够、训练耗时的缺点,利用高斯过程分类器分类精度高、计算复杂度低的优势,提出一种改进的表情识别方法.该算法将高斯过程分类(GPC)和Adaboost的人脸表情识别算法相结合,在训练二分类Adaboost时利用高斯过程分类器训练弱分类器;把这些弱分类器组合成一个总分类器,将二分类Adaboost GPC扩展为多类分类算法.采用Gabor提取面部表情特征,由于Gabor特征提取后存在维度变高、冗余大的问题,引入二维主成分分析(2DPCA)对Gabor特征进行选择.基于Cohn-Kanade和JAFFE数据库的实验结果表明,该算法在识别正确率和速度方面的表现均较好.  相似文献   

5.
针对高光谱数据维数高、有标签样本少等特点,采用半监督分类利用未标记样本信息提高高光谱图像分类精度。主动学习研究训练样本的选择方法,以少量的标记样本得到尽可能好的泛化能力。本文提出了一种结合主动学习算法的半监督分类算法。该方法使用支持向量机作为基本的学习模型,通过主动学习方法选取训练样本,以伪标记的形式加入到分类器的训练中,结合验证分类器迭代选出置信度较高的伪标记样本,通过差分进化算法交叉变异伪标记样本扩充标记样本群。在两个数据集上进行仿真实验,与传统分类算法相比,所提算法的总体分类精度分别提高了1.97%、0.49%,表明该算法能够有效地提升主动学习样本选择的效率,在有限带标记样本情况下提高了分类器精度。  相似文献   

6.
为了提高性别检测的精度,提出了一种支持向量机(SVM)与主动外观模型(AAM)相结合的迭代学习算法.采用AAM对初始训练样本建模,在此基础上构造SVM分类器.在当前迭代过程所产生的支持向量中随机选择不同性别的样本,对其AAM参数线性插值而生成一系列伪样本,并从中选取被当前分类器误分类或正确分类但分类可信度低的样本参与下次迭代学习.实验结果表明,采用该算法所构造的伪样本是初始训练样本的有效补充,提出的伪样本选择方案优于传统的Bootstrap方法,迭代学习方法逐步提高了性别分类器的检测精度.  相似文献   

7.
提出了两种n维向量方程x=(x)的迭代收敛加速算法,该算法是无导数求解方程x=(x)的一种特殊方法,并通过实例说明了这种方法的有效性.由于该算法也适用于非线性方程,因此,在实际应用中有很大的价值.  相似文献   

8.
提出了两种n维向量方程x=(x)的迭代收敛加速算法,该算法是无导数求解方程x=(x)的一种特殊方法,并通过实例说明了这种方法的有效性.由于该算法也适用于非线性方程,因此,在实际应用中有很大的价值.  相似文献   

9.
在人工鱼群算法的基础上提出了一种新的优化算法——微人工鱼群算法,作为径向基神经网络(RBFNN)的训练算法.微人工鱼群算法利用两个鱼群(寻优鱼群和库存鱼群)来寻优,寻优鱼群使用人工鱼群算法来寻找全局最优解,库存鱼群保证了寻优鱼群的多样性,微人工鱼群算法使RBFNN的隐中心位置和相应的宽度值同时得以优化,提高了RBFNN的泛化能力.将微人工鱼群算法优化后的RBFNN应用于双螺旋和IRIS分类,试验结果表明,相对于K-means以及人工鱼群算法,本文方法在泛化能力上得到提高.  相似文献   

10.
针对传统的增式支持向量机算法在计算时间和分类效率上的不足,提出了一种新型的增式SVM训练算法。该算法不是简单地保留上一步训练的支持向量,而是通过增加KKT(Karush-Kuhn-Tucke)限制条件并对决策函数的输出设定一个阈值,使得保留下来的样本都是最有效的样本,从而可减少训练样本的数目。在仿真实验中,选择了一组UCI数据,并选用RBF核函数作为核函数。实验结果表明:与传统增式算法相比,新算法在保证传统SVM性能的同时,在迭代速度和分类放率上分别提高了14%和4.39%。  相似文献   

11.
In order to study the effects of aging treatment on the intergranular corrosion(IGC) and stress corrosion cracking(SCC) of 7003 aluminum alloy(AA7003), the intergranular corrosion test, electrochemical test and slow strain rate test(SSRT), combined with optical microscopy(OM) and scanning electron microscopy(SEM) as well as transmission electron microscopy(TEM) observations have been carried out. The IGC and electrochemical test results showed that the IGC resistance of AA7003 for peak aged(PA) temper is the lowest, with double peak aged(DPA) the moderate, and retrogression and re-aging(RRA) the highest among three tempers, which is attributed to the continuous feature of precipitation on grain boundary of PA temper and the interrupted feature of precipitation on grain boundary of DPA and RRA tempers, as well as the wide precipitation free zones(PFZ) of RRA temper. In addition, the SSRT results indicated that all three tempers AA7003 are susceptible to SCC in IGC solution, and the change tendency of SCC susceptibility(ISCC) of AA7003 for three tempers follows the order: ISCC(RRA)ISCC(DPA)ISCC(PA).  相似文献   

12.
在多示例学习中,当训练样本数量不充足或者训练样本中存在噪声信息时,分类器的分类性能将降低.针对该问题,本文提出了一种基于抗噪声的多任务多示例学习算法.一方面,针对训练样本中可能存在的噪声问题,该算法赋予包中示例不同的权值,通过迭代更新权值来降低噪声数据对预测结果的影响.另一方面,针对训练样本数量不充足问题,该算法运用多任务学习策略,通过同时训练多个学习任务,利用任务间的关联性来提高各个分类任务的预测性能.实验结果证明,与现有的分类算法相比,该方法在相同的实验条件下具有更优秀的性能.  相似文献   

13.
工程图纸管理系统及在组合夹具拼装中的应用   总被引:1,自引:0,他引:1  
工程图约随着CAD技术的普及,其文档管理变得非常重要组合夹具CAD是机械CAD中的一个重要分支,其元件品种繁多而复杂,对拼装后的各种夹具管理非常重要介绍于开发通用图库管理系统的必要性和可行性,应用数据库理论和CAD技术及在Visual C+4.0环境下开发的一个通用图库管理系统。概述图库管理系统的功能和结构,并将此系统应用于组合夹具拼装软件,包括系统结构介绍,系统的主模块以及对修改,调用,创建库子  相似文献   

14.
针对大数据K-近邻(K-nearest neighbors, K-NN)计算复杂度高的问题,提出一种基于HBase和SimHash的大数据K-近邻分类算法。利用SimHash算法将大数据集从原空间映射到Hamming空间,得到哈希签名值集合;将样例的行键与值的二元对存储到HBase数据库中,行健(rowkey)为样例的哈希签名值,值(value)为样例的类别;对于测试样例,以其哈希签名值作为健rowkey,从HBase数据库中获取所有样例的value,通过对这些values进行多数投票,即可以得到测试样例的类别。与基于MapReduce的K-NN和基于Spark的K-NN在运行时间和测试精度两方面进行试验比较。试验结果显示,在保持分类能力的前提下,提出的算法的运行时间远远低于其他两种方法。  相似文献   

15.
针对现有虚拟化可信平台架构中vTPM(virtual trusted platform module)实例缺乏有效安全保障的问题,提出一种基于Intel SGX(software guard extension)的虚拟可信平台模块安全增强方案——vTSE。该方案利用SGX技术的物理安全隔离特性,将vTPM实例的代码和数据放入SGX提供的安全隔离区域enclave中进行隔离保护;同时vTSE使用SGX具有的基于可信区身份的密封功能加密存储安全隔离区中的非易失数据。通过实验证明了本方案能够在vTPM实例运行时动态地保护其代码和数据的机密性、完整性,同时实现vTPM实例数据的安全存储。最后,从安全性和性能开销两方面进行评估,实验结果表明,vTSE的方案在保证vTPM实例运行和存储安全的同时,增加的性能开销不超过1 ms。  相似文献   

16.
变异语音的训练样本有限,采用传统的分类方法进行分类,效果不够理想,而支持向量机方法在有限样本情况下可以保持很好的分类推广能力.采用支持向量机方法进行变异语音分类,提取基频和 TEO 基频作为变异语音分类的特征,讨论了样本预处理和参数选择等问题,提出了直接截取和 DTW 规正两种方法来解决语音样本特征向量长度不一致的问题.基于 TEO 基频特征,采用指数径向基函数(ERBF)内核,对应力(G-force)影响下的变异语音进行分类,分类正确率可达到99.2%,比传统的贝叶斯分类器和 HMM 分类器,分类性能分别平均提高了12.6%和6.0%.实验结果表明,采用支持向量机方法进行变异语音分类是可行的.  相似文献   

17.
基于支持向量机的变异语音分类研究   总被引:6,自引:0,他引:6  
变异语音的训练样本有限,采用传统的分类方法进行分类,效果不够理想,而支持向量机方法在有限样本情况下可以保持很好的分类推广能力.采用支持向量机方法进行变异语音分类,提取基频和TE0基频作为变异语音分类的特征,讨论了样本预处理和参数选择等问题.提出了直接截取和DTW规正两种方法来解决语音样本特征向量长度不一致的问题.基于TE0基频特征,采用指数径向基函数(ERBF)内核,对应力(G—force)影响下的变异语音进行分类,分类正确率可达到99.2%,比传统的贝叶斯分类器和HMM分类器,分类性能分别平均提高了12.6%和6.0%.实验结果表明,采用支持向量机方法进行变异语音分类是可行的.  相似文献   

18.
本文提出了一种求解电力系统最优潮流的实用方法。采用最近提出的共线尺度法,并与乘子罚函数法相结合,成功地应用于电力系统最优潮流计算中。又根据电力系统的特点采用了解耦技术,从而节省了内存、缩短了计算时间。本文对5节点、11节点和30节点系统进行了最低成本和最小网损的计算,并与有关文献相比较,取得了满意的结果。  相似文献   

19.
采用虚拟同步发电机(VSG)控制策略的并网逆变器可为分布式能源提供必要的惯性阻尼特性,以支撑电网频率。VSG的惯量和阻尼特性均受储能荷电状态(SOC)约束,因此有必要维持储能SOC水平,避免储能VSG失去惯量阻尼特性。设计了基于SOC的储能充放电系数,结合径向基函数(RBF)神经网络控制,提出了一种储能VSG参数自适应控制策略,并通过MATLAB/Simulink仿真,验证了所提策略的有效性和优越性。  相似文献   

20.
针对目前危险化学品的配存禁忌关系判定问题,分析了现行的储存禁忌配存相关的4个标准,开展了基于危险性分析的危险化学品储存禁忌关系研究。建立的危险化学品配存禁忌规则,有助于危险化学品国际通用CAS编号、UN编号及全球化学品统一分类和标签制度(GHS)分类建立对应关系。最后,针对危险化学品配存禁忌关系判定与已有标准禁忌配存要求不一致的问题,提出了建立以危险特征为主危险性类别的禁忌关系判别方法,为危险化学品储存及流通过程提供更加完善的配存禁忌依据。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号