基于QAR数据的民航飞机侧滑角估算方法

侧滑角是一个重要的飞行状态参数。考虑飞机真实的飞行状态,选取快速存储记录器(QAR)中的磁航向、偏流角、风向、风速、地速和俯仰角等参数,提出一种基于QAR数据的民航飞机侧滑角估算方法。以飞机受西风影响为例,通过分析4种航向范围的航行速度三角形,再利用地面惯性坐标系、机体坐标系和气流坐标系之间的变换关系,推导了侧滑角估算步骤,最后选取一段QAR数据对侧滑角进行估算。结果表明该方法能够有效地利用QAR数据对飞机侧滑角进行估算。     

基于梯度向量流场的眼睛特征提取

根据人脸图像的边缘梯度图提出了一种新的基于梯度向量流场的眼睛特征提取方法。该算法改进原有的梯度向量流迭代方程求解梯度向量流场,以梯度向量流场中的汇点作为候选点,通过人脸器官的几何位置关系等方法评价候选点以定位眼球。该算法能较好地容忍一定的光照变化、人脸的小角度倾斜和旋转、闭眼和眼镜等干扰。在具有以上干扰的ORL人脸库的400幅图像上的实验证明,该算法具有较好的眼睛特征抽取能力。     

基于支持向量机的Web文本分类方法

Web文本分类技术是数据挖掘中一个研究热点领域，而支持向量机又是一种高效的分类识别方法，在解决高维模式识别问题中表现出许多特有的优势。文章通过分析Web文本的特点，研究了向量空间模型（VSM）的分类方法和核函数的选取，在此基础上结合决策树方法提出了一种基于决策树支持向量机的Web文本分类模型。并给出具体的算法。通过实验测试表明，该方法训练数据规模大大减少，训练效率较高，同时具有较好的精确率（90．11％）和召回率（89．38％）。     

浅谈靶场数据挖掘中流数据的特征提取方法

本文以数据挖掘技术在靶场中的应用为背景,在分析靶场数据特点的基础上,提出了以竞争凝聚区间划分、信息增益算法为主的特征提取方法,并以某试验数据为例,对方法的有效性进行了验证.     

基于核向量机的模式分类及其实验测试

文中使用一种新的SVM变种--核向量机来对大样本数据集进行训练建模,进而求解模式分类问题.CVM算法是将核函数转换为最小包围球问题进行求解,可以解决任何线性或非线性分类问题.测试结果表明,核向量机可以快速对大样本数据进行分类并能产生较少的支持向量.     

混合策略超球支持向量机算法

针对多类别分类超球支持向量机算法的重叠区域数据分类问题,提出了一种混合策略决策算法.首先对超球相交区域的数据分布情况分析得到数据分布的特点,然后根据数据分布特点采用不同的决策策略.如果用两球相交面直接可以把两类数据分开,则直接用相交面作为分类平面.如果两类数据近似线性可分,构造最优二分超平面作为分类平面.如果两类数据非线性可分,则引入核函数构造最优二分超平面为分类球面.如果相交区域只包含一个类别的数据,则采用排它法作为测试样本的决策规则.实验结果表明所提出的算法性能优于单一决策策略的超球支持向量机算法,在提高分类精度的同时,降低了决策规则求解的复杂度.     

基于优先级的入侵特征提取方法

论文提出了一种基于优先级的入侵特征提取方法,在特征提取前,首先计算各个特征的优先级,然后选择优先级符合条件的特征进行提取,并且只处理这些特征所对应的数据包。理论分析和实验结果表明,与传统的特征提取方法相比,论文提出的方法能够节约CPU的处理时间。     

支撑向量机的多类分类方法

基于结构风险最小化原则的支撑向量机(SVM)具有良好的学习推广性。但是由于常规的SVM是从二类分类问题中推导出来的，在多类分类问题中就必须进行改进。文中讨论了支撑向量机的多类分类改进方法．运用在手写体数字识别中，并取得较好的结果。     

基于完备模糊Fisher的特征提取方法

为了更好地进行鉴别特征提取,一个完备模糊Fisher特征提取方法被提了出来,它在充分利用样本分布信息的基础上,重新定义了模糊类间散布矩阵和模糊类内散布矩阵;完备模糊Fisher方法考虑了模糊类内散布矩阵的奇异性,通过分别提取模糊类内散布矩阵的零空间和非零空间的鉴别信息,得到样本所有的鉴别信息。在Yale人脸库上的实验结果证明了该方法的有效性。     

适合大样本快速训练的最大夹角间隔核心集向量机

许多核化形式的分类方法如SVM,SVDD等都是对应一个二次规划(QP)问题,而核矩阵计算需要0(m2)空间复杂度,求解QP需要0(m3)时间复杂度,限制了这类方法对大样本数据的训练.本文基于一种新的分类间隔概念提出最大向量夹角间隔分类器MAMC,目标是在样本空间找到最优向量c,测试样本通过c与训练样本之间的最大化向量夹...     

隐私保护的SVM快速分类方法

 许多核分类方法的决策函数可以表示为支持向量的组合,如SVM,而支持向量含有非常重要的隐私信息,因此,在分类决策时可能会暴露此类信息,同时分类速度受限于支持向量的个数,如SVM的分类复杂度为O(|SVs|).为解决上述两个问题,本文基于最小包含球球心在原始空间中的代理原像,提出了一种隐藏支持向量信息并能快速实现分类的SVM方法,称为隐私保护的快速SVM分类方法(Fast Classification Approach of SVM with Privacy Preservation,FCA-SVM_WPP).同时提供了两种求解代理球心原像的方法,分别称为QP解法和直接解法.UCI和PIE人脸数据集的实验结果表明,本文方法可解决上述两个问题并具有较好的效果.     

一种基于SVM的多目标模糊识别方法

支持矢量机是近年来在统计学习理论的基础上发展起来的一种新的模式识剐方法，在解决小样本、非线性及高维模式识剐问题中表现出许多特有的优势。本文重点分析了支持矢量机多分类问题中存在的错分、拒分现象，提出了一种基于支持矢量机特征空问的模糊隶属度函数。多目标识剐的仿真结果表明，采用这种模糊隶属度函数，能够减少目标的错分和拒分数量，提高识剐率。     

基于支持向量机的雷达欺骗性干扰类型识别

本文把雷达目标回波信号和欺骗干扰信号纳入到统一框架下进行分析,提取了基于原子分解理论的特征及时延和频偏匹配度特征。最后利用支持向量机（Support Vector Machine,SVM）分类器,对雷达接收信号进行了分类识别。仿真结果验证了该方法不仅可以有效检测欺骗干扰信号的存在,还可以识别欺骗干扰信号的类型。     

一种雷达信号全脉冲数据特征提取方法

对雷达信号全脉冲数据的有效预分选关键在于获取全脉冲数据的有效特征参数。提出了用独立分量分析（ICA）算法对雷达信号高维全脉冲数据提取特征参数,通过利用分类器、聚类比较不同的特征提取方法的性能,仿真结果验证了ICA算法的有效性。     

相关向量机分类方法的应用研究

针对相关向量机在训练数据集较大时模型训练的时间复杂度较高这一问题。结合MichalE.Tipping提出的快速边际似然算法,文中建立了相关向量机算法改进前后的电力系统安全状态评估模型。以IEEE 30节点系统测试为例,采用相同的训练、测试数据和相同的Matlab仿真环境进行仿真。通过对比仿真测试结果,发现改进后的算法在具备高精度和稀疏度的同时大幅缩短了运行时间,有效地解决了当训练的数据集较大时时间复杂度高的问题。     

基于相关向量机的网络入侵检测算法

针对支持向量机理论中存在的问题：训练样本数量多以及必须满足MerCer条件等,提出了一种基于相关向量机（RVM）的网络入侵检测方法。首先采用“删除特征”法对KDD99数据集中的41个特征进行评级,筛选出针对不同入侵类型的重要特征和非重要特征,然后只选择重要特征进行匹配。结果表明,这种方法与基于支持向量机（SVM）的入侵检测模型相比,具有更高的检测率和更低的误警率。     

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。