一种基于支持向量机的心电信号处理算法

新一代心电图(Electrocardiography,ECG)系统中,可以使用可穿戴设备来监测人体生理信号.心电图信号是一种生物医学信号,基本上与人体心脏的电活动相对应,根据其波形可以初步判断人体是否存在疾病.本文首先对ECG信号进行了预处理,然后使用自适应阈值对QRS波进行定位,最后使用支持向量机对心电信号进行分类....     

SVM自适应波束成形算法

在天线阵列过载,以及强干扰与期望用户信号夹角过近的情况下,传统的线性阵列信号处理算法,如MMSE(minimum mean-squareerror)、NLMS(Normalized Least Mean Squares)等表现并不理想。SVM(SupportVectorMachine)是机器学习领域的最新成果,有较强的泛化能力,收敛快以及低复杂度等优点。本文提出了在上行波束成形中使用SVM算法,提高空域滤波的分辨率,与其他相关算法相比较,系统性能有了明显的改进。     

支持向量机推广能力估计方法比较

支持向量机是一种新的机器学习算法，与其它学习算法相比，它的最大优点是基于结构风险最小化原则，因而能够保证推广能力。推广能力估计是机器学习中的一个重要问题，是实现自适应调整、参数选择、模型选择的等方法的基础。本文详细比较当前较有影响的几种推广能力估计方法，指出了这些方法适应范围和优缺点，并结合各种方法的原理讨论了推广能力估计可能的发展方向。     

基于SVM算法的林果害虫图像识别

支持向量机已经成功应用在许多领域如规则提取、分类和评价。针对阿克苏林果害虫分类种类多的特点,采用了一种简单sift特征提取,结合svm算法分类识别林果主要害虫的方法。首先对样本数据进行SVM分类器训练,从而快速获取原始样本数据的最佳SVM分类器参数,并实现分类。利用神经网络算法进行分类实验,比较分析传统SVM算法、神经网络算法在分类识别方面的差异。实验结果表明,SVM算法能够快速有效地识别害虫种类,并获得相对较高的分类精度,但由于测试图像背景不同且提取的特征单一识别的准确率有待提高。     

基于Contourlet域ICA和SVM的图像融合

提出了一种基于Contourlet域独立分量分析(ICA)和支持向量机(SVM)的图像融合方法。首先对源图像进行Contourlet变换,再提取其高频系数的独立分量特征,并通过粒子群优化的SVM实现分类,最后进行图像重构得到融合结果。给出了实验结果,采用均方差(MSE)、信噪比(SNR)、信息熵(H)、空间频率(SF)、清晰度(CL)和相关系数(CR)等评价指标对融合效果进行了定量评价,并与加权平均法、基于Contourlet变换或基于ICA的图像融合方法进行了比较。结果表明,所提出的方法能取得更优越的融合效果。     

移动摄像机环境下基于特征变换和SVM的分级行人检测算法

 本文提出了一种应用于单目移动摄像机的基于特征变换和支持向量机(Support Vector Machine,简称SVM)的coarse-to-fine行人检测方法.首先,用查找表(Look-Up Table,简称LUT) Gentle AdaBoost Cascade训练一个粗级的行人检测器.接着把粗级的行人检测器的每一段分别作为一个特征,并用能通过粗级行人检测器的正负样本来训练基于SVM的精密级行人检测器.最后,采用基于颜色和空间信息的时序分析方法进一步提高行人检测率和降低误报率.从实验结果可以看出我们算法的高效性.     

基于SVM实现人眼注视与否的探知

采用基于统计学习理论的支持向量机(SVM,support vector machine)方法对人眼注视与否进行探知。根据结构风险最小化(SRM,structural risk minimization)准则,在最小化已知样本点误差的同时,尽量缩小模型预测误差的上界,改善了模型的泛化能力。实验结果显示,在训练样本数有限的情况下,学习后模型对测试样本的正确识别率达到100％,比此前采用其它方法所获得的识别结果识别率更高,训练及识别过程速度更快,基本上能够满足实时性要求,也更接近人类视觉对注视与否的探知的特点。     

基于SVM能量模型的改进主动轮廓图像分割算法研究

为克服经典主动轮廓模型曲线内外区域能量定义在复杂目标与背景分布情况下的不足,本文将高效的支持向量机有监督学习分类器引入基于Mumford-shah模型的主动轮廓图像分割算法中,提出了基于SVM能量模型的改进主动轮廓图像分割方法.该方法首先利用支持向量机的分类结果对于封闭曲线的内外区域分别构造了一种新的图像能量表示方法,因为分割过程充分利用了有监督学习策略,使得本文提出的算法具有更高的稳定性和更加广泛的适用范围,特别是对目标灰度分布不均或存在多纹理的目标也可以得到较好的分割结果.分割时,首先利用SVM实现粗分割得到目标初始轮廓,然后利用改进的Mumford-shah主动轮廓模型进行精确分割,采用粗分割策略一方面可以大大提高分割速度,另一方面也可以提高了算法的自动化程度.对比实验结果表明本文提出的算法具有更大灵活性和更好的分割性能.     

基于SVM聚类遥感图像的分割

要分析和理解遥感图像,首先要对遥感图像进行分割。文章将传统的聚类分析方法和支持向量机理论相结合,并进行了算法的改进,将支持向量聚类方法应用到遥感图像分割领域,对遥感图像进行分割。实验结果证明,应用该方法进行分割,能取得良好的分割效果,是一种有效的遥感图像分割方法。     

基于SVM的白细胞识别研究

白细胞在人体血液中起着至关重要的作用,白细胞的自动分割和识别是计算机图像处理和模式识别在医学图像领域应用的一个重要研究课题.针对各种白细胞的分类识别研究,提出一种实时性、鲁棒性较好的算法.该算法主要利用支持向量机SVM对细胞图像进行分割处理,并与其他两种经典方法进行比较,得出了较好的结果.     

基于多类SVM的新闻政要人物自动标识

为了自动挖掘新闻字幕中人名与新闻人脸图像之间的一一对应关系,提出基于多类 SVM的新闻政要人物自动标识方法。首先,针对每个人名,找到相应的图像集;其次,将人脸检测算法应用于图像集,检测出所有的人脸图像。为了减少计算量及提高聚类的准确率,将人脸图像分成两组图像。对第一组人脸图像进行聚类,聚类中最大类的人脸图像作为该人名的初始训练样本,对于其他人名,使用相似的方法找到初始训练样本;为了改善训练样本的可靠性,通过迭代更新挑选训练样本并训练多类 SVM。最后,将多类 SVM用于分类第二组人脸图像,实现新闻政要人物的自动标识。在大约50万幅的雅虎新闻图像数据集上进行实验的结果表明,该方法有效地提高了现有方法的性能。     

无人工样本的SVM遥感图像分类方法

针对遥感图像监督分类方法需要人工提取训练样本的缺陷,提出一种模糊K均值聚类（FCM）提取训练样本、支持向量机（SVM）进行分类的方法。算法首先用FCM进行初步分类得到隶属度矩阵并判断每个样本的类别号;然后根据隶属度矩阵提取每类样本中密集程度较高的样本作为训练样本;最后用SVM对样本进行训练、再次分类。该方法克服了SVM算法需要人工样本的缺点,改善了传统非监督分类算法的性能,UCI标准数据库Iris数据和遥感数据样本的实验结果证明了该方法的可行性。     

A new SVM based emotional classification of image

How high-level emotional representation of art paintings can be inferred from perceptual level features suited for the particular classes (dynamic vs. static classification) is presented. The key points are feature selection and classification. According to the strong relationship between notable lines of image and human sensations, a novel feature vector WLDLV (Weighted Line Direction-Length Vector) is proposed, which includes both orientation and length information of lines in an image. Classification is performed by SVM (Support Vector Machine) and images can be classified into dynamic and static. Experimental results demonstrate the effectiveness and superiority of the algorithm.     

基于PCNN和SVM的图像识别方法研究

利用脉冲耦合神经网络(PCNN)具有良好的脉冲传播特性,研究了利用PCNN进行图像分割的技术.针对模型参数和最优分割结果难以确定的问题,改进了标准PENN模型,提出了基于互信患量的PCNN图像分割方法.计算原图像与PCNN分割图像序列问的互信息量,对应最大互信息量的分割图像就是最佳分割结果.然后选取不同类型飞机图像提取不变矩特征,用支持向量机(SVM)实现分类识别.实验结果表明,该方法分割效果好,适应性强,能够很好地识别飞机图像.     

基于SVM混合核的遥感图像变化检测

针对由实际遥感地物类型难以确定导致的多光谱遥感影像变化检测精度较低的问题,提出一种基于SVM混合核的遥感图像变化检测。首先利用CVA算法构造差异影像,其次利用灰度共生矩阵提取差异影像的纹理特征与差异影像的灰度特征组成特征向量,接着利用差异影像的直方图选择置信度高的训练样本,并利用构造的SVM混合核进行训练得到分类超平面,最后利用SVM混合核函数对差异影像进行二分类得到最后的变化检测结果。实际遥感数据验证结果表明,所构造的SVM混合核函数用于多光谱遥感影像变化检测中是可行、有效的。     

基于多核学习SVM的图像分类识别算法

针对单核支持向量机在图像分类识别中检测精度较低的问题,提出一种多核学习SVM的图像分类识别算法,并将其应用到行人检测问题中。首先,提取行人的积分通道特征包括梯度直方图、彩色通道和梯度特征;然后,使用直方图交叉核、多项式核和径向基核构建混合核SVM分类器;最后,使用交叉验证和网格搜索的方法确定各种核的融合系数。在TUD数据集上的测试结果表明,该方法具有较好的鲁棒性和较高的检测精度。     

基于NSCT和SVM的脑MRI医学图像识别

利用NSCT变换具有多尺度和平移不变性,能够稀疏地表示纹理图像的特点,将具有丰富纹理信息的人体脑部核磁共振(MR)图像,从空间域变换到频率域表示。提取变换后表征图像特性的低频子带均值、方差及高频16个方向子带能量作为特征向量,输入SVM分类器进行分类识别。实验结果表明该方法对非病变脑部MR图像识别准确率达到100%,病变脑部MR图像的识别率达到90.90%,综合识别率达到95.45%。且该方法提取的特征维数少,识别速度快,识别率高,能够快速区分病变与非病变脑部MR图像。     

利用最小冗余最大相关和SVM的SAR图像海上溢油识别

近年溢油事故频发,海洋污染日益严重。利用合成孔径雷达（SAR）卫星可以有效跟踪由海上溢油事故导致的油膜扩展情况。利用最大冗余最小相关-支持向量机（mRMR_SVM）算法进行SAR图像溢油识别,为溢油事故决策支持提供重要前提。首先采用mRMR提取最优特征向量集,对输入值进行降维; 然后采用SVM算法解决油膜图像分类问题,同时选择径向基函数（RBF）为核函数;使用训练集训练该模型,调整模型参数;以测试集特征向量作为输入,利用训练好的模型进行溢油识别。实验结果表明,mRMR_SVM模型对SAR图像的油膜和类油膜识别有效,准确率为96.875%.     

Segmenting skin lesions with partial-differential-equations-based image processing algorithms

In this paper, a partial-differential equations (PDE)-based system for detecting the boundary of skin lesions in digital clinical skin images is presented. The image is first preprocessed via contrast-enhancement and anisotropic diffusion. If the lesion is covered by hairs, a PDE-based continuous morphological filter that removes them is used as an additional preprocessing step. Following these steps, the skin lesion is segmented either by the geodesic active contours model or the geodesic edge tracing approach. These techniques are based on computing, again via PDEs, a geodesic curve in a space defined by the image content. Examples showing the performance of the algorithm are given.     

基于Contourlet变换和SVM的SAR图像目标识别

针对SAR图像具有斑点噪声,特征提取较难的特点,提出了基于Contourlet变换和SVM的SAR图像目标识别分类算法.该算法的在特征提取时利用了Contourlet域的标准偏差进行特征提取的方法,后端用支持向量机分类器,提高分类精度.实验结果证明该分类算法能够减少SVM的特征维数,具有较好的分类性能.