Top-hat与SVM在乳腺微钙化点检测中的应用

乳腺X线图像中微钙化点的检测对于乳腺癌的早期诊断非常有意义,然而目前常用的钙化点检测方法普遍存在假阳性高的缺点。采用小波与Top-hat算子相结合的方法对乳腺图像进行钙化点粗检测,并在此基础上,用SVM对钙化点粗检结果进一步甄别,去假存真。这样做可以在基本不降低真阳性率的情况下,大大降低假阳性率。仿真实验证明,该方法的钙化点检出率达到98.46%,错检率仅为3.597%,说明该方法能够有效地从复杂背景中提取出微钙化点。     

基于颜色与角点特征的图像垃圾邮件识别算法

垃圾邮件制造者将垃圾信息嵌入图像中,使基于文本内容的反垃圾邮件系统失效。对垃圾邮件图像的特点深入分析后,提出一种垃圾邮件图像识别算法。垃圾邮件图像多为计算机合成图像,其颜色不如自然图像丰富,且因含有大量文字导致图像中角点角度值分布呈现出一定的规律性。针对此问题选用颜色和角点特征并结合支持向量机分类算法来识别垃圾邮件图像。实验结果表明,该算法对真实垃圾邮件图像的识别精确率超过98％。     

基于二维最大熵阈值分割的钙化点检测算法

在数字乳腺X线图像中,钙化是早期乳腺癌的重要征象之一.为了提高钙化点检测的准确度及降低检测的假阳性率,提出了一种结合数学形态学滤波和二维最大熵阈值分割的钙化点检测算法.算法首先采用top-hat算子对图像的背景进行抑制,然后利用二维最大熵阈值分割算法得到可疑钙化点区域,最后采用SVM分类的方法去除假阳性区域,得到最终的钙化点检测结果,并采用MIAS乳腺影像库进行仿真实验,钙化点检测的敏感性为94.6 %,假阳性率为10.5%.实验结果表明,方法对钙化点的定位精确,具有较高的检出率及较低的假阳性率.     

基于支持向量机的乳腺钙化点检测算法

针对乳腺X线图像微钙化点检测假阳性高的问题,提出一种微钙化点检测算法.算法首先以小波与Top-hat算子相结合的方法进行钙化点粗检测,然后以支持向量机(SVM:Support Vector Machine)为工具对粗检测结果进行真钙化点与假钙化点分类.对开放乳腺图像数据库MIAS的仿真实验表明,算法的检出率超过98%,错检率不足4%,达到理想的检测效果.     

基于贡献矩阵的微钙化点检测

提出了基于贡献矩阵的特征提取方法。首先采用基于结构分析的统计方法构造贡献矩阵,利用贡献矩阵对图像预处理;通过二维主成分分析方法提取图像特征。将此算法用于微钙化点图像特征提取,利用支持向量机分类器进行分类。实验结果表明,该算法加快了训练速度,同时有效地降低了微钙化点检测的假阳性。     

基于可拒识-双层支持向量分类器的微钙化点检测

为克服医学图像微钙化点检测中假阳性高的缺点,构造了一种带拒识能力的双层支持向量模型分类器,用于钙化点检测.检测时,首先利用基于最大间隔超平面的支持向量分类器（SVC）对输入模式进行分类判决;然后通过求取真实钙化点样本特征空间最小的包含球形边界来得到钙化点样本的球形支持向量域表示（SVDD）;接着利用钙化点的支持向量域表示对输入模式进行拒识或接受处理;最后利用SVC与SVDD两个分类器的结果来进行综合判决.仿真实验结果表明,该算法在不影响微钙化点的检出率的情况下,可部分解决假阳性高的问题.     

景象匹配导航中的航路点自动提取算法

针对景象匹配导航中适配区提取算法选取适配区时存在匹配精度低、速度慢的问题,提出了一种航路点自动提取算法.利用图像灰度信息、边缘信息和图像间互相关信息,对航拍图像中不同尺度图像样本进行参数训练,进而得到各尺度下的分类参数,并通过支持向量机完成航路点区域的自动粗分类.针对航路点选取过于密集导致选取的航路点不唯一及计算量增加的问题,在欧式距离分类法基础上,提出了多分类无监督聚类算法,从而实现航路点的优化.仿真和航拍数据结果表明改进的算法可以自动提取航路点,并且提取的航路点具有信息量丰富、稳定性好、匹配精度高及速度快等优点.     

一种基于支持向量机的特征选择算法

当特征集合存在强相关的特征子集且共同对分类问题有重要贡献时,传统方法通常从该子集中随机选择一个特征,导致数据可读性和分类性能下降.为此,面向多分类问题,提出一种基于支持向量机的特征选择算法,并设计一种快速迭代算法.该算法能够自动选择或剔除强相关的特征子集,在得到有效特征的同时实现特征降维.利用人工数据集和标准数据集进行试验,结果表明文中算法在特征选择可行性和有效性方面都有良好表现.     

基于SVM的车型检测和识别算法

根据模式识别理论和支持向量机(SVM)网络技术,对运动车辆的检测和模式识别、分类进行了研究,提出了基于双帧差“或”运算检测法和基于SVM网络的车型识别和分类算法。实验结果表明,所设计的检测方法和SVM模式识别方法能够快速有效地识别车辆类型并正确地进行分类。     

基于几何思想的快速支持向量机算法

为了快速地进行分类,根据几何思想来训练支持向量机,提出了一种快速而简单的支持向量机训练算法——几何快速算法。由于支持向量机的最优分类面只由支持向量决定,因此只要找出两类样本中所有支持向量,那么最优分类面就可以完全确定。该新的算法根据两类样本的几何分布,先从两类样本的最近点开始;然后通过不断地寻找违反KKT条件的样本点来找出支持向量;最后确定最优分类面。为了验证新算法的有效性,分别利用两个公共数据库,对新算法与SMO算法及DIRECTSVM算法进行了实验对比,实验结果显示,新算法的分类精度虽与其他两个方法相当,但新算法的运算速度明显比其他两个算法快。     

基于模糊核超球的快速分类算法在股票预测中的应用

基于SVM（支持向量机）的SVDD（支持向量数据描述）分类算法存在计算复杂、分类准确率较低的缺陷, 针对股票数据非线性、高噪声的特点, 在传统的SVDD分类算法基础上, 模糊核超球快速分类算法（FCABFKH）通过合并法寻找超球集, 并依据最大隶属度原则构建分类器, 排除了离群点和超球集的重叠问题, 同时避免了复杂的二次规划, 具有分类速度快, 分类结果准确率高的特点。采用中国沪市上市公司数据验证该方法的有效性, 实验结果表明, 运用FCABFKH算法得到的组合回报率超过了市场基准。     

基于纹理特征和支持向量机的玉米病害的识别

针对玉米病害叶片彩色纹理图像的特点，提出一种将支持向量机和色度矩分析应用于玉米病害识别的方法。首先利用色度矩提取玉米病害叶片纹理图像的特征向量，然后将支持向量机分类方法应用于病害的识别。玉米病害纹理图像识别实验结果表明：支持向量机分类方法对于病害分类训练样本较少时，具有良好的分类能力和泛化能力，适合于玉米病害的分类。不同分类核函数的相互比较分析表明，径向基核函数最适合于玉米病害的分类识别。     

基于PCA和SVM算法的人脸识别

人脸识别是计算机视觉和图像模式识别领域的一个重要技术。主成分分析（PCA）是人脸图像特征提取的一个重要算法。而支持向量机（SVM）有适合处理小样本问题、高维数及泛化性能强等多方面的优点。文章将两者结合,先用PCA算法进行人脸图像特征提取,再用SVM进行分类识别。通过基于ORL人脸数据库的计算机仿真实验表明,该方法具有很好的可行性和实际意义。     

基于最大似然线性回归矩阵的说话人识别算法研究

研究了将自适应领域的最大似然线性回归(Maximum likelihood linear regression, MLLR)变换矩阵作为特征进行文本无关的说话人识别算法. 本文引入了基于统一背景模型的MLLRSV-SVM说话人识别算法, 并在此基础上进行高层音素聚类以进一步提高识别性能. 在采用多种信道补偿技术后, 在NIST SRE 2006年1训练语段-1测试语段同信道和跨信道数据库上, 基于MLLR特征的系统与其他最好的系统性能接近并有很强的互补性, 经过简单线性融合可以极大提高识别性能.     

基于改进霍夫变换算法的手势识别

随着人们对人机交互的简单便捷性需求的不断提升,基于视觉的手势识别在许多领域都引起了足够的重视.由于深度图像在识别中的良好表现,其在领域内广受青睐.从深度图像中分割出手势图像区域并对其进行归一化处理得到统一规格的手势二值图像,然后进行手势边缘的检测.针对手指轮廓特性提出了改进的霍夫变换算法,提取图像中的手指信息特征.同时提取基于边缘曲线特征,并建立3D直方图进行统计.最终对两种特征进行融合,根据所得到的特征向量通过最小闭包球支持向量机（MEB-SVM）进行手势分类,测试集上识别率为96.6%.该方法不依赖于颜色、细节纹理等信息,对光照等条件不敏感,有着良好的鲁棒性.且识别速度较快能满足一般应用的需求.     

基于改进多核学习的语音情感识别算法

提出一种基于改进多核学习的语音情感识别算法.算法以高斯径向基核函数为基准,通过采样不同的样本,采用不同的评价标准并获得不同的参数,来提高分类性能.此外,通过引入多核技术,将得到的高斯核函数构建多核学习的基核,并通过利用松弛因子构建的软间隔多核学习的目标函数改善了学习效率.对比仿真实验结果表明,本文提出的基于多核学习语音情感识别算法有效提高了语音情感识别性能.     

基于信息反馈的半监督支持向量机算法

针对直推式支持向量机中标记速度与标注精度之间的矛盾,提出一种信息反馈的半监督支持向量机算法,该算法利用上轮标注数量、重置次数、未标注边界样本数量等信息,动态调整标记样本数量,对区域标注和成对标注进行折衷,在继承渐进赋值和动态调整的同时,可以平衡标记速度与标记精度之间的矛盾,减少错误的传递和积累.在人工数据集和UCI数据集上的实验结果表明该算法在保证标注准确度的前提下提高算法速度.     

基于稀疏贝叶斯分类器的汽车车型识别

稀疏贝叶斯方法在处理分类问题上具有良好的推广性，并且使用较少的核函数，介绍了一个实时的车型识别系统．它以每点色彩信息的高斯混合模型来实现对视频图像的背景估计，从而实现对汽车的检测；利用稀疏贝叶斯分类器对检测到的汽车进行车型分类，实验结果表明稀疏贝叶斯分类器不仅具有支持向量机的性能，而且比SVM使用更少的核函数．实验取得了较好的分类效果．     

基于支持向量机的R＆D项目中止决策算法

提出了一种基于支持向量机的R＆D项目的中止决策算法,该算法根据以往同类R＆D项目失败或成功的经验作为学习样本,来识别未知性质的R＆D项目的类别,从而做出中止还是继续研究的决策。算法不存在困扰神经网络算法的局部极小值问题。为解决项目各指标权重及合理阈值难以确定的R＆D项目中止决策提供了一种有效的途径。最后用一个实例验证了该算法的可行性和有效性。