基于SVM的自动羽绒识别系统

随着羽绒制品日益受到消费者青睐,一些不法商家为牟利而制假事件屡见不鲜,因此,羽绒种类的鉴定成为至关重要的问题,而鹅、鸭绒的识别更是重中之重。目前,对羽绒种类的识别,主要是用显微镜通过人眼观察完成的,但这种方式存在诸多弊端。论文通过对鹅、鸭绒等绒毛结构的分析,运用图像处理以及基于SVM的图像识别技术,用计算机完成了对鹅绒、鸭绒的自动识别。     

半监督FSVM在羽绒菱节识别中的应用

目前,我国对羽绒种类的识别主要由人工借助于显微镜完成,这种方法存在许多不足。提出将半监督FSVM算法引入到羽绒识别中,用半监督学习方法以少量的训练样本为基础,扩大训练样本集的规模,同时利用FSVM的特性减少半监督学习所带来的误差;利用半监督FSVM对经过处理的羽绒二值化图像中的菱节进行识别。该方法提高了菱节识别的准确率。     

GMM-UBM和SVM在说话人识别中的应用

针对说话识别领域短语音导致的训练数据不充分的问题,选择能够突出说话人个性特征的GMM-UBM作为基线系统模型,并引入SVM解决GMM-UBM导致的系统鲁棒性差的问题. 选择不同的核函数对SVM的识别性能有较大的影响,针对多项式核函数泛化能力较强、学习能力较差与径向基核函数学习能力较强、泛化能力较差的特性,对两种单核核函数进行线性加权组合,以使组合核函数兼具各单核的优点. 仿真实验结果表明,组合核函数SVM的识别率和等错误率明显优于不引入SVM的GMM-UBM的基线系统及其它三个单核函数,并在不同信噪比情况下也兼顾了系统识别准确率与鲁棒性.     

组合核函数SVM在说话人识别中的应用

针对说话人识别实际应用中训练数据不足的问题,选取GMM-UBM作为基准系统模型,用EigenVoice对其作自适应,应用泛化能力较强的多项式核函数和学习能力较强的径向基核函数进行线性加权组合后的组合核函数进行模型参数优化,并用多重网格搜索法确定核函数的最优参数,采用DAG方法实现SVM核函数的多元分类.在仿真实验中评估了线性核、多项式核、径向基核以及组合核函数,实验结果表明,在采用正确的参数前提下,在不同的多分类策略、自适应时间、信噪比和不同的说话人数量的情况下,组合核函数的识别性能明显都优于其它三个单核函数.     

SVM在小字符集脱机手写体汉字识别中的应用研究

提出将SVM方法引入小字符集脱机手写体汉字识别，利用较少的训练样本就可以达到比较理想的识别效果，并在小校本学习的情况下同最小距离法和多重相似度法的识别率和识别时间作了比较，说明SVM方法在小字符集脱机手写体汉字识别中实用性。     

SVM在小字符集手写体汉字识别中的应用研究

本文将支持向量机(SVM)引入到小字符集脱机手写体汉字识别中。文章首先介绍了SVM的基本原理和主要算法,然后在实验中采用了LibSVM训练软件,针对银行票据手写汉字的小字符集进行了仿真,同时与欧氏距离分类方法进行了比较。实验结果表明此方法的汉字识别率较高,在小字符集手写体识别中具有较强的实用性。     

基于SVM模型的车牌识别应用研究

车牌识别是目前道路交通智能化管理的重要一环,提出了一种基于支持向量机(SVM)的车牌识别方法,通过边缘检测算法与颜色再定位相结合,实现车牌的定位;进行字符分割时将阈值选取推广到多阈值,提高分割的准确性;利用SVM模型进行车牌字符的识别,并且在检测到为易混淆字符时进行二次SVM分类。模型对中文字符、字母字符、数字字符识别率分别为93.2%、96.3%、95%,识别率较高且识别速度符合实时要求。     

利用SVM进行车型识别

为了提高车辆图像的识别率,提出了利用支持向量机（SVM）理论进行轿车车型识别方法.SVM能够解决线性及非线性分类问题,以较少的支持向量确定分类面,对样本数量及维数不敏感.基于颜色直方图及惯性比确定的图像特征具有平移、旋转和尺度不变性,可以用来确定SVM的最优分类面,并由此识别车型.     

基于SVM的字符图形验证码识别算法研究与实现

验证码作为互联网安全措施的一道屏障,主要用于简单高效地辨别操作者是自然人还是机器人,防止恶意访问.利用某高校教务系统的字符图形验证码作为研究对象,通过对字符图像预处理后,采用投影法切割的方法提取字符,再利用支持向量机算法训练和识别.实验结果表明,采用支持向量机算法能够有效识别简单字符图形验证码.     

基于遗传优化的SVM分类器在故障识别系统中的应用

由于故障样本一般较难获取,充分利用SVM在小样本条件下的分类能力,通过遗传算法优化其分类参数,针对发动机节气门后方漏气故障进行识别。     

轮廓线曲率的自相关函数及其在图像识别中的应用

移动图像识别是图像识别中最基本的内容之一。利用轮廓线曲率函数的自相关函数具有图像在移动中不变的特性,用尺度空间来过滤曲率函数-分层次处理图像,从而达到由大范围的特征到细胞结构的图像识别过程是判别两个图像相似的有效方法。     

超图拉普拉斯稀疏编码在图像识别中的应用

稀疏编码已经成为一种有效的降维方法。由于编码字典的超完备性、特征之间的局部邻接信息和相似度在编码过程中丢失而降低了稀疏编码的识别率。为了保护特征之间的距离关系和相似信息,提出一种超图稀疏编码框架。这种结构融合相似度权重进入稀疏编码计算过程中,同时结合超图理论,对稀疏编码方法进行改进,增强了稀疏编码的鲁棒性。最后,在Caltech及Scene两大场景数据库上的实验验证了所提方法的有效性。     

模糊ART神经网络模型及其在图像识别中的应用

提出了采用低通过率波、去最小亮度和向量柱状图来提取人脸特征的方法,设计了模糊ART神经网络的结构、学习规则和识别算法,并采用模糊ART神经网络对向量柱状图生成的特征向量进行识别。仿真实验证明,通过调整神经网络的警戒参数值,不同的人具有不同的最大在线识别率,所有人平均的在线最大识别率可以达到89％。     

RBF核SVM及其应用研究

因其核函数的良好性态,RBF核SVM（RBF-SVM）在实际应用中表现出良好的学习性能,但是RBF核函数中的参数对SVM的性能起决定性作用.阐述了RBF-SVM的性能随着变化而变化的规律,并将RBF-SVM引入自动羽绒识别系统中.根据自动羽绒识别系统的实际需求和RBF-SVM的性能变化规律,论述了本系统中参数的选取依据和选取过程,并且给出了的相关曲线变化图.通过研究,最后得到适合本系统的识别模型,从而提高了系统的总体识别率.同时,也验证了RBF-SVM的良好特性和其受参数的约束规律.     

技术综合集成在模式识别中的应用

本文介绍了采用综合技术集成的方法，解决印刷汉字识别系统误识率太高的重大难题，并通过集成系统的实践，证实了其技术集成优势，由于识别方法的互补效应，不仅提高了识别的正确率，而且使误识率得到大幅度的降低，采用该集成办法研制的系统，经过１００万字的实际文章的测试，系统的识别率超过９８％，误识率小于０．２％，尤其是汉字的误识率小于０．１％。     

基于混合核函数支持向量机和遗传算法的人脸识别

提出了一种基于混合核函数支持向量机和遗传算法的识别方法,用于人脸识别。该方法结合了支持向量机的学习性能和遗传算法的寻优性能,与传统的方法相比,具有速度快、误差少、效率高的特点,在实验中能够较精确地对人脸进行识别。     

智能卡及指纹识别技术在网上支付中的应用

本文简要地介绍了智能卡和指纹识别的相关技术,并利用智能卡的安全存取特性、指纹验证技术的唯一性构造了一个网络安全支付平台－Morphcheque。该平台对网络支付的标准协议SET进行了扩展,在提供高安全信息保护的同时实现了很好的身份认证。此平台可以用于企业间的网上实时转帐以及企业与企业间电子商务的支付平台。     

自回归模型在平面曲线识别中的应用

在计算机视觉中,平面曲线的形状分类和识别具有重要的意义,在立体足迹的重压面边界围线的形状分类和识别中,由于不能严格控制基准面方向的一致性,必须采取对透视变换不敏感的描述方法,从空间旋转不变的要求出发,首先从平面闭合曲线得到一维极径序列,进而采用该序列的自回归模型来完成特征提取并用于平面曲线的形状分类,与传统方法相比,这种方法提取的特征具有与采样起始点无关、受噪声影响小、计算简单、方便用于分类等优点     

合成氨等反应宏观动力学的模式识别分析

用模式识别和人工神经网络在多个无量纲数张成的多维空间中处理反应过程的实测以探讨合成氨和ＳＯ２产率的主要影响因素。