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。     

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。     

羽绒图像阈值分割算法研究

羽绒与人们的生活息息相关,不同种类的羽绒在价格、性能方面存在很大差别,故对羽绒进行准确、快速地识别,显得尤为重要。针对传统的人工检测羽绒的种种弊端和不便,羽绒种类自动检测成为一个趋势。在自动检测过程中,一个重要环节就是图像分割,图像分割的效果将直接影响到自动检测的速度和准确率。所以,将遗传算法引入到羽绒识别中来,利用基于遗传算法的阈值分割算法提高了羽绒识别率。     

基于Morphology和SVM对细胞组织的分析

随着计算机技术、成像技术、图像处理技术、医学形态学研究的发展,计算机辅助图像处理成为了医学研究的得力工具。论文利用数学形态学(Morphology)和小波变换(Wavelet)对细胞图像进行分析和识别,充分发挥形态学善于处理图像形态的优势和小波变换系数反映细节的特点,通过图像预处理、分割和特征提取,最后通过支持向量机分类器(SVM)来完成细胞状态的自动分类和识别,试验表明该方法具有较高的准确率和可靠性。     

模糊支持张量机图像分类算法及其应用

针对在小样本图像分类应用中,以向量空间作为输入的传统分类算法的不足,提出以张量理论为基础,结合模糊支持向量机思想的基于张量图像样本的模糊支持张量机分类器,利用张量表示图像样本,求解最优张量面。通过手写体数字图像样本实验仿真,验证该算法的性能,随后将其应用到羽绒菱节图像识别中进行对比,该算法较传统算法平均高出6.3%以上的识别率。实验证明该算法更适合应用于图像样本分类识别。     

组合内核与优化算法在羽绒识别系统中的应用

为了提高支持向量机(SVM)的识别性能,提出了在常用内核的基础上构造一个组合内核函数,然后用拟牛顿算法对其超参数进行优化的方法.该方法被成功运用于羽绒自动识别系统中.实验结果表明,内核优化后,与单独使用常用内核相比,组合内核函数使羽绒自动识别系统具有更佳的识别性能.     

基于训练样本自动选取的SVM彩色图像分割方法

图像分割是模式识别、图像理解、计算机视觉等领域的重要研究内容。基于支持向量机((Support Vcctor Ma- chine, SVM)的方法现已广泛应用于图像分割,但其在训练样本的选取上大多是人工选择,这降低了图像分割的自适 应性,且影响了SVM的分类性能。提出一种基于训练样本自动选取的SVM彩色图像分割方法,算法首先使用模糊 C均值(Fuzzy C-Mcans, FCM)聚类算法自动获取训练样本,然后分别提取图像颜色特征和纹理特征,将其作为SVM 模型训练样本的特征属性进行训练,最后用训练好的分类器对图像进行分割。实验结果表明,提出的方法可取得很好 的分割结果。     

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。     

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.     

化学药物对细胞形变作用的计算机识别方法（Ⅰ）──模糊识别法

本文使用模式识别和模糊数学方法研究细胞形变与化学药物浓度之间的关系．用摄像方式和图文扫描方式输入图像，分析和识别过程全部由计算机自动完成，分别在Ｄｕａｌ－６８０００和ＩＢＭＰＣ／ＸＴ上实现，结果表明该方法是可行的．     

拟牛顿算法在SVM内核优化中的应用

使用SVM进行分类，超参数的选择非常重要，它直接影响分类的性能。在实际应用中，最优SVM算法参数选择还只能是凭借经验、实验对比、大范围的搜寻或者利用软件包提供的交叉确认功能进行寻优。而拟牛顿算法，可在一个校验集上最小化一个经验误差估计来优化SVM的超参数，使超参数在分类任务中达到最优值，从而取得理想的分类结果。该文对拟牛顿算法进行了探讨，并将其应用在基于SVM的羽绒识别系统中，实验结果表明，该算法是有效的，与未经过超参数优化的SVM分类器相比，羽绒的识别率有了较大提高。     

纹理特征和两级分类器相结合的人脸识别

为了提高人脸识别率和识别效率,提出一种纹理特征和两级分类器相结合的人脸识别方法。采用灰度共生矩阵表示人脸图像的纹理特征,计算待识别人脸图像与模板间欧式距离,采用拒识阈值进行评判,如果人脸图像归属类别清楚,则采用欧式距离分类器进行识别,否则将待识人脸图像送入SVM分类器进行识别,采用ORL人脸数据库和Yale人脸数据库进行仿真实验。仿真结果表明,相对于单一人脸识别器,两级分类器不仅提高了人脸识别效率,而且提高了人脸识别率,具有更好的人脸识别性能。     

一种有效的SAR图像目标识别方法

SAR图像目标识别是SAR图像应用中非常重要的环节,但由于SAR图像中相干斑噪声的存在,使得传统方法不能很好地对SAR图像进行分类识别。结合不变矩特征提取和支持向量机分类方法的优势,提出了一种有效的SAR图像目标识别方法,采用该方法对含有飞机和坦克目标的SAR图像进行了目标识别实验,取得了较好的识别效果。     

Recognition of consonant-vowel (CV) units under background noise using combined temporal and spectral preprocessing

This paper proposes hybrid classification models and preprocessing methods for enhancing the consonant-vowel (CV) recognition in the presence of background noise. Background Noise is one of the major degradation in real-time environments which strongly effects the performance of speech recognition system. In this work, combined temporal and spectral processing (TSP) methods are explored for preprocessing to improve CV recognition performance. Proposed CV recognition method is carried out in two levels to reduce the similarity among large number of CV classes. In the first level vowel category of CV unit will be recognized, and in the second level consonant category will be recognized. At each level complementary evidences from hybrid models consisting of support vector machine (SVM) and hidden Markov models (HMM) are combined for enhancing the recognition performance. Performance of the proposed CV recognition system is evaluated on Telugu broadcast database for white and vehicle noise. The proposed preprocessing methods and hybrid classification models have improved the recognition performance compared to existed methods.