基于提升小波和SVM分类的炼钢物料识别

以炼钢物料的自动识别为应用背景,提出了基于快速提升小波变换和支持向量机(SVM)的识别方法.该方法首先运用DB4小波的提升算法对图像进行"塔式"分解,提取小波系数统计量作为图像的纹理特征组成特征向量,利用SVM算法进行分类.在炼钢厂原料图片的分类实验中,该方法的分类准确率为99.15%,平均图像特征提取时间为0.074秒.实验结果表明,该方法已满足企业生产的要求,并且准确率和实时性优于该类应用的其它方法.     

基于小波包能量熵的电能质量扰动识别

提出了一种基于小波包能量熵的电能质量扰动识别方法。该方法对仿真的扰动电压信号进行4层小波包分解,提取小波包能量熵特征向量,利用主分量分析法提取电压信号的小波包特征向量并输入到概率神经网络(PNN)进行扰动识别,实现了扰动样本的最优压缩,简化了扰动分类中神经网络分类器的结构,提高了神经网络扰动识别的速度和精度。仿真结果表明,该方法具有良好的扰动识别能力。     

基于图像边缘小波矩和支持向量机的目标识别

小波矩结合了矩特征和小波特征,既反映了图像的全局性信息,又反映了图像的局域性信息,并且具有旋转、平移和缩放不变性.利用小波矩与支持向量机进行目标识别,不但解决了图像识别中特征量随图像旋转、平移和缩放而变化的问题,而且提高了对近似物体的识别能力,是解决小样本、近似图像识别的有效方法.     

结合差图像和Gabor小波的人脸表情识别

提出一种结合差图像和Gabor小波变换的人脸特征提取方法,并使用支持向量机SVM(Support Vector Machines)进行人脸表情识别。对包含情感信息的静态灰度图像进行预处理,将眼睛和嘴巴等表情子区域从人脸中切割出来,求出其差图像,然后提取差图像的Gabor特征,使用下采样降维减少特征向量的维数并进行归一化,最后使用SVM进行分类。与只从表情子区域提取Ga-bor特征的识别方法进行了比较,结果显示识别效果更好。     

一种基于小波过零检测和SVM的虹膜识别方法*

提出了一种新的基于SVM的虹膜识别算法,通过对虹膜纹理采用小波变换来实现特征提取,最后通过SVM完成模式匹配。实验结果表明,该算法识别率高并可有效地应用于虹膜身份鉴别系统中。     

基于RS的SVM算法在空袭目标识别中的应用

在现代防空作战中,如何快速准确的对敌我目标进行识别,至关重要。本文结合粗糙集和支持向量机算法建立了基于RS的SVM增量学习模型,提出了基于快速求核和集合近似质量的粗糙集属性约简算法,改进了SVM增量学习算法。试验结果表明,算法正确有效,模型符合现代防空作战中对目标识别的要求,具有一定的实用价值。     

基于小波分析和SVM的印鉴图像识别

针对印鉴图像自动识别,提出了一种基于小波大尺度分解特征提取和支撑向量机的印鉴鉴别方法。印鉴图像预处理之后,用一维环投影向量的循环移位来代替二维图像的旋转,实现印鉴的配准。同时,利用小波分解结果,采用小波分解的大尺度向量作为特征向量,排除高频噪音的干扰,并以此进行SVM训练及测试,实现图像鉴别。应用实例表明,该算法具有很强的抗干扰性、识别率高。     

基于小波变换和SVM的心电早搏信号识别

对心电信号的实时、准确识别在临床上具有重要意义。研究基于小波变换自动识别室性早搏(PVC)和房性早搏(APB)的方法,首先对信号进行Marr小波变换并提取信号在小波域上的特征参数,构建时频域特征向量,然后使用径向基核SVM进行训练,研究模型参数的选取对训练结果的影响。使用MIT-BIH心电数据库中的数据进行测试,结果表明:在小样本的情况下,建立的模型对正常心电、房性早搏和室性早搏的识别具有较高的准确率。     

基于改进S 变换和贝叶斯相关向量机的电能质量扰动识别

提出一种改进S变换和相关向量机相结合的电能质量扰动分类法.首先通过引入调节因子构建时频分辨率可控的改进S变换,从而提取各类扰动信号的时频特性;然后利用层次分类法与最小输出编码法构建贝叶斯相关向量机多级分类树模型,实现电能质量扰动信号的分类与识别.研究表明,该方法能在强噪声背景下获得高精度的扰动分类识别率,具备比S变换更高的时频分析能力,较支持向量机需要更少的相关向量数目,测试时间更短.     

基于能量熵对SVM的电路故障诊断

研究电路故障诊断问题,提高诊断效率.由于电路集成度提高,电路信号与故障相关,针对传统故障诊断因采用线性诊断方法与提取的电路特征信息不全面,导致诊断定位精度不高,为有效提高电路故障诊断的速度与精度,提出了一种根据小波包能量熵的支持向量机电路故障诊断方法(EE-SVM).首先利用小波包对电路故障信号进行3层的小波包分解,并提取小波包能最熵,构建输入特征向量.对于支持向量机进行非线性特征向量汰选,去除冗余特征,以保留特征向量构建智能化诊断模型.进行实例仿真,结果显示,方法在所有参比模型中精度最高,能高效地对电路故障进行检测与定位.     

基于小波变换和SVM的眉毛身份验证系统研究*

为了对眉毛这一新颖生物特征开展识别研究,提出了一种基于小波变换方法和支持向量机（SVM）的眉毛身份验证方法。其基本思想是用小波变换提取眉毛图像特征,然后用SVM进行训练和验证。在自建的100人眉毛数据库中进行的实验结果表明,该系统具有较低的错误拒绝率29.58%和错误接受率8.22%,从而验证了眉毛用于个人身份鉴别的可能性和有效性。     

基于邻域粗糙集与支持向量机的油层识别研究

运用邻域粗糙集理论,对储层含油性的属性进行约简,并将约简后的属性作为支持向量机输入变量,对某油田的3口井油层类别进行实证研究,将结果与人工神经网络方法进行了比较,结果表明该方法是行之有效的方法。具体步骤为：先把邻域粗糙集作为前置系统对属性进行约减,剔除冗余信息,将剩余的属性作为支持向量机的输入变量。而支持向量机作为后置系统,不仅能消除指标之间信息重叠,而且可以降维。它们之间各司其责,相互配合从而得到好的评价结果。     

基于小波包变换和支持向量机的虹膜识别方法

提出了一种基于小波包变换和支持向量机的虹膜识别方法.用小波包变换对归一化的虹膜图像进行2层分解,并计算出每个子频带的能量;通过选择具有最大能量值的特征作为小波基特征,以减少进入支持向量机的样本数目和提高识别准确率;最后,用支持向量机对虹膜特征进行模式匹配.实验结果表明,该方法取得了较好的识别效果.     

基于小波分解与方位角平均HRRP的SVM目标识别方法

针对雷达目标高分辨距离像(HRRP)方位角敏感以及以此为特征时正确分类识别率不高的问题,提出一种小波分解与按一定范围方位角平均的综合处理方法,降低了HRRP的维数,减小了HRRP的方位敏感性,增强了HRRP的稳定性,提取了雷达目标的主要特征;研究了结合支持向量机(SVM)的雷达目标分类识别方法,并对两种飞机目标缩比模型的原始HRRP数据、小波分解与方位角平均综合处理HRRP数据进行了分类识别实验,结果表明,小波分解、方位角平均以及SVM相结合的方法能够显著提高雷达目标的正确分类识别率,且稳定性更高,证明了方法的有效性.     

基于自适应提升小波变换的电能质量检测节点

利用自适应提升小波变换和支持向量机进行电能质量扰动识别,将无线传感网络技术应用于电能质量无线检测系统。介绍了自适应提升小波变换算法和系统的软硬件架构,设计了以DSP和ARM为核心的电能质量检测节点,说明了TinyOS的移植和系统任务的设计过程。     

基于双重扰动的选择性支持向量机集成

为了进一步提升支持向量机泛化性能,提出一种基于双重扰动的选择性支持向量机集成算法。利用Boosting方法对训练集进行扰动基础上,采用基于相对核的粗糙集相对约简与重采样技术相结合的动态约简算法进行特征扰动以生成个体成员,然后基于负相关学习理论构造遗传个体适应度函数,利用加速遗传算法选择权重大于阈值的最优个体进行加权集成。实验结果表明,该算法具有较高的泛化性能和较低的时、空复杂性,是一种高效的集成方法。     

A classification model based on SVM and rough set theory

This paper presents a novel classification approach based on rough set theory and supporter vector machine. Sometimes, there are many attributes for classification samples and it is difficult to carry out classification. In this paper, the attributes of data set are reduction by rough set theory firstly, and then the classification is carried out using support vector machine. Finally, the classification results are obtained through the proposed model. Moreover, the proposed classification model has higher prediction accuracy by comparing with the traditional algorithm Naive Bayes algorithm and reduces the cost of calculation.     

复高斯小波核函数的支持向量机研究

针对基于常用核函数的支持向量机在非线性系统参数辨识及预测方面的不足之处,构建了一种新的核函数——复高斯小波函数核函数。首先证明了新构建的核函数的正确性,即满足Mercy条件,表明其可以作为核函数;然后构建基于该核函数的支持向量机,并将该支持向量机用于非线性系统的辨识和未知部分的预测。通过与常用核函数构建的支持向量机的仿真结果进行对比,验证了该方法的正确性和有效性。     

基于支持向量机的小波包调制信号识别

基于小波包调制信号和OFDM信号在分数阶傅里叶变换域分布的不同,利用图像成形技术对接收信号的分数阶傅里叶变换域分布图进行处理,探讨了小波包调制信号和OFDM信号的分数阶域分布成形图的特征参数,利用支持向量机做分类器,实现了这两种多载波调制信号的分类识别。计算机仿真结果,验证了算法的性能。     

基于邻域粗糙集的入侵检测集成算法

入侵检测领域的数据往往具有高维性及非线性特点,且其中含有大量的噪声、冗余及连续型属性,这就使得一般的模式分类方法不能对其进行有效的处理。为了进一步提高入侵检测效果,提出了基于邻域粗糙集的入侵检测集成算法。采用Bagging技术产生多个具有较大差异性的训练子集,针对入侵检测数据的连续型特点,在各训练子集上使用具有不同半径的邻域粗糙集模型进行属性约简,消除冗余与噪声,实现属性约简以提高属性子集的分类性能,同时也获得具有更大差异性的训练子集,采用SVM为分类器训练多个基分类器,以各基分类器的检测精度构造权重进行加权集成。KDD99数据集的仿真实验结果表明,该算法能有效地提高入侵检测的精度和效率,具有较高的泛化性和稳定性。