共查询到20条相似文献,搜索用时 156 毫秒
1.
利用支持向量机识别汽车颜色 总被引:3,自引:0,他引:3
大类别数分类时支持向量机(SVM)数量较多,文中通过类别合并和特征空间分解,结合决策树判别方法.对SVM数量进行优化,提出了一种基于优化SVM的汽车颜色识别方法.该方法与最近邻分类方法相比,无论是在速度上还是识别正确率上都得到了提高.实验结果表明,该方法是一种快速且正确率较高的多类别分类方法,可以满足实时识别的要求. 相似文献
2.
两类支撑向量机(SVM)用于模式识别具有最优的推广能力.对于常见的多类识别问题,需要构造多类SVM.本文提出一种新的基于决策树的构造方法,由此构成的多类SVM(DTSVM),与现有的方法相比,具有更快的计算速度,适用于需处理样本数较多的识别问题. 相似文献
3.
针对多层导电结构缺陷位置和尺寸的识别问题,基于脉冲涡流检测数据,提出一种多层导电结构缺陷位置和尺寸的无损估计方法(NEM).NEM采用傅里叶变换和希尔伯特黄变换等方法,提取时域和频域上共47维特征.提出基于AIC+Fisher的特征降维方法,选择最优的特征降维维度,减少特征冗余且降维后的特征能更好表征缺陷类型,提高分类器的识别效率.最后利用支持向量机(SVM)构造分类器,采用粒子群算法对分类器模型参数进行寻优,从而实现多层导电结构缺陷位置和尺寸的识别.实验结果表明:NEM能够适用于多层导电结构的缺陷位置识别和缺陷尺寸识别,提高了识别的查全率和查准率,降低了缺陷尺寸识别的平均误差值,优于SVM47、AF_F、Fisher47和AF_R等方法. 相似文献
4.
5.
一种改进的无速度传感器感应电机直接转矩控制 总被引:4,自引:0,他引:4
直接转矩控制(DTC)对于异步电机而言,它能产生快速及好的鲁棒性响应。介绍了一种新的对于无速度感应电动机基于空间矢量(SVM)模型的直接力矩和磁链控制,它能降低稳态时力矩、磁链和速度的波动。在全速度范围无速度传感应用中将产生更好的稳态性能的同时保留DTC的暂态优点。仿真结果显示该方法有着比传统的DTC更好的性能。 相似文献
6.
7.
8.
人脸识别技术的研究 总被引:11,自引:0,他引:11
对人脸识别的几个关键技术进行了深入研究,提出了一种快速的基于眼睛像素特征的人脸检测方法:一种有效的基于SVD分解的特征提取方法和一种基于特征差别的SVM人脸识别方法.改进的基于SVD分解的特征提取方法能在一定程度上削弱光照和表情的影响,从而更好地抽取人脸的差别特征.基于特征差别的SVM方法将人脸识别这一典型的多分类问题构造成适合SVM处理的二分类问题,克服了传统SVM方法在解决多分类问题上的缺陷.实验表明该人脸检测方法有较高的正确检测率,提出的特征提取方法能有效地减弱光照和表情对人脸特征的负面影响,使得识别率有较大提高,基于特征差别的SVM方法有更好的概括能力和更高的正确识别率. 相似文献
9.
为了解决单通道生物特征识别的缺陷,在信息融合的基础上提出了一种基于人脸和语音融合的生物特征识别模型,实现了特征层的融合。对人脸图像采用主成分分析法(PCA)进行特征提取,对说话人采用fisher判别进行特征维数的约简。同时,提出一种基于PSO的多粒子群协调优化(PSCO)方法,并将其用于训练SVM来实现人脸和语音的混合认证系统,实验结果表明该方法取得了较好的识别效果。 相似文献
10.
提出一种新的基于多约简SVM的说话人辨识方法.先通过基于熵的特征筛选法,对训练样本进行维数约简,并改善聚类性能.然后用基于核的可能性聚类算法(KPCM)在特征空间选择最具有代表性的样本训练约简SVM,减少系统的存储量和训练量.实验结果表明,提出的方法在不影响识别率的情况下提高了识别速度,减少了SVM的计算量. 相似文献
11.
为了提高控制图模式识别的精度, 将控制图模式的原始特征与形状特征相融合得到分类特征, 并采用支持向量机进行模式分类的控制图模式识别。融合所得特征既保持了控制图模式的原始特征所蕴涵的模式全局特性信息, 又通过引入形状特征对部分易混淆模式的局部几何特性进行强化, 使不同模式间的区分度得到有效提高; 而以支持向量机作为模式分类器保证方法在高维度特征和小样本条件下也能获得较好的识别性能。仿真实验结果表明所提方法的识别精度相比其他几种基于形状特征的控制图模式识别方法有明显提高。 相似文献
12.
13.
14.
针对传统机器视觉的手势识别方法识别准确率低,抗干扰能力差等问题,提出了一种基于支持向量机(Support Vector Machine,SVM)手势分割和迁移学习的静态手势识别方法.本文使用SVM和迁移学习方法相结合构建新的手势识别模型,利用SVM对样本进行手势分割,将Inception-v3模型作为卷积神经网络模型基础,对网络参数进行fine-tuning,将预先经过手势分割处理后的样本导入模型训练,调整超参数得到新的最优手势识别模型,并在一定干扰环境下测试,得到测试结果.测试结果表明该方法识别准确率和实时反馈效率均高于传统方法,能高效识别手势,满足实际应用需求. 相似文献
15.
16.
17.
18.
为了提高车牌上的字符识别准确率,提出一种结合Trace变换和支撑矢量机(SVM)的字符识别方法.在字符识别方面,以Trace变换方法提取字符特征,并运用支持向量机对字符进行模式分类.将算法应用到实际的车牌字符识别中,识别结果表明,这种方法在提高识别速度的同时,有效提高了字符的识别精度. 相似文献
19.
小样本生物识别是现实应用中一个较难解决的问题,通过有限训练样本很难得到满意的识别结果。因此,提出了一种新的小样本掌纹识别方法,利用改进的二维局部保留映射(I2DLPP)提取特征,并用支持向量机(SVM)分类。改进的二维局部保留映射是通过同时在行和列方向上进行2DPCA和2DLPP的投影实现的,从而降低了计算复杂度与特征维数;并且构建最近邻图是以图像内部的列为节点,保留更多内部流形结构,改善了识别效果。SVM是针对小样本识别的非常有效的分类工具,将两者结合可以显著提高小样本掌纹识别精度。实验结果证明了该方法的有效性。 相似文献
20.
为提高肝脏B超图像的诊断准确率,研究了将粒子群算法(Particle Swarm Optimization,PSO)和支持向量机(Support Vec-tor Machine,SVM)相结合进行肝脏B超图像识别的方法;该方法首先提取肝脏B超图像的空域和频域的纹理特征,然后运用SVM对108幅肝脏B超图像进行分类,利用PSO算法优化SVM的模型参数,最后将该方法与基于网格搜索法优化的SVM和基于BP神经网络的分类方法进行了对比;实验结果表明,在PSO-SVM算法下,所提取的两种纹理特征相结合能够有效地描述肝脏B超图像,基于粒子群优化算法的支持向量机模型具有较高的识别精度,平均分类准确率达94.44%,这就表明PSO-SVM算法适用于对肝脏B超图像的识别。 相似文献