支撑向量机的多类分类方法

基于结构风险最小化原则的支撑向量机(SVM)具有良好的学习推广性。但是由于常规的SVM是从二类分类问题中推导出来的，在多类分类问题中就必须进行改进。文中讨论了支撑向量机的多类分类改进方法．运用在手写体数字识别中，并取得较好的结果。     

自适应误差惩罚支撑向量回归机

该文提出一种支撑向量回归机AEPSVR。它首先用 -SVR求得一个近似的支撑向量回归函数,在此基础上,引入一种新自适应误差惩罚函数,通过迭代,得到鲁棒的支撑向量回归机。该方法因以 -SVR为基础,故可以应用各种求解SVR的优化算法。实验表明,该支撑向量回归机AEPSVR能显著地降低离群点的影响,具有良好的泛化性能。     

一种新的多类模式识别方法

提出了一种基于支撑向量机的多类分类器,用N-1个支撑向量机组合构成一个具有二叉树结构形式的N-多类分类器．讨论了该多类分类器的泛化推广能力,同时还提出了该多类分类器的基于特征空间的BTSVM学习算法,BTSVM算法使用核函数转换的方式计算特征空间的样本距离;采用类间最小距离最大化作为聚类准则,在每个决策结点产生两个最优子集;然后采用支撑向量机学习算法学习两个最优子集,确定决策结点的最优分类面．理论和实验结果表明,本文提出的基于支撑向量机的多类分类器在整体性能上要优于其它类似的分类器系统。     

常用支持向量机算法分析

支持向量机是在统计学习理论的VC维理论和结构风险最小化原则的基础上提出的一种新的模式识别技术,本文对于当前常用支持向量机的几种算法进行了总结和分析,对于今后提出更精确的方法做了充分的准备。     

基于支持向量机的模式识别方法

基于统计学习理论的支持向量机(SVM)方法是现代智能技术的一个重要分支。SVM实现了结构风险最小化(SRM),而不是经验风险最小化(ERM),在保证分类精度的前提下,提高了分类器的泛化能力。着重讨论C-SVM原理,并在此基础之上,对算法进行了测试。测试结果表明,C-SVM分类算法具有较好的推广能力。     

支撑向量机多类分类方法的研究

支撑向量机是一种基于统计学理论的新的学习算法,它采用了结构风险最小化原则,能有效地解决过学习问题,具有很强的泛化能力。传统支撑向量机针对两类分类问题,为了深入地分析实际应用中的大规模和多类别的问题,通过对一次性求解法、一对多、一对一、有向无环图方法的原理和实现方法进行分析,从速度和精度两方面对这些方法的优缺点进行了归纳和总结,并通过实验进行了验证和比较。实验结果表明,各种方法可以获得不同的分类器推广能力及训练速度和测试速度,也为今后如何更好地解决支撑向量机多类分类问题指明了方向。     

改进的SMO文本分类算法

支持向量机（SVM）的文本分类算法被广泛应用,其中序列最小优化算法（SMO）是它的一个特例。SMO算法使用了块与分解技术,简单并且容易实现,但是它的收敛较慢,迭代次数较多。解决的办法是改进SMO算法中工作集的选择算法,并更新步长因子,目的是为了使目标函数尽可能地下降。文中基于这个目标提出了改进的SMO算法来进一步提高SVM的训练速度和分类的准确程度。     

干扰识别的量子粒子群和支持向量机算法

根据支持向量机结构风险最小化原则和量子粒子群快速全局优化的特点,提出了干扰样式识别的QPSO-SVM算法。采用量子粒子群算法优化支持向量机参数,建立了干扰样式特征组分识别的模型,经过仿真试验,表明该算法具有识别率高,计算时间短的优点。     

基于最小二乘支持向量机的飞机备件多元分类

飞机后续备件配置直接关系到装备的战备完好率和寿命周期费用,对备件的正确分类是进行备件配置决策的前提。支持向量机是采用结构风险最小化原则代替传统统计学中的基于大样本的经验风险最小化原则的新型机器学习方法,具有出色的学习分类能力和推广能力。研究了新型支持向量机算法-最小二乘支持向量机,设计了基于多元分类的最小二乘支持向量机,在此基础上,建立了飞机备件多元分类模型,并对某机型的备件进行了分类。结果表明,基于最小二乘支持向量机的飞机备件多元分类方法是有效、可行的。     

一种雷达散射截面半参数起伏统计模型

提出一种基于支持向量回归机(Support Vector Regression,SVR)的半参数化雷达散射截面(Radar Cross Section,RCS)起伏统计模型。该模型通过利用 SVR 将常规半参数化模型中修正因子全样本表出简化为支持向量表出,从而达到提高模型执行效率的目的。仿真实验结果表明,该模型可以有效表达 RCS 样本分布,且显著降低模型表出所需样本量。     

基于SVR的语音变换映射规则研究

该文介绍了语音变换与支持向量回归(SVR)的基本理论。提出了基于多输出支持向量回归的语音变换特征参数映射规则,并对该映射规则进行了仿真实验。对变换后语音所进行的主客观测试表明,该映射规则对比码书映射和高斯混合模型,能够在参数映射离散性和平滑性之间有效折中,提高语音可懂度。     

基于核直接判别分析和支持向量回归的WLAN室内定位算法

该文针对RSS信号的时变性降低WLAN室内定位精度的问题,提出了一种新的基于核直接判别分析和支持向量回归的定位算法。该算法利用核直接判别分析对原始RSS信号进行定位信息重组,去除冗余定位特征和噪声,提取最具判别力的定位特征,然后采用支持向量回归算法建立定位特征与物理位置的映射关系。实验结果表明,提出算法的定位精度明显高于传统定位算法,且大大降低了离线阶段数据采集的工作量。     

基于支持向量回归的供应链合作伙伴核心竞争力评价

供应链管理是一种先进、新颖的管理方法,在供应链中,科学的评价合作伙伴核心竞争力是优化选择最佳合作伙伴的关键.本文将基于支持向量回归的数据挖掘方法,用于核心竞争力综合评价研究中,给出应用实例,结果表明支持向量回归不仅具有较高的训练效率,而且有更高的精确度.     

Support vector regression via MCMC within evidence framework

This paper proposes a novel approach, Markov Chain Monte Carlo (MCMC) sampling approximation, to deal with intractable high-dimension integral in the evidence framework applied to Support Vector Regression (SVR). Unlike traditional variational or mean field method, the proposed approach follows the idea of MCMC, firstly draws some samples from the posterior distribution on SVR??s weight vector, and then approximates the expected output integrals by finite sums. Experimental results show the proposed approach is feasible and robust to noise. It also shows the performance of proposed approach and Relevance Vector Machine (RVM) is comparable under the noise circumstances. They give better robustness compared to standard SVR.     

基于支持向量回归的立体图像客观质量评价模型

立体图像质量评价是评价立体视频系统性能的有效途径,而如何利用人类视觉特性对立体图像质量进行有效评价是目前的研究难点。该文根据图像奇异值有较强稳定性的特点,结合立体图像的主观视觉特性,提出了一种基于支持向量回归(Support Vector Regression, SVR)的立体图像客观质量评价模型。该模型通过分析立体图像的视觉特性,提取左右图像的奇异值作为立体图像的特征信息,然后根据立体图像的不同失真类型情况对其特征进行融合,通过SVR预测得到立体图像质量的客观评价值。实验结果表明,采用该文提出的客观评价模型对立体数据测试库进行评价,Pearson线性相关系数值在0.93以上,Spearman等级相关系数值在0.94以上,均方根误差值接近6,异常值比率值为0.00%,符合人眼视觉特性,能够很好地预测人眼对立体图像的主观感知。     

高效的WF2Q+调度算法的实现研究

文章提出了WF^2Q＋调度算法的两种实现模型，即离散模型和离散简化模型。它们是在WF^2Q＋调度算法数学模型的基础上的高效实现方法。离散模型很好的保持了WF^2Q＋调度算法数学模型的性能，而且便于硬件实现。离散简化模型在离散模型的基础上进行简化，基本保持了WF^2Q＋度算法数学模型的性能，但大大节约了系统资源，易于实现。WF^2Q＋调度算法的离散模型和离散简化模型非常适合应用于高速核心交换网络中的分组调度。     

Soft sensing of magnetic bearing system based on support vector regression and extended Kalman filter

The rotor displacement measurement plays an important role in an active bearing system, however, in practice this measurement might be quite noisy, so that the control performance might be seriously degraded. In this paper, a soft sensing method for magnetic bearing-rotor system based on Support Vector Regression (SVR) and Extended Kalman Filter (EKF) is proposed. In the proposed method, SVR technique is applied to model the acceleration of the rotor, which is regarded as a nonlinear function of rotor displacement, rotor velocity and bearing currents; then this SVR model is used to construct an EKF estimator of rotor displacement. In the proposed method the bearing current is incorporated to the estimation of displacement, so that displacement can be precisely estimated even if very large observation noise is present. A series of experiments are performed and the results verify the validity of the proposed displacement soft sensing method.     

同步CDMA系统中一种支持向量机的多用户检测器

支持向量机是一种建立在结构风险最小化原理之上的新的分类方法,与一些神经网络方法相比较他能更好地解决小样本问题。将支持向量机应用于同步信道多用户检测中,为研究CDMA多用户检测提供了一条新的途径,仿真结果表明其误码性能优于MMSE,逼近于单用户接收机。     

基于信号幅相特性的副瓣跟踪自动识别方法

传统雷达测角系统副瓣跟踪识别方法主要根据副瓣信号幅度较主瓣明显偏低这一特性提出,该文通过对副瓣跟踪原理的理论分析、仿真分析与实测验证,得出了关于副瓣跟踪特性的新结论:副瓣跟踪时和差相位正交、差和幅度比相对主瓣跟踪明显增大。在此基础上提出一种基于信号幅相特性的副瓣跟踪识别方法:构造以差和幅度比、和差相位差为描述子的幅相特征向量,采用支持向量机(SVM)对特征向量进行分类完成识别过程。实验结果表明,该文方法识别准确率高,鲁棒性、实时性、通用性强。