基于支持向量机和遗传算法的皮肤显微图像特征选择

在皮肤显微图像症状识别系统研究中,如何选择出对皮肤症状分类能力强的特征项组合是识别诊断面临的关键问题.本文把遗传算法和支持向量机结合起来,既利用遗传算法优化搜索特征空间,又克服了传统统计学的苛刻要求.通过对初步提取的皮肤显微图像的特征参数进行优化组合,选择出使系统的识别率得到较大提高(由88.24%提高到97.06%)的特征组合.实验证明本文提出的算法得到的结果是较令人满意的.     

皮肤显微图像的自适应分割

提出了一种针对皮肤显微图像进行自适应分割的方法,其思想是：首先将RGB图像变化到HSI（Hue／Saturation/Intensity）空间;计算图像的S域标准差σ,以σ为判据,当σ较大时,采用最大类间方差法确定分割阈值,当口较小时,采用修正均值法确定分割阈值,最后用数学形态法进行图像后处理完成图像分割,从而解决了大动态范围图像标准差的图像分割。该方法算法简单、实用,实现了不同症状的皮肤显微图像的自适应分割。     

基于遗传算法和一类SVM的隐秘图像检测方案

针对二类支持向量机分类器在隐秘图像检测中训练步骤复杂与推广性弱的缺点,提出了一种新的基于遗传算法和一类支持向量机的隐秘图像检测方案。采用遗传算法进行图像特征选择,一类支持向量机作为分类器。实验结果表明,与只利用一类支持向量机分类,但未进行特征选择的隐秘检测方法相比,提高了隐秘图像检测的识别率和系统检测效率。     

支持向量机在显微图像分类中的应用研究

根据微生物显微图像中微生物形态各异、目标重叠、灰度接近等特性,提出了一种新的显微图像分类识别方法。该方法利用变差函数对微生物显微图像纹理信息进行特征提取,根据支持向量机模式识别原理建立分类识别模型。将该方法应用于两类微生物分类,并与基于神经网络方法的分类结果进行对比分析,结果表明,该方法具有较高的分类精度。     

基于遗传特征选择和支持向量机的图像标注

为了提高图像标注系统的精度和效率,提出了基于遗传特征选择和支持向量机的图像标注方法。该方法从多媒体描述接口（MPEG-7）标准中抽取图像的视觉特征,采用双编码遗传算法从MPEG-7标准中选择最优的加权特征子集,并训练支持向量机分类器用于图像标注,支持向量机分类器采用多数投票机制。对2 000幅Corel图像的标注结果表明：该方法可以获得最优的加权特征子集,提高了图像标注系统的精度和效率。     

基于支持向量机的白细胞自动识别

考虑到支持向量机(SVM)在训练样本有限的情况下处理高维数据上的优势,鉴于白细胞多光谱图像数据维数高的特点,为提高白细胞识别的速度和精度,采用支持向量机对白细胞的多值分类问题进行了研究,设计并实现了核函数为二值径向函数(RBF)的分类器,实验结果表明,该分类器有效地解决了白细胞的识别速度和精度问题,识别率达到了89.02%.     

细菌显微图像自动识别技术

对细菌进行快速、准确的识别在医学检验等诸多领域均有重要的运用价值。本文以大肠埃希氏菌显微图像作为研究对象,先分析了该菌的8个形状特征并以这些特征的统计数值建立了一个形态模型库,然后用模糊理论设计了一个分类器并对该分类器进行优化。实验结果表明,使用本文提出的方法能很大的提高病菌图像识别的准确率,而且有很高的统计效率。     

基于自适应特征选择和SVM的图像分类的研究

提出多特征结合的图像分类方法,分别提取颜色特征和LBP纹理特征,同时提出Adaboost算法对特征进行选择,选择最能表示图像的特征,这样既降低了特征的维数,又提高了分类的精度。最后对基于SVM的多类图像分类方法进行了研究,提出在二类支持向量机的基础上构造多类分类器的方法,实验结果表明,提出的方法能够很好地用于图像分类。     

支持向量机在皮肤症状图像识别中的应用研究

研究皮肤图像特征提取问题,在皮肤图像症状识别过程中,针对选择出对皮肤症状分类能力强、准确识别图像诊断方法问题,为提高识别率,提出采用遗传算法和小样本、非线性的支持向量机结合起来.通过遗传算法优化对皮肤症状特征空间进行搜索的同时,采用支持向量机对提取的皮肤显微图像的特征参数进行优化组合.在对5类典型皮肤症状进行仿真,使皮肤图像症状的特征通过组合的诊断识别率由87.24%提高到98.15%.实验结果表明,所采用的遗传算法与支持向量机结合的方法对皮肤症状图像识别率的提高是十分有效的,有利于皮肤病症的临床诊断研究.     

基于遗传算法和支持向量机的特征选择研究

为了让特征子集获得较高的分类准确率,提出了基于遗传算法和支持向量机的特征选择方法.该方法在ReliefF算法提供先验信息的基础上,将SVM参数混编入特征选择基因编码中,然后利用遗传算法寻求最优的特征子集和支持向量机参数组合.实验结果表明,通过该方法选择的特征子集和支持向量机参数组合能以较小的特征子集获得较高的分类准确率.     

改进的遗传算法在白细胞识别中的应用研究

针对多光谱图像数据维数高,数据量大的特点,鉴于自适应遗传算法在搜索最优解上特有的优点,提出了采用自适应遗传算法进行白细胞的特征提取,同时为了增强算法的稳定性,提高收敛速度,部分改进了原算法。在此基础上,利用选取的53个特征和二值支持向量机相结合,构造分类器,有效地解决了白细胞的分类识别问题。实验结果表明,改进后的算法具有更快的收敛速度,更好的稳定性,设计的分类器有效地提高了识别速度和精度,识别率达89.02%。     

基于支持向量机的传真收件人识别方法

在字符特征提取基础上,文章提出了应用支持向量机对传真收件人进行识别的方案,解决了传真收件人格式、表示方法多样性而导致的自动分发困难的问题。文中对四种常用的核函数分别进行了实验,选取了对传真收件人具有较高识别率的核函数,它有利于实现传真文件的自动分发。     

GA和SVM在供应链绩效评价中的应用

研究了基于遗传算法和支持向量机的供应链绩效评价问题。将供应链绩效评价问题用遗传算法进行特征选择并同时对支持向量机参数进行了优化。研究表明该方法能提取出影响供应链绩效的重要属性,减小供应链评价模型的复杂度。应用实例表明基于遗传算法和支持向量机的评价结果从整体上要优于标准支持向量机的评价结果。     

特征和分类器联合优化的网络入侵检测算法

为了提高网络入侵检测正确率,利用特征选择和检测分类器参数间的相互联系,提出一种特征和分类器联合优化的网络入侵检测算法。联合优化方法将网络状态特征和分类器参数作为遗传算法的个体,网络入侵检测正确率作为个体适应度函数,通过选择、交叉和变异等遗传操作获得最优特征和分类器参数,利用KDD 1999数据集对联合优化算法进行验证性测试。实验结果表明,相对于其他入侵检测算法,联合优化算法既解决了特征与分类器不匹配带来的入检测检测能力下降,又提高了网络入侵检测正确率和效率,为网络入侵检测提供了一种新的研究思路。     

基于独立成分分析和核向量机的人脸识别

提出利用独立成分分析提取人脸特征并用核向量机进行识别的方法。独立成分分析能更本质地描述图像特征,通过选择合适的特征个数达到较高的识别准确率。利用核向量机进行分类判决,可以快速地对大样本数据进行准确分类,产生较少的支持向量。实验证明了该方法的可行性和有效性,在ORL人脸数据库上达到了94.38%的准确率。     

基于IGA的支持向量机特征子集选择和参数优化

特征子集选择和训练参数的优化一直是SVM研究中的两个重要方面,选择合适的特征和合理的训练参数可以提高SVM分类器的性能,以往的研究是将两个问题分别进行解决。随着遗传优化等自然计算技术在人工智能领域的应用,开始出现特征选择及参数的同时优化研究。研究采用免疫遗传算法（IGA）对特征选择及SVM 参数的同时优化,提出了一种IGA-SVM 算法。实验表明,该方法可找出合适的特征子集及SVM 参数,并取得较好的分类效果,证明算法的有效性。     

基于核函数SVM的穿戴式姿态识别系统

设计一种基于核函数支持向量机(SVM)的穿戴式姿态识别系统。采集嵌入用户服装中的倾角传感器的数据,提取相应的特征参数,利用2种分类算法对样本进行姿态分类评估。测试实验结果表明,核函数SVM算法对日常姿态的分类效果较好,姿态识别系统对用户日常的多种姿态识别率较高。     

SVM算法及其在多类字母图象识别中的应用

支持向量机是一种新的统计学习算法,其学习原则是使结构风险最小,与经典的学习方法的经验风险最小原则不同,这使得支持向量机具有很强的泛化能力。因为支持向量机算法是一个凸二次优化问题,能够保证所求的局部最优解就是全局最优解。目前,研究的绝大多数是两类问题。然而,即使我们能够将两类问题正确分类,也不能意味着实际应用中多类分类问题的解决。在这篇文章中,我们介绍了支持向量机算法,并且通过多类字母图象分类问题说明支持向量机算法在多类分类问题中的应用。     

R-SVR中r与输入噪声间近似线性反比关系

为使r范数SVR更具鲁棒性,深入研究了r范数SVR中参数与输入噪声之间的关系。运用SVR的贝叶斯框架,分别推导出了鲁棒的r范数SVR中参数r与拉斯噪声和均匀噪声之间呈近似的线性反比关系。并结合仿真结果和已有的相关结论,得到了更为一般的结论,即鲁棒的r范数SVR中参数r与输入噪声之间呈近似的线性反比关系。这一结论为输入样本含有分布未知噪声的情况下r范数SVR参数的选择提供了理论依据。     

基于最小二乘支持向量机的Linux主机入侵检测系统

论文探讨在新的网络软硬件环境、各种新的攻击工具与方法下,建立一个实际的网络入侵异常检测系统的可行性。为此,论文建立一个基于Linux主机的入侵检测实验环境,在同时提供多种正常服务的条件下实施攻击、提取特征并应用最小二乘支持向量机(LS-SVM)检测入侵。结果表明检测系统设计合理,特征提取及检测方法有效。