基于核的机器学习方法及其在多用户检测中的应用

阐述了核方法的基本原理与研究动机，分析了特征空间的性质，介绍了常见的核方法，给出了构建新核方法的步骤及需要注意的问题，指出了核方法值得关注的研究方向，展示了其在多用户检测中的应用情况，以其对核方法研究领域有较全面的把握。     

基于支持向量机的极化SAR图像分类

极化合成孔径雷达可以同时得到地面场景在不同极化组合下的雷达图像,极大地丰富了获取的地物目标信息量。针对极化SAR图像特征提取和目标分类的困难,由4种基本极化组成样本向量,运用基于统计学习理论的支持向量机以及不同的核函数设计分类器,提出了一种新的极化SAR图像分类算法,并对实测极化SAR数据进行分类实验。结果表明,将支持向量机分类器应用于极化SAR图像分类中是可行和有效的,并且通过选择适当的惩罚系数,可以进一步提高分类效果。     

支持向量机在变形监测数据处理中的应用

支持向量机是基于统计学习理论的结构风险最小化原则的数据挖掘新方法，它将最大分界面分类器思想和基于核的方法结合在一起，具有很强的泛化能力，能保证所得解是全局最优解。文中简要介绍了支持向量机的基本原理及其在变形监测数据处理中的应用，论述了如何利用支持向量机进行建模和预报。通过对某大坝变形监测的连续观测数据的计算分析，论证了支持向量机在变形监测中应用的可行性和有效性。     

复值核结构元数学形态学二值图像实时光学并行处理

用光学实时并行图像处理与计算机的灵活特性相结合可实现数学形态学实时并行图像处理。提出了采用实时光学处理系统和复值核结构元光学频域滤波方法实现二值图像数学形态学实时并行处理     

基于Mean Shift聚类的边缘检测方法

噪声图像中的边缘检测是图像处理中一项很困难的任务。基于Mean Shift的图像平滑能够有效地去除图像中的高斯噪声,同时保持图像的边缘,然后通过ADM掩模算法检测边缘。经过实验证明,能够很好地提取图像的边缘,与其他经典方法相比具有比较好的效果。     

基于可区分性加权的模糊核说话人识别

 针对训练和识别语音数据较少的情况,本文提出了一种新的说话人识别算法.通过核映射,在高维特征空间对说话人的语音特征进行模糊矢量量化.为了增加说话人之间的可区分性,提出了一种基于高维特征空间的码字矢量的权值分配方法,对具有较强区分性的码字矢量分配较大的权值,并将产生的权值和说话人的码书一起形成说话人数据库.识别时,提出一种模糊核加权最近邻近分类器,在高维特征空间中对说话人进行匹配.实验表明,该算法在训练语音少于8s,识别语音为1s时,能够得到较好的识别结果.     

基于总间隔的模糊v-相对间隔机的研究

类间间隔和类内聚类性是影响分类器分类性能的两种重要因素.基于模糊支持向量机和总间隔思想,提出一种基于总间隔的模糊v-相对间隔机(TMF-vRMM),本方法本质上是传统相对间隔机(RMM)的扩展,但可取得比RMM更好的分类性能.TMF-vRMM通过使用差异成本和引入总间隔和模糊隶属度,同时解决了不平衡训练样本问题和传统软间隔分类机RMM的过拟合问题,显著提升学习机的泛化能力.分别采用人造和实际数据集进行分类实验,结果显示TMF-vRMM具有优于相关方法的稳定分类性能.     

混合核函数SVM在变压器状态评估中的应用

核函数是SVM(Support Vector Machine,支持向量机)的重要组成部分,核函数的选取对分类效果有明显的影响。该文把混合核函数引入到变压器状态评估中。实例分析表明,混合核函数支持向量机提高了状态评估的准确率。     

构造嵌入式Linux系统

文中首先介绍了嵌入式Linux系统的优点及其广泛应用.然后针对构造一个Linux嵌入式操作系统所面临的问题作了具体深入的分析.这些问题具体包括如何精简内核以及系统启动过程的细致分析,如何为硬件编写驱动程序.     

相关向量机软件可靠性建模中失效数据选择

摘要：基于核函数的软件可靠性模型一般对软件失效时间数据与发生在其之前的m次失效时间数据的关系进行建模,着重研究了m取值不同时,其对核函数可靠性模型预测能力的影响。在5个不同类型失效数据集上,采用Mann-Kendall检验观测到m值增大时模型预测能力逐渐下降,说明现时失效时间数据能比较久之前观测的失效时间数据更好地用于预测未来,通过把m的取值划分成几个区间,运用配对T检验进行实验研究,结果表明当m∈｛6,7,8,9,10｝时,模型能够得到最好的预测性能。