共查询到18条相似文献，搜索用时 812 毫秒
1.
提出一种基于主成分分析和支持向量机与线性判别分析结合算法的合成孔径雷达(synthetic aperture radar,SAR)图像目标鉴别方法. 利用主成分分析算法对SAR图像向量进行降维并提取其全局特征,对降维后的全局特征采用最小类内散度支持向量机算法进行变换,并对变换结果训练生成最佳分类器,进行分类完成目标鉴别. 实验结果表明该方法可以获得较高的分类正确率. 相似文献
2.
支持向量机作为机器学习中一个经典的分类算法，一直广受数据科学家的喜爱。无论是处理线性可分还是非线性可分数据，传统的支持向量机能够很好地解决二分类问题。针对给定的样本，支持向量机通过最大化最小间隔得到最佳的决策分界面，从而实现对新样本的类别预测。然而现实中的数据更为复杂多样，一方面数据的类别往往多于两个，近年不乏有优秀的多分类支持向量机算法出现；另一方面不同领域的数据的特征集中可能存在相对特殊的变量（称之为主变量，targeted variable），需要将其挑选出来并加以特殊处理，以保持主变量对最终分类结果的重要影响。考虑这两个方面，提出基于角度的变系数多分类支持向量机（TLAMSVM）模型以解决含有主变量的多分类问题。它使用具备更好几何解释能力的基于角度的间隔最大分类框架完成多分类，并引入变系数模型，通过选择合适的局部光滑函数处理主变量对模型的影响。把基于角度的变系数多分类支持向量机分别应用到模拟数据集和真实数据集上。数值结果显示，相比没有使用变系数思想或基于角度的多分类框架的多分类支持向量机，TLAMSVM模型具有更高的预测准确度。 相似文献
3.
朱昌明 《上海海事大学学报》2017,38(4):93-100
为弥补具有径向基函数(radial basis function, RBF)核的支持向量机(support vector machine, SVM)的不足，即如何获得合适的RBF核并且包含更多的数据信息，提出一个关于核聚类的有效方法。该方法通过关于核数目、中心、宽度的一些公式来生成核。这个生成方法可以容易、合理、优化地获得核。在美国邮政手写数字数据集(记为USPS)和字母识别数据集(记为Letter)上的试验可以验证，具有这些新生成的RBF核的SVM拥有更少更合理的核以及更高的分类性能。通过这个新提出的方法，可以处理更多的大规模分类问题。 相似文献
4.
曹丰文 《苏州市职业大学学报》2007,18(2):41-44
基于支持向量机的变压器故障诊断分类方法,通过有限的学习样本,建立变压器故障特征与其溶解气体之间的关系。利用获得的故障变压器数据建立了故障分类器,通过对样本的分类输出检验,验证了该故障诊断方法的可行性。 相似文献
5.
为处理线性不可分、结构复杂的数据集，提出基于核聚类的K 均值聚类(Kernel Clustering based K means Clustering，KCKC).该方法先在原始空间中对模式进行聚类，再由径向基函数(Radial Basis Function, RBF)核把它们映射到核空间，从而保持大部分模式之间的关系.把提出的方法应用到基于RBF的神经网络(RBF based Neural Network，RBFNN)、基于RBF的支持向量机(RBF based Support Vector Machine, RBFSVM)和核最近邻分类器(Kernel Nearest Neighbor Classifier，KNNC)中，结果表明本文提出的算法可以生成更有效的核，节省在核空间中的核生成时间，避免核数目设置的敏感性，并提高分类性能. 相似文献
6.
本文提出了一种基于主成分分析（PCA, principal components analysis）及支持向量机（SVM, support vector machines）的信息隐藏盲检测方法。该方法根据信息隐藏时对载体图像引入噪声的特点,通过分析图像块的主成分,计算出图像的特征向量。通过对原始样本图像和藏密样本图像特征向量的学习和训练,得到SVM检测模型,可用于信息隐藏的盲检测。实验结果表明,该方法能够有效地检测出目前常用的信息隐藏方法。 相似文献
7.
对于支持向量机的小样本识别问题,给出了一个近似算法—乘子极大熵算法.首先把支持向量机模型的Wolfe对偶问题转化为极大极小模型,然后利用乘子极大熵算法来求这个极大极小问题的解.支持向量机的乘子极大熵算法是一个集极大熵法和乘子法两者优点于一身的算法,它可以把非光滑的问题变成光滑的,能在一定程度上减少迭代次数,提高计算速度,并且可以避免海森阵病态的问题.对于文中的两个例子,该算法都得到了比较好的实验结果,表明了该算法的有效性.乘子极大熵算法比较适用于小样本的识别问题,特别是医学上的癌前诊断问题的判别. 相似文献
8.
朱昌明 《上海海事大学学报》2016,37(4):92-100
针对支持向量机(Support Vector Machine，SVM)无法处理不平衡和矩阵模式等问题，以支持矩阵机（Support Matrix Machine，SMM）为基础，提出一个基于熵的SMM （Entropy based SMM， ESMM）来解决不平衡数据集.ESMM的贡献是：(1)提出了一个新的基于熵的模糊隶属度评价方法从而增强确定模式的重要性；(2)保证了正类模式的重要性并且得到一个更加灵活的决策面.在真实世界的不平衡数据集和矩阵模式上的实验表明，ESMM比那些与之相比较的学习机有更好的性能. 相似文献
9.
为将图像字幕原始图象帧分割成N×N大小子块,同时将每个子块标注为字幕块和非字幕块两类,并且从每个子块提取能够保持相互高阶独立的独立分量特征去训练支持向量机分类器,再结合金字塔模型去噪方法,用训练好的支持向量机来实现对视频字幕区域自动定位提取。这种方法在样本不是很多的情况下,具有良好的分类推广能力以及能使独立成分特征之间彼此保持高阶独立性,所以该算法具有明显的优点。 相似文献
10.
随着电子商务的迅速发展,推荐系统与算法已经成为理论研究的热点。支持向量机是一种强大的分类工具,由其衍生出的支持向量机回归方法能很好地解决非线性回归问题。文中以电影推荐为例,引入支持向量机回归方法来分析项目的内容,构建用户模型,进而给出推荐。实验结果和理论分析表明这种推荐算法与传统协同过滤算法相比,能够明显提高推荐精度,并显著缩短了推荐所需时间;在大样本量情况下也能同样高效。 相似文献
11.
提出一种基于遗传规划的合成孔径雷达图像识别方法.首先提取SAR图像的5种特征作为原始特征,然后利用遗传规划算法在5种原始特征上合成新的特征,最后采用支持向量机进行分类.实验结果表明了算法的有效性. 相似文献
12.
针对现有SVM模型选择方法中人为指定核函数类型导致SVM模型性能难以达到最优的问题,提出了核函数原型的概念,并在此基础上提出一种基于核函数原型和自适应遗传算法的SVM模型选择方法. 该方法针对具体问题选择最优的核函数,有效地提高了SVM模型的性能;同时该方法通过动态调整遗传算法的控制参数,提高了SVM模型选择方法的稳定性. 在5个标准SVM数据集和遥感图像上的实验证明了该方法的有效性和稳定性. 相似文献
13.
介绍了一个更有效的基于支持向量机的实时超声波钢轨伤损自动检测分类系统.根据钢轨伤损的特点提取特征量,利用基于支持向量机的分类预测算法实现钢轨伤损的实时检测分类,并基于统计处理的计算伤损尺寸.在嵌入式系统DSP中利用该机器学习算法实现了伤损的实时处理和测试.实现了钢轨伤损实时报警、显示伤损类型、所处轨内位置及程度. 相似文献
14.
为解决岸桥起升电动机的状态识别和实时监测问题,分析起升电动机的大量样本集,提出基于标准差的模糊C均值(standard deviation-based fuzzy C-means,S-FCM)聚类算法对起升电动机的状态进行聚类分析,并构建两种SVM模型。实验结果表明:起升电动机振动烈度可以聚类为4类。对两种SVM模型进行对比和验证,选出最理想的实时监测模型。该方法可以为设备维护保养提供依据并且可以实时在线监测岸桥起升电动机的工作状态。 相似文献
15.
为对船舶航行安全状况进行有效预测,利用支持向量回归(support vector regression, SVR)算法构建船舶航行安全评估模型。在分析影响船舶航行安全的因素的基础上,对船舶历史数据进行预处理后将其作为模型训练和测试的样本数据。实验结果表明:该模型评估准确度可达99.6%以上;在同一样本数据条件下,模型的评估准确度和稳定性均优于基于极限学习机(extreme learning machine,ELM)构建的模型。模型的评估结果为水上交通管理部门的监管提供参考。 相似文献
16.
基于支持向量机(SVM)的相关反馈算法在反馈过程中只利用SVM的分类器,反馈结果排序会出现一定错误, 提出一种改进的相关反馈策略,将图像的视觉特征度量函数和SVM分类器函数进行线性加权,作为相关反馈中的相似性度量准则. 实验表明,改进策略能够优化遥感图像检索排序结果,提高检索的精度. 相似文献
17.
基于SVM分类器的集装箱箱号识别法 总被引：1，自引：1，他引：0
为准确、高效地识别集装箱箱号,提出基于支持向量机(Support Vector Machine,SVM)分类器的集装箱箱号识别法.在对大量箱号图片进行实验并统计各种特征识别率的基础上,经过预处理、箱号定位、字符分割,得到36×22像素大小的二值化图像;提取箱号字符的边界和质心特征、改进的灰度直方图特征以及边缘方向直方图... 相似文献
18.
基于支持向量机的起重机电机振动特征参数预测 总被引：1，自引：1，他引：0
提出用支持向量机方法对岸桥电机运行性能特征参数进行预测的方法,并构造基于支持向量回归的单步及多步预测模型.利用该模型对岸桥电机振动烈度时间序列分别进行1步和4步预测,并与自回归(AR)模型的预测值进行比较.实验结果表明,基于支持向量机预测模型的1步预测和4步预测精度均比AR模型的预测精度高,因此该模型对岸桥电机的运行性能特征参数具有较好的短期和长期预测能力. 相似文献