基于SVM的乳腺癌X光照片计算机辅助诊断模型

乳腺癌是现代女性最常见的恶性肿瘤之一。支持向量机SVM是一种基于统计学习理论的机器学习算法,它能在训练样本很少的情况下达到良好的分类效果。本文提出一个基于支持向量机的超声乳腺肿瘤图像计算机辅助诊断系统,它由图像预处理、ROI特征提取和SVM分类器异常诊断三个模块构成。通过实验证明,在处理相同的样本数据集时,基于SVM算法的计算机辅助诊断系统相对于BP神经网络,有更高的诊断灵敏度。统计学习理论的发展将更加完善SVM,具有高分类性能的分类器将使计算机辅助诊断的能力进一步提高。     

基于SVM分类的网络入侵检测研究

提出基于SVM的网络入侵检测模型,模型采用一对一的构造方法,用网络入侵数据做为模型的输入,入侵类别作为模型的输出,利用MATLAB平台进行仿真实验,并与其它方法进行比较.实验结果表明:SVM网络入侵检测模型的分类准确率高于Kohone模型,可以达到99.2%.     

基于遗传算法—BP神经网络的乳腺肿瘤辅助诊断模型

针对BP神经网络在辅助诊断建模过程中因输入特征的多维性而造成模型精度低、建模时间长等问题,提出基于遗传算法—BP神经网络的乳腺肿瘤计算机辅助诊断模型。首先提取乳腺肿瘤感兴趣区域的几何特征、形状特征、灰度特征、纹理特征、频率特征和边缘特征共79维;其次,用遗传算法（GA）对提取的特征进行约简,去掉一些冗余特征,选择最能体现肿瘤良恶性的特征组合17维;最后采用BP神经网络对17维特征进行乳腺肿瘤辅助诊断研究。实验结果表明,基于GA-BP的模型在乳腺肿瘤识别中取得了良好效果。     

基于SVM的小波图像去噪

在小波分析的基础上,运用支持向量机(SVM)方法来对噪声和非噪声数据进行分类。首先,把一带有噪声的信号进行多尺度小波分解;然后通过试验检测出小波分解系数中部分噪声信号和非噪声信号,得到样本数据来训练SVM;最后对所有的小波系数用训练后的SVM来进行分类得到非噪声信号,并且对这部分非噪声信号进行小波重构即达到了去噪的目的。     

基于SVM的汉语动词短语识别

支持向量机(Support Vector Machines，SVM)是一个很有前途的分类新技术。本将支持向量机应用到汉语短语识别中，提出了一种基于支持向量机的汉语动词短语自动识别算法的设计与实现，和传统的基于规则的方法相比取得了比较满意的结果。     

基于SVM的分类方法及其应用

本文对支持向量机的原理、核函数及分类方式进行了详细的介绍,给合实例探讨了支持向量机在分类中的具体应用,并根据应用结果指出了支持向量机的优缺点,最后展望了支持向量机在分类应用的前景。     

一种基于SVM的网络异常流量检测新方法

提出了一种基于SVM的网络异常流量检测新方法.分析了支持向量机的基本原理,结合网络流量异常检测的特点,讨论了异常检测的特征选择问题;提出了网络流量相关性、包长度统计变量以及异常报文统计等具有代表性的特征参数,描述了数据的预处理方法.试验结果表明,所选特征参数可有效地检测网络流量异常变化,说明基于支持向量机的在网络异常流量检测具有较好的可应用性.     

基于SVM的异常行为检测在电子考场中的应用研究

电子监考系统在我国已经得到广泛应用,本文针对考场视频分析的应用需求,以智能视频监控理论为依据,研究基于视频分析的考场异常行为有效识别方法。本文基于目标对象的皮肤特征模型,设计和生成行为模型,结合SVM支持向量机,实现在视频帧序列中检测考场异常行为。该模型可以应用于考场视频监控系统中,有助于提高系统的智能化,增强考场监控能力。     

基于人工智能的计算机辅助教学

文章从人工智能及其研究内容,分析了计算机辅助教学的发展现状和存在的问题,阐述了智能计算机辅助教学系统的内容,重点探讨了基于人工智能的智能计算机辅助教学系统的未来发展方向。     

基于改进PSO的SVM算法在数据库入侵检测中的应用研究

随着数据库应用越来越广泛,数据库信息泄露和篡改事件逐渐显现出来,数据库安全问题备受关注。入侵检测能够主动发现数据库中的各种攻击行为,弥补传统安全技术的不足,但由于现阶段大部分入侵检测技术工作量巨大,因而未能智能地进行检测判断。基于该问题,提出一种基于改进PSO的SVM算法对数据库进行智能入侵检测,利用改进PSO算法对SVM算法的惩罚因子和核函数参数进行寻优,利用寻优后的SVM对数据库操作进行分类,判断其是否属于正常操作行为。     

基于赫夫曼树的SVM多分类器构造方法

文中深入讨论了利用支持向量机构造多分类器的方法,并比较了它们的优缺点,提出了基于赫夫曼树的SVM多分类构造算法,并在训练时间及判别时间上证明了该构造算法的优越性,减少了分类器的判别时间.     

基于SVM的烟草销售量预测

烟草销售量预测能为烟草生产、运输、配送提供指导,使烟草行业能更好地适应市场需求。烟草销售量受众多因素的影响,具有季节性和周期性规律,传统的线性模型难以进行准确的预测。基于支持向量机建立烟草销售量的多维时间序列模型,实验结果表明,该模型具有较高的预测精度,能够准确地反映烟草销售量的变化趋势。对比实验也表明,所提出的方法比其它几种方法预测精度高,可以为烟草行业的销售管理提供科学依据,具有实用价值。     

基于人工智能的计算机辅助教学研究

概述了计算机辅助教学的现状,阐述了智能计算机辅助教学系统的内容,探讨了开发智能计算机辅助教学系统的未来发展方向。     

基于彩色影像的火灾探测系统的研究

及早的检测及预防火灾的早期探测技术中的重点之一。是利国利民的一件重要的课题。针对火灾早期探测技术存在的问题,基于图像型的火灾探测系统是火提出基于火灾火焰图像和支持向量机识别原理的火灾识别技术,得出基于线性核函数识别火灾的准确率最高的结论。     

DCT特征与SVM分类在人脸检测中的应用

人脸检测作为人脸识别系统的重要一环,越来越受到技术研究和商业应用的关注。针对人脸检测中时间和检测率不能很好保证的情况,提出了使用DCT变换和支持向量机的人脸检测算法。利用离散余弦变换的系数作为支持向量机的输入特征值,证明该方法能提高人脸检测的准确性,并缩短检测时间。     

基于n-gram及SVM的中文垃圾邮件过滤

在基于内容的垃圾邮件过滤方法中,特征表达和分类算法十分重要,本文应用n-gram方法进行特征表达,以支持向量机（SVM）作为分类算法,并选取传统的人工神经网络（ANN）作为分类器作为对比,并采用不同大小的训练集和测试集来测试SVM及ANN的分类效果,观察训练集和测试集大小对于分类效果的影响。     

基于关节臂扫描的计算机辅助检测实验

提出了基于关节臂扫描的计算机辅助检测实验课程,给出了实施方案。通过关节臂扫描仪来实现模型表面的数字化,并在此基础上运用Geomagic Qualify软件完成模型的检测要求。实践证明,基于关节臂扫描的计算机辅助检测实验有利于学习者巩固测量技术的理论知识,掌握最先进的检测技术,有效地提高学习者的工程实践能力。     

基于RBF核的SVM分类应用研究

支持向量机(Support Vector Machine,SVM)在解决小样本、非线性及高维模式识别中具有优势,但核函数的选取没有定论,且其参数对SVM模型的性能起重要作用。针对这些问题,文章建立了基于SVM的分类模型,并通过UCI数据集验证了径向基核函数(Radial Basis Function,RBF)较其他核函数的有效性,其中核参数的选取采用改进的网格搜索法进行寻优。分类实验结果表明,选择RBF核函数的分类准确度较其他核函数提高了2.5%到35%。     

基于多分类SVM的MIDI音乐情感分类研究

MIDI音乐情感分类研究是一个崭新且具有挑战性的前沿课题。采用基于完全二叉决策树思想的多分类支持向量机作为分类算法,在提取MIDI音乐主音轨的基础上,以音程差数据的统计特征为依据．实现MIDI音乐情感分类。