基于SVM的人脸表情识别

提出利用独立成分分析提取人脸表情特征并用SVM进行识别的方法。实验分析SVM的一对一、一对多两种多分类方法,实验验证了ICA和SVM在人脸表情识别上的可行性和有效性。     

基于多重分形谱和SVM的齿轮箱故障诊断

基于振动信号的齿轮箱故障诊断本质分为有用信号的提取、故障特征量的选择以及故障智能识别。为此本文提出了基于多重分形特征提取和SVM故障识别的方法。用SVM分别对多重分形特征量进行故障识别,证明了本文提出的多重分形的故障特征提取模型的可行性。     

SVM决策树在沉积微相识别中的应用

支持向量机(SVM)作为统计学理论最年轻的分支,其应用日益广泛。针对油层沉积微相的多类识别问题,可采用支持向量机和决策树相结合的方法。对传统的SVM决策树进行改进的基础上,在SVM核函数选取过程中,构造了与实际问题有关的核函数。此方法有效的降低了支持向量机的设计难度,同时提高了识别精度和泛化能力。最后用实例对比神经网络验证了该方法的优越性。     

基于经验小波变换的变压器内部故障电流与励磁涌流的识别研究

变压器是电力系统中的关键设备,它的继电保护措施需要更加可靠的方案来确保其平稳运转。变压器内部故障电流和励磁涌流的识别是变压器继电保护设计中的一个富有挑战性的问题。当励磁涌流产生时,变压器保护经常会误动作而跳闸,导致在正常运行中出现一系列的问题,并且这些问题除非人为解除,否则会一直存在。传统的识别方法在解决该问题的准确性方面有一定局限性。本文研究了一种基于EWT和SVM的变压器内部故障电流和励磁涌流识别的方法。使用MATLAB中的SIMULINK功能建立仿真,来验证该方法。利用EWT算法对仿真数据进行特征提取。这些特征被用来修正SVM。之后,利用测试向量对识别精度进行检验。为了提高识别精度,还对SVM的不同内核函数进行了测试。     

表情识别的ICA两种架构分析

比较了ICA方法进行面部表情识别的两种架构ICA1和ICA2。采用欧式、城区、余弦KNN和6种核函数的SVM算法进行识别,比较了不同的距离函数和核函数对整体识别率和单个表情识别率的影响。实验表明:ICA1整体上优于ICA2;对于KNN算法,在ICA1下KNN+城区距最优,t检验不显著,在ICA2下,KNN+余弦距最优,t检验显著;SVM算法对ICA1有效,对ICA2失效;在ICA1下,对SVM算法,线性、径向基和Sigmoid核取得相同的识别率;惊奇是最好识别的表情,高兴是最难识别的表情。最后利用神经科学对视觉脑区的最新研究,得出稀疏的特征比稀疏的编码能够取得更好的表情识别率。     

基于BP神经网络的语音情感识别研究

随着科技的迅速发展,人机交互越来越受到人们的重视,语音情感识别更是学术界研究的热点。将BP神经网络算法用于语音情感识别研究,并在汉语情感数据集上进行了相关实验,识别的准确率达到了91．5％,相较于SVM算法分类精度提高了5％。     

基于Isomap的人脸图像特征融合识别算法

提出Gabor特征融合+Isomap+SVM算法.利用Gabor滤波器提取图像特征,将相同中心频率不同方向的滤波结果相加,在保证识别率的同时降低了Isomap算法计算的数据量.然后使用Isomap算法对非线性特征信息降维,最后使用支持向量机(SVM)对降维结果分类.通过对ORL数据库实验证明,Gabor特征融合+Isomap+SVM算法与传统算法相比具有更高的识别精度.     

基于SVM的验证码识别算法研究

验证码是为了加强互联网系统安全,而引入的区别机器与人的标准技术。目前大部分的网站都引入了验证码机制来加强网络的安全验证。常见的验证码是基于字母和数字的文本验证码机制,且字符存在背景干扰、随机噪声、扭曲、变形、粘连等特点,增大了验证码识别的难度。本文主要研究基于SVM识别算法的验证码识别技术,从原理、实验来论证识别算法具有较高的识别率。     

基于SVM的手写体数字识别的研究

研究了利用支持向量机分类器进行手写体数字识别的技术。构建了我国邮政手写数字库和美国邮政手写数字库。在此库上,利用基于SVM多类分类器进行了实验,并与其他分类器的识别方法进行了比较。实验结果表明,算法的正确识别率达到96.005%,识别效果最好。     

基于SVM的人脸识别系统的研究

该文使用PCA来提取人脸的特征,克服了K-L算法计算量大,计算耗时长的缺点。实验表明该算法减少了特征提取时间。然后运用SVM来进行人脸识别。将两类分类问题的识别策略应用到多类分类问题,以ORL人脸库做的实验中得到了很好的识别效果     

FCM-SVM组合方法在不平衡信息识别中的应用

SVM最初源于两类分类问题,对小样本问题具有良好的学习能力和泛化能力。但应用到数据分布极不平衡的信息识别问题中时,对“正例”的识别效果并不明显。鉴于此,将FCM-SVM组合方法应用到不平衡信息识别这一特殊的机器学习问题中,实现了对有限、不平衡样本数据的识别。实证分析证明这种方法在是十分有效的。     

遗传支持向量机的应用

本文针对支持向量机中的参数通常靠交叉实验来确定的状况,提出了遗传支持向量机,并将之应用在音乐特征识别中。基于Matlab的实例仿真结果表明,该预测模型精度高于传统SVM预测模型,具有一定实用价值,为快速准确的音乐特征识别提供了一种新的方法和途径。     

一种基于人体动作控制的智能系统

人体动作控制的智能系统设计是集计算机视觉与硬件系统设计于一体的综合性研究课题。本文基于视频图像的目标行为分析,以人体动作检测与识别为研究重点,在实现动作识别的基础上完成人机交互功能的扩展。在软件算法部分,本文采用了背景减除法与分水岭算法相结合的运动目标前景提取方法。针对人体动作的识别分类,采用了HOG特征提取方法和多分类SVM分类器进行分类,以实现对目标动作的识别。     

基于旋进原则和支持向量机的文本情感分析研究

针对主观文本识别、情感分词以及情感分类模型选择等研究方法上存在的效率较低、文本表达维度高等问题,文章提出了一种基于旋进原则和AdaBoost集成技术的回归SVM情感分类模型(AdaBoost+ SVM-L),不仅提高了主观文本标注准确率,更通过AdaBoost+ SVM-L模型对情感样本的极性和强度进行了判断,实现了文本情感强度阈值的可视化.并通过分组对照实验比较了SVM、NB以及AdaBoost+ SVM-L模型的性能指标.     

基于Matlab的植物叶片识别研究与实现

通过计算机智能辅助技术,以植物叶片作为研究对象,基于卷积神经网络模型(CNN)和支持向量机(SVM)原理提出了对植物叶片进行分类的方法;通过对36种植物叶片样本图像进行训练和识别,其识别率达到了92.13%。     

FCM—SVM集成方法在高科技企业财务危机预警中的应用

针对高科技企业的特点,指出其财务危机预警必须做到及时、准确;支持向量机算法(SVM)对小样本问题具有良好的学习能力和泛化能力,但应用到数据分布不平衡的高科技企业财务危机预警问题时,对"正例"的识别效果不佳;模糊C均值(FCM)聚类能够在保持原有样本数据信息的同时较好的实现"正例"和"反例"的平衡.在PCA、FCM实现数据预处理的基础上,应用SVM方法对高科技企业财务危机进行识别,实证分析证明这种方法在是有效的.     

基于塞音塞擦音分析的听障儿童研究与识别

目的:根据听障儿童对汉语塞音塞擦音难掌握情况,为研究和识别其发音,从嗓音起始时间(VOT)和舌运动轨迹入手,提出一种利用语音实验客观研究和识别听障儿童发音的方法。方法:利用电磁发音记录仪(EMA)提取出听障儿童和正常人塞音塞擦音的运动轨迹,通过Praat和Matlab软件提取出VOT、共振峰频率F1、F2以及梅尔倒谱系数(MFCC)参数,对比听障儿童和正常人的VOT和舌运动轨迹,并将提取出的VOT、F1、F2、MFCC和运动轨迹特征值作为识别听障儿童和正常人的组合特征,通过SVM建模识别。结果:VOT结合舌运动轨迹分析更能全面反映听障儿童发音特点,且组合特征对识别正常人与听障儿童有效,SVM的最高识别率达到92.86%。结论:该实验方法可为计算机辅助治疗听障儿童提供依据。     

一种海洋遥感图像漏油区检测方法

本文提供了一种海洋遥感图像漏油区域的分类识别方法,以期对海面漏油进行更为高效、准确的识别。利用EPSABC算法优化选取SVM分类器中的惩罚因子和核函数参数,结合多重分形特征参数质量指数、奇异指数、广义分形维数以及多重分形谱等,对墨西哥湾漏油区遥感图像进行识别仿真,在训练次数为100次时可取得90%以上的正确率。     

基于视频的行人检测和行为识别

近些年,随着计算机视觉的不断发展,行人检测和行为识别技术在众多前沿科技领域有着极大的应用价值.本文在行人检测技术研究中采用了方向梯度直方图(HOG)的方法提取图像特征,然后用支持向量机(SVM)的方法进行分类框选出行人并进行跟踪来实现动态的行人检测.在行为识别技术研究中,本文通过OpenPose算法提取行人骨骼关节点特...     

复杂背景下的车型识别系统

随着交通问题的日益严峻,车型识别系统技术的研发显得尤为迫切。提出了一种复杂背景下的车型识别系统关键算法的研究与实现,采用一种初步检测和精确定位相结合的车辆检测方法;提取车辆的积分通道特征作为车型识别SVM分类器的输入特征。系统基于Visual Studio平台下完成,实验表明,该车型识别系统具有较高的识别率和识别速度,且具有很好的鲁棒性,满足实时系统的要求。