基于支持向量机和决策融合的人脸检测

针对灰度图像中的人脸检测问题,提出了一种基于多种支持向量机的决策融合检测方法。该方法首先用传统的二类支持向量机(C—SVM)和单类支持向量机(One-Class SVM)分别对图像进行检测,然后决策融合两种分类器的检测结果。在MIT CUM人脸库上的实验结果表明,该方法具有良好的检测效果和较低的虚警率。     

基于肤色模型的人脸检测算法

在此研究了彩色图像中的人脸检测算法,在肤色模型方面讨论了肤色在不同的色彩空间中的表现,通过对一定数量的样本建立了一个图像库,选择色彩空间并建立了肤色模型,然后通过形态学等处理后得到候选区域。然后对候选区域使用特征脸的方法进行验证。通过这样的方法在保证了精度的同时克服了特征脸方法原有的搜索速度慢的特点。最后本文对所使用的方法作了一个总结并对下一步的工作进行了展望。     

基于肤色和几何特征的人脸检测与识别方法

基于肤色模型、唇色模型和几何特征的人脸检测确定方法,在机器视觉、智能人机交互系统、以及图文排版与校对等领域发挥着重要的作用。     

基于肤色和图像似然度的人脸检测

提出了一种基于肤色分割和图像似然度的检测人脸方法，该方法能在复杂的背景下较好地检测出人脸。首先利用颜色信息把图像分割成肤色区域与非肤色区域，然后对肤色区域做预处理后，进入图像似然度检测阶段．最终实现人脸检测。     

基于支持向量机的图像边缘检测

提出了一种基于支持向量机的图像边缘检测的新方法,可结合已有的各种边缘检测算子,可通过人机交互来进行边缘检测。本文将这种新方法与Laplace算子相结合,并将几种常用核函数对实验结果的影响进行了对比。实验结果表明:线性核、多项式核和高斯径向基核的效果较好,而非正定核Sigmoid核的效果相对较差。     

基于特征选择和支持向量机的入侵检测方法

为去除网络入侵数据集中的冗余和噪声特征,降低数据处理难度和提高检测性能,提出一种基于特征选择和支持向量机的入侵检测方法。该方法采用提出的特征选择算法选取最优特征组合,并以支持向量机为分类器建立模型,应用于入侵检测系统。仿真结果表明,本文方法不仅可以减少特征维数,降低训练和测试时间,还能提高入侵检测的分类准确率。     

基于BP神经网络和支持向量机的异步电机故障检测

故障检测是计算机模式识别领域的一个活跃课题.文中提出一种基于BPNN与SVM的电机故障检测方法,设计了适合该检测系统的网络结构.仿真结果表明:该网络结构比BP结构具有更快的学习速度和更高的学习精度,完全适用于电机故障检测系统.     

基于支持向量机和油液检测的船舶柴油机故障诊断研究

船舶柴油机对于船舶的正常运行有重要影响,由于船舶柴油机的作业环境恶劣,导致船舶柴油机经常发生故障,尤其是磨损故障发生的频率最高。本文围绕基于支持向量机的船舶柴油机光谱及直读铁谱故障诊断研究、基于支持向量机的船舶柴油机铁谱磨粒故障诊断研究两方面展开讨论,从而降低船舶柴油机故障发生频率。     

基于肤色建模与人眼定位的人脸检测方法

根据肤色在Ycrcb色彩空间中具有很好的聚类性,通过形态学算法对肤色建模之后的图像进行预处理,消除噪声,再对肤色进行分割,从而可以对人脸图像有一个大致的定位,并通过平均眼睛模板匹配法定位出人的眼睛,在此基础可以比较精确的定位出人脸位置。实验结果表明,该方法用于人脸检测取得较为良好的效果,具有较好的鲁棒性。     

基于支持向量机的网络入侵检测算法综述

在如今的互联网时代,网络安全备受关注,诸多学者为了提高网络入侵检测系统的正确率,增强检测模型的泛化能力,不断提出各种网络入侵检测的模型进行实验。为了方便各学者更快、更深入的了解网络入侵的现状及大量的网络入侵检测算法模型,本文研究了近几年有关网络入侵检测论文的实验成果,为学者们介绍论文中实验步骤的概括及检测方法模型的优缺点,使学者们快捷的了解到某种检测方法模型的要领,从而进行更深入的研究。     

基于Gabor和支持向量机的遮挡人脸识别

提出一种针对部分遮挡的人脸图像进行分类识别的新算法。采用Gabor小波变换对人脸图像进行特征提取,从而得到图像的Gabor特征矩阵。并利用支持向量机的方法实现遮挡人脸的分类识别。经仿真实验证明该算法有效。     

基于支持向量机的空气质量预测

用支持向量机对城市空气质量的AQI指数、PM2.5、PM10分别进行预测,首先利用小波将已知的各AQI指数、PM2.5、PM10数据序列分解为低频子序列和高频子序列并重构,然后利用重构后的各子序列和对应气象数据使用支持向量机分别进行训练和预测,最后合成得到预测结果,实验结果表明该方法的预测效果较好。     

基于支持向量机的石油勘探预测

讨论了支持向量机中高斯核函数中参数σ对支持向量机学习预测性能的影响,指出高斯核函数具有描述样本相似程度这一性质,通过数值实验给出一种选择高斯核函数的方法——拐点法。然后针对石油地质勘探的实际问题,将支持向量机运用测井曲线预测储层参数,同时与反向传播神经网络函数逼近法预测进行比较,结果表明该方法预测精度高、方法稳定有效,支持向量机较好的解决了小样本测井勘探的实际问题。     

基于支持向量机的外贸出口预测

针对支持向量机(SVM)方法所具有的拟合精度高、推广能力强、全局最优且针对小样本等特点,本文将SVM回归建模方法引入到外贸出口预测中,对出口时间序列建立预测模型,并利用此法对重庆摩托车出口进行了预测,对其预测性能进行了验证比较。结果表明,SVM方法对非平稳的小样本出口时间序列数据有良好的建模和泛化能力,且可达到较高的预测精度。     

基于聚类的模糊支持向量机入侵检测算法

为了提高模糊支持向量机在入侵检测数据集上的训练效率,提出了一种基于聚类的模糊支持向量机入侵检测算法.该方法可以对训练数据进行剪枝,有效地减少远离分类面的聚类边缘点的数量,同时在分类面附近保持较多的样本点,以靠近判别边界的聚类中心集合作为有效的训练样本集合对模糊支持向量机进行训练,减少了样本的训练时间,提高了算法的效率.实验结果表明该方法提高了模糊支持向量机的训练效率,而且对入侵检测是非常有效的.     

基于支持向量机的湖泊水质评价

在比较目前湖泊水质评价方法的基础上,给出了基于支持向量机理论的湖泊水质评价分类方法模型。应用实测数据验证了该方法的有效性。     

基于肤色的人脸检测方法中的常见色彩模型分析

肤色特征的描述对复杂背景下的实时人脸检测有着重要的意义,如何有效利用肤色特征进行人脸检测取决于肤色模型的创建,介绍了计算机的基本色彩空间及此基础之上的基于肤色的人脸检测方法中常用的色彩模型。     

基于粗糙集和支持向量机的离心泵气蚀故障诊断

离心泵广泛应用于现代工业生产之中,其能否稳定运行对工业实际生产带来极大影响,气蚀是离心泵运行过程中的一种常见故障。提出了一种基于粗糙集和支持向量机的离心泵气蚀故障诊断新方法。该方法对离心泵入口压力脉动信号提取经验模态分解能量比特征与小波分解能量特征,运用粗糙集理论降低特征维数,并以此特征向量构成气蚀故障样本对支持向量机进行训练,实现了气蚀故障的多特征融合。实验结果表明：降维后的特征很好地反映了不同气蚀故障间的差异,训练成功的支持向量机能快速准确地识别离心泵不同气蚀故障类型,整体识别率达到98.5%,每种气蚀信号的判别时间约为0.5s,适合气蚀的在线识别。     

肤色分割预处理对人脸检测性能的影响

为了提高人脸检测速度,本文提出了一种肤色分割预处理方法,以肤色区域为基础进行去噪声处理、提取边界,然后由边界的连通性和闭合性得到初始矩形边界,最后进行归并处理得到人脸区域,将其代替原来的整幅图像作为后面人脸检测算法的输入,以减小搜索区域,提高检测速度.实验证明,该方法用于人脸检测技术能有效改善检测性能.