支持向量机在SAR自动目标识别系统中的应用

SAR自动目标识别技术是新一代战场感知系统雷达信号处理中的关键技术之一，目前己成为国内外研究的热门课题。支持向量机（Support Vector Machines简称SVM）方法是近年发展起来的一种新的统计学习理论方法，本文通过对这一方法的学习，提出了基于SVM的SAR目标自动识别，并对MSTAR的Public Targets数据库进行实验，取得了良好的识别效果。这为SAR自动目标识别提供了一种新方法和新思路。     

基于大数据标签与机器学习的车牌识别算法

为了提高机器学习算法对实际场景中车牌识别能力,克服天气、车牌种类对识别的干扰,以实际场景拍摄的车牌为识别对象,设计并开发了一种基于大数据标签与机器学习的车牌识别系统。首先,在不同启用场景、不同天气下采集两万帧车牌,涵盖各省市汽车,作为大数据标签和学习基础,建立车牌图像和车牌文字字段的训练集数据库;然后,利用图像降噪、自动阈值分割、形态学处理以及边缘检测,完成车牌定位与分割;随后,通过建立支持向量机与随机森林分类器,对训练集样本进行模型学习,完成机器学习算子,完成针对车牌的最终识别;最后基于Windows系统、C++语言与OpenCV开源学习框架,编码实现算法和系统。经过与对照组的对标测试,所提算法具有更高的车牌识别能力。     

支持向量机在语音识别中的应用

支持向量机采用数学方法和优化技术,将向量映射到一个更高维的空间里,建立一个有最大间隔的超平面,其在语音识别技术中应用广泛。     

基于手机加速度传感器的手势识别系统研究

基于智能手机上的加速度传感器,设计并实现了一种手势识别系统。采用时间数列方法对加速度数据样本建模,对数据进行降噪和优化处理,包括使用抽取突变消除平缓强调动作的变化;利用门限值差分方法进行手势动作动态自截取;利用特征提取简化数据,提高识别正确率;利用模板匹配方式,基于动态时间规整(DTW)算法进行手势检测。实验结果表明,该系统方便可行,具有较高的识别率。     

基于数值预测的机器学习相关算法综述

计算机出现以后,人们就想知道它能否学习.机器学习的主要任务就是发明计算机算法,将数据转化为智能行为.机器学习算法可分为两大类:有监督算法和无监督算法.有监督学习算法用来建立预测模型,无监督学习算法用来建立描述模型.有监督的学习算法可以用来分类和数值预测.针对可以进行数值预测的几种算法,比如回归分析、决策树、神经网络、支持向量机等算法做了简单介绍,然后分析了几种算法的在数值预测问题上应用.     

基于移动终端的物品识别系统设计

介绍基于移动终端的物品识别系统设计。采用图像提取与分离技术,结合计算机及数据库相关技术,对手机拍摄图片进行处理分析,以确定图像对应物品,并通过检索查询获取物品相关详细信息,方便消费者购物、商家信息发布等,推动电子商务发展。     

支持手势识别的云黑板教学平台研究与实现

针对近几年"云教育"和自主移动学习的应用发展存在的缺陷,在借鉴传统课堂双向交流教学模式优点的基础上,文章设计了支持移动终端手势识别的云黑板教学平台并给出了系统关键技术的实现方法。通过引入移动终端手势识别的人机交互技术,模拟传统教学黑板板书的方式,提供矢量的草图交互绘制和临摹,从而给自主移动学习教学平台带来了崭新的用户体验。     

基于多小波变换和支持向量机的鲁棒水印算法

为了提高水印的综合效果,根据多小波变换后相邻系数之间具有很强的相关性的特点,提出了一种基于支持向量机的图像水印算法.由于支持向量机在小样本训练的情况下具有良好的学习和泛化能力.因此,可以首先利用支持向量回归机建立相邻系数之间的关系模型.然后,通过调整模型的输入来嵌入或提取水印.实验结果表明,用算法得到的水印不但具有很好的图象感知质量,而且鲁棒性好,实用性强.     

机器学习在数学成绩预测中的应用研究

学生的成绩是教师优化教学过程、调整教学决策的重要标准,文章运用了多种机器学习算法对学生的数学成绩进行建模,通过比较模型的准确率、精确率、召回率、F1-Score,最终确定了人工神经网络是最优的模型。通过对数据特征重要性评估,得出了影响学生成绩的主要因素是母亲的工作、父亲的工作、出勤量、挂科数、健康状况、出去玩的频率及周饮酒量的结论。     

基于Mean—shift分割的高分辨率遥感影像变化检测方法

针对Geoeye,QuickBird等高空间分辨率遥感影像变化检测精度不高的问题,本文研究了面向对象的分类后比较的变化检测方法。该方法是先利用均值平移法进行图像分割,再以分割对象为基本单元,采用支持向量杌分类器进行分类,最后识别变化区域。该方法充分考虑了影像中地物的光谱、几何、上下文特征,以及目标间的拓扑关系,以弥补基于像素的变化检测方法的不足。最后,用QuickBird多时相影像作为测试数据,验证了本方法能有效提高高分辨率遥感影像变化检测的精度,且有利于GIS数据更新。     

图像超分辨率在模糊车牌识别系统中的应用

车牌识别技术种类繁多,理想情况下识别率已达到99%,而对于远距离模糊不清的抓拍图片,识别效果还不够,为此提出一种利用图像超分辨率重建技术提高模糊车牌识别率的方法。首先利用图像处理方法对图片进行分割;其次利用支持向量机（SVM）对分割得到的图块进行分类,筛选出车牌图块;再利用多帧低分辨率车牌图块进行最大后验估计（MAP）超分辨率重建,得到比较清晰、便于识别的车牌;最后利用人工神经网络（ANN）方法进行光学字符识别（OCR）,最终得到识别结果。实验表明,与传统车牌识别技术相比,该方法具有更强的鲁棒性,且在模糊车牌识别中正确率明显提高。     

拆分特征选择及其在企业信用评估中应用

评估指标体系的选取是企业信用评估的首要问题，它是一个特征选择问题。文章提出了一种针时SVM组合技术的拆分特征选择方法，其主要思想是时SVM组合中的各个分类器分别进行特征选择，再采用不同的特征子集作为各子分类器的输入，进行组合建模与预测。文章从filter和wrapper相结合的思想出发，进行了子分类器的特征选择；之后，针对企业信用评估问题的特点，采用了二叉树结构作为SVM的组合策略。实验表明，拆分特征选择方法能选出规模较小、具有一定差异的关键指标集，提高了模型的分类性能，并且具有计算简单，运行快速的优点。     

支持向量机在意大利葡萄酒种类识别中的应用

葡萄酒的化学成分是辨别葡萄酒品种的主要依据。考虑到常规检测方法复杂、繁琐,准确率低,选择机器学习方法识别葡萄酒种类。针对目前常用的K均值算法在葡萄酒识别中存在的问题,尝试使用支持向量机进行分类,并与K均值算法进行对比分析。结果表明,基于支持向量机的模型分类性能更好,准确率达到98.15%。     

支持向量机及其应用研究

文章在分析统计学习理论和支持向量机理论的基础上,分别从人脸检测和识别、说话人/语音识别、网络入侵检测、手写体数字识别及其他应用研究等方面对SVM的应用研究进行了综述,并讨论了SVM的优点和不足,展望了其应用研究的前景。     

基于智能手机的移动学习终端的评价研究

随着计算机网络的普及及移动通信技术的迅速发展,移动学习逐渐成为教育领域的热门问题,也是一项具有挑战性的研究课题.移动学习终端的选用直接影响到移动学习的效果.首先简单阐述移动学习的概述,然后详细分析移动学习终端的特征及评价标准,最后对智能手机这一移动学习终端进行评价.     

移动终端(ipad)在小学课堂教学的应用

随着我国科学技术的迅猛发展和义务教育阶段课程改革的不断深入,多媒体信息技术已经进入到广大中小学课堂,正逐渐和传统课堂教学方式融为一体。作为现代化教学手段的新兴力量,移动终端是课堂教学由传统向现代过渡的必然趋势。本文以小学课堂教学为主,在介绍ipad在多媒体直观、形象、高效等方面优势的基础上,分别阐述在激发学生学习兴趣、突破重难点、提高教学质量以及优化教学模式方面的重要意义。     

基于移动终端的高校移动学习体系构建研究

在现代移动信息化时代的背景下,进一步探讨建立在移动终端基础之上的高校移动学习体系,从移动终端自身发挥的重要意义入手,探讨移动终端引导下的高校移动学习体系的构建方式,并指出日后如何更加高效地利用移动终端丰富和充实高校移动学习体系的具体策略,以此来实现高校学生的学习方式能够"学玩合并",在快乐的氛围中体验学习,促进高校学生整体素养的全面发展。     

移动终端在中职数学教学中的应用

针对职业学校学生文化素质普遍较低,学习能力较弱的现实,作者从学生最感兴趣的手机入手,让学生动动手指,点点手机键盘,完成数学教学,达到事半功倍的效果,并从函数教学方面谈谈手机在教学中的应用。     

便携式智能移动终端在音乐教学中的应用

便携式智能移动终端的日益普及给音乐教育带来了多方面的影响,合理使用这些设备可以为学生的音乐学习提供多种便利条件,使更多的人能以个性化的方式参与音乐的各种活动,提升音乐修养和音乐技能,促进学生音乐爱好的养成,使真正意义上的个性化学习成为可能,从而为音乐教育的发展拓展了新的空间,开创了移动学习的新时代.