基于支持向量机的手写数字串识别

手写数字识别是手写字符识别的一个重要分支,单个数字识别技术已经比较成熟,而手写数字串的切分与识别则成为了该领域的一个难点。本文针对手写数字串的切分和识别设计了一种实验模型,该实验模型针对手写数字串的过度切分以及不足切分的特殊情况设置基于支持向量机的检测器进行再次识别确认,实验证明,使用基于支持向量机的检测器大大的减少了因为错误切分而带来的识别率的下降。     

基于支持向量机的网络流量识别模型

针对网络流量识别问题,提出一种基于支持向量机（SVM）的网络流量识别模型。首先通过流量特征提取模块,提取适合在支持向量机中识别网络流量的6个主要特征。对数据进行清洗、预处理以及训练和学习,从而实现整个基于SVM的网络流量识别系统。实验结果表明,经过交叉检验选择参数后,再用支持向量机模型进行训练和学习,可以取得较好的分类效果。     

基于支持向量机的控制图异常模式参数估计

针对控制图5种异常模式的6个参数,提出基于一对一算法的多类分类支持向量机的控制图异常模式下的参数估计方法.在模型构造中采用遗传算法优化支持向量机的参数.仿真实验结果表明.该方法结构简单,收敛速度快,具有较高的识别精度,适合于控制图异常模式的参数估计.     

联机手写字符识别技术研究与实现

联机手写字符识别是模式识别领域的一个重要应用分支。研究了联机手写字符识别相关预处理、特征提取、分类器设计等技术,并实现了基于字符轨迹密度和支持向量机的识别系统。实验表明,选取笔划密度特征和SVM算法进行字符识别具有较高的识别率。     

基于优化支持向量机的高校教师绩效评价研究

为了提高高校教师的绩效评价效果,本文提出一种基于优化支持向量机的高校教师绩效分类方法.采用支持向量机的非线性逼近能力描述绩效等级与影响因子间的复杂关系,同时利用改进的遗传算法对支持向量机参数进行优化处理,进而提高绩效识别分类精度.实验结果表明,与经典支持向量机和神经网络相比,该模型具有更好的泛化性能,能够明显提高高校教师绩效的评价效果.     

基于粒子群算法的双子支持向量机研究

针对标准支持向量机训练时间过长与参数选择无指导性问题,给出一种通过粒子群优化双支持向量机模型参数的方法。与标准支持向量机不同,该方法的时间复杂度更小,特别适合不均衡的数据样本分类问题,对求解大规模的数据分类问题有很大优势。将该算法与标准的支持向量机分类器在不同的文本数据集上进行仿真实验对比,以验证算法的有效性。结果表明基于粒子群优化的双子支持向量机分类器的分类结果高于标准支持向量机分类结果。     

基于PSO与LSSVR的坝体顺流向位移预测

顺流向位移是坝体形变监测中的重要指标。针对神经网络、支持向量机模型存在的局限性,提出基于粒子群优化与最小二乘支持向量回归的模型对顺流向位移进行预测。结合实地坝体数据,通过与神经网络、传统支持向量机等模型进行对比实验和分析,结果表明,该方法具有误差低、计算效率高等特点。     

基于稀疏表示的人脸表情识别算法研究

针对基于局部纹理特征的人脸表情识别算法不能有效表达不同表情状态下人脸运动单元差异性的问题,提出一种改进的稀疏表示人脸表情识别算法,将人脸纹理特征与全局位置特征用稀疏表示模型相结合,得到人脸表情的稀疏系数矩阵,并作为支持向量机表情识别的输入。人脸表情库BU_3DFE实验结果表明,该算法提高了表情识别的准确率。     

手写数字识别方法研究

提出了一种用BP神经网络识别手写数字的方法。论述了其良好的监督学习功能,并结合轮廓特征提取进行训练,给出了一种基于梯度下降法训练BP神经网络的手写数字识别方法。实验结果表明,该方法简单且有较好的识别效果。     

基于粒子群优化算法的LS-SVM字符识别模型

提出一种基于粒子群优化算法优化相关参数的最小二乘支持向量机(LS-SVM)的字符识别模型.利用相关的字符数据,分别使用本方法和基于网格搜索的最小二乘支持向量机方法进行识别.仿真结果表明,该方法的精确度高于其它两种方法.     

基于Cuboids特征的多类超球面支持向量机动作识别研究

基于超球面支持向量机,利用多类超球面支持向量机结合Cuboids时空兴趣点进行动作识别,在KTH、Weizmann两个数据库上进行仿真实验,取得了满意的效果。     

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%。     

基于大规模语料库的多引擎语言翻译模型的构建

提出了基于大规模语料库的多引擎翻译系统模型的构建,该模型主要包括三大部分:基于层次化长句分解和支持向量机基本名词识别的句法分析器、基于实例匹配的翻译子引擎、基于语块的统计翻译子引擎.该语言翻译模型综合各个翻译模型的优点,最大程度地提高机器翻译的准确率和召回率.实验表明该系统的各项指标都比较理想,尤其是处理效率很高.     

一种基于支持向量机的垃圾邮件识别方法

Internet的迅速发展,电子邮件的应用变得十分广泛,但是许多无用、有害信息随之而来。通过对"垃圾邮件"的分析、处理,讨论了一种基于支持向量机的垃圾邮件识别方法,并进行了实验,实验结果表明支持向量机对垃圾邮件的识别是有效的。     

支持向量机及其应用研究

对支持向量机技术进行研究,介绍支持向量机的原理,讨论支持向量机中核函数的选择和多类问题,讨论支持向量机中求解大规模数据的有效算法。从文本分类,手写字符识别,人脸检测,入侵检测,图像处理等方面对支持向量机的应用研究作了综述。讨论了支持向量机的优点和缺点,并对支持向量机的发展作了展望。     

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。     

基于概率神经网络和贝叶斯判别模型对手写字体识别的研究

通过建立概率神经网络和贝叶斯判别模型对手写字体进行了研究,主要对样本二值图像进行分析,运用Matlab工具箱,将样本数据进行训练后对检验图片进行判别,同时对噪声干扰下的判别效果进行了对比。发现机器识别性能比人工识别差距较大,提出可以通过与Logistic回归、支持向量机等模型进行综合评判,同时对样本数据中异常值在识别错误后予以剔除再进行训练,提高模型判别精度。     

基于ICA和BDTSVM的人耳识别

提出了一种独立分量分析和二叉决策树支持向量机相结合的人耳识别模型。首先应用独立分量分析（ICA）方法从高阶统计相关性角度出发提取人耳图像的特征变量,然后采用二叉决策树支持向量机（BDTSVM）分类器进行人耳图像的分类与识别。该模型可以降低分类难度,进一步提高人耳识别率。     

改进的基于支持向量机模型剪接位点的预测

在采用概率编码的基础上,利用支持向量机模型对人类剪接位点进行预测,重点研究了基于核主成分分析方法对最终预测模型的影响.从实验结果看,这种改进的基于支持向量机模型剪接位点的预测在敏感性和特异性上优于其他模型.     

基于GA-SVM的图像分割方法研究

支持向量机作为一种分类算法,虽然具有避免局部最优解、鲁棒性好等优点,但由于核函数、参数的选择等问题经常导致分割结果不理想。针对以上问题,将遗传算法（GA）和支持向量机（SVM）结合,通过遗传算法选取最优参数训练支持向量机模型,使用训练好的模型分割图像。实验结果表明,采用该算法能够得到理想的分割结果。