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.     

一种改进的支持向量机及其在图像分割中的应用

支持向量机方法是一种基于统计学理论的机器学习的新方法,它在解决小样本,非线性及高维模式识别中表现出许多特有的优势。目前它主要用于二元分类问题中,而对于其在多类分类应用仍是一个值得研究的问题。在目前存在的各种多类支持向量机分类问题中,一对一方法是一种最符合实际的方法。本文提出了一种改进的支持向量机,并将其应用于图像分割。这种改进的支持向量机它对一对一方法进行了改进,实验表明,支持向量机的方法是一种很有潜力的图像分割技术。     

An approach to offline handwritten Chinese character recognition based on segment evaluation of adaptive duration

This paper presents a methodology for off-line handwritten Chinese character recognition based on mergence of consecutive segments of adaptive duration. The handwritten Chinese character string is partitioned into a sequence of consecutive segments,which are combined to implement dissimilarity evaluation within a sliding window whose durations are determined adaptively by the integration of shapes and context of evaluations. The average stroke width is estimated for the handwritten Chinese character string,and a set of candidate character segmentation boundaries is found by using the integration of pixel and stroke features. The final decisions on segmentation and recognition are made under minimal arithmetical mean dissimilarities. Experiments proved that the proposed approach of adaptive duration outperforms the method of fixed duration,and is very effective for the recognition of overlapped,broken,touched,loosely configured Chinese characters.     

一种改进的支持向量机及其在图像分割中的应用

支持向量机方法在解决小样本,非线性及高维模式识别中表现出许多特有的优势。目前主要用于二元分类问题中,而对于其在多类分类应用仍是一个值得研究的问题。在目前存在的各种多类支持向量机分类问题中,一对一方法是一种最符合实际的方法。文章提出了一种改进的支持向量机,并将其应用于图像分割。这种改进的支持向量机它对一对一方法进行了改进,实验表明,支持向量机的方法是一种很有潜力的图像分割技术。     

基于支持向量机的栗属树种分类研究

形状特征是物体识别的重要依据。同时,分类算法的选择也将对识别的性能造成很大影响。围绕上述两个问题,以栗属树种的果实图像为例,在准确分割出目标图像的基础上,分别应用不变矩和边界矩提取其形状特征值,并使用支持向量机算法对栗属树种果实图像进行分类。实验结果表明:基于支持向量机的栗属树种果实图像分类识别准确率可达到87.5%,识别的结果较为理想。     

银行票据字符识别预处理研究

探讨了银行票据字符识别前的各种预处理技术，提出了一种新的银行票据的特征线每确定方法。主要讨论了手写体大小写数字金额串的分割，给出了一套比较合适的银行票据字符识别预处理方案。     

一种基于统计的地质专业词语识别方法

中文分词是地质大数据智能化知识挖掘难以回避的第一道基本工序。基于统计的分词方法受语料影响,跨领域适应性较差。基于词典的分词方法可以直接利用领域词典进行分词,但不能解决未登录词识别问题。在领域语料不足的情况下,为提高地质文本分词的准确率和未登录词识别率,提出一种基于统计的中文地质词语识别方法。该方法基于质串思想构建了地质基本词典库,用以改善统计分词方法在地质文本分词上的适应性。采用重复串查找方法得到地质词语候选集,并使用上下文邻接以及基于位置成词的概率词典,对地质词语候选集进行过滤,最终实现地质词语识别。实验结果表明,使用该方法对地质专业词语识别准确率达到81.6%,比通用统计分词方法提高了近60%。该方法能够识别地质文本中的未登录词,并保证地质分词的准确率,可以应用到地质文本分词工作中。     

手写体汉字机器识别技术的现状分析

手写体汉字机器识别技术的研究不仅具有重要的理论研究价值, 而且具有广阔的应用前景。本文介绍了手写体汉字识别技术的原理、研究历史及技术困难, 综合分析了当前国内外主要识别方法及其特点, 展望了该技术今后的发展方向     

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%。     

基于神经网络的大数据分析方法

基于不同视角和情境特征的大数据定义诠释了大数据的 5V 特性,在扩展大数据价值空间与应用模式的同时催生了以“数据驱动+模型驱动”范式转变为代表的核心问题。为解决大数据分析核心问题,引入神经网络,采用性能优越的卷积神经网络设计对比实验,运用两个公开数据集对其进行训练,并在输出层分别使用L2-SVM 和 Softmax 激活函数。在手写数字识别和彩色图像识别中,L2-SVM 的识别错误率分别为 0.87%和11.9%。实验结果表明,基于 L2-SVM 的神经网络大数据分析方法可以获得更高的识别精度。