基于支持向量机的脱机手写体数字的识别

脱机手写体数字的识别是数字识别领域中较难的一个研究方向.介绍了支持向量机理论,并提出了基于该理论的脱机手写体数字识别思路,最后将基于该思路的实验结果与神经网络LVQ识别效果进行了比较.实验表明,基于支持向量机的脱机手写体数字识别具有时间短、正确率高等优点.     

脱机手写体数字识别技术研究

脱机手写体字符识别技术是当前的热点和难点问题,是解决目前大量已有的文档资料录入工作的关键,该领域目前还没有十分成熟的产品,还正处于研究阶段,特别是如何提高其识别率已成为一个亟待解决的问题。本文根据数字笔画特征值和环的数目构建一种神经网络特征输入的新的特征提取方案,参照汉字基本笔画定义,采用环、横、竖、撇、捺、竖定义数字的五种笔画,运用单字单网的12个并行BP神经网络进行数字识别,为解决手写体字符识别中所存在的困难找到一种切实可行的新途径。     

浅谈支持向量机技术

支持向量机是基于统计学习理论的一种新兴的机器学习技术。本文论述了支持向量机技术的研究和目前的应用状况,并指出了支持向量机技术在应用研究中的一些待解决问题和研究方向。     

手写体数字识别

字符识别（OCR）是模式识别最为成功的应用之一,自五十年代开始,OCR一直是一个相当活跃的领域,手写体字符识别是OCR的分支,国际上有相当多的学者研究它,该课题包含了模式识别领域中一些最基本的问题,因而CR的研究具有重要的理论意义,同时市场的需求也促进了OCR技术的发展。     

基于支持向量机的诊断方法研究

根据支持向量机原理,对线性可分与线性不可分两种情况分别建立了分类模型,模型的求解转化为一个二次规划问题,在选用径向基核函数的参数时运用网格搜索的方法进行选取最优参数。在应用到乳房肿瘤的医疗诊断中,准确率为93.00%,较以前的方法有了明显的提高。     

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。     

数字图书馆中手写体数字的神经网络识别的新方法

研究并实现了在抽取样本模式有效特征的基础上 ,训练神经网络分类器进行手写体数字识别的新方法。实验表明本方法的性能大大优于采用最近邻分类器的识别结果。     

改进的支持向量机网络木马病毒检测算法研究

提出一种支持向量机的木马检测方法.首先对木马程序进行特征提取,然后采用支持向量机对木马数据进行训练,建立一个木马检测模型,最后采用木马检测模型对检测程序进行检测,将其分类为合法程序或木马程序.实验表明,采用本方法木马检测准确率在98,4％,远远高于传统木马检测算法的准确正确率,且检测时间更少,更加符合木马实时性要求高的特点.     

手写体数字识别系统的研究

本文以手写体数字识别系统的基本处理流程为主线,从待识别数据的获取入手,通过预处理、特征的提取与选择,到分类器的设计等部分都进行了较为详尽的分析与研究。     

一种基于支持向量机的蠓虫分类方法

讨论两类蠓虫的分类问题。利用极大化“间隔”的思想,将分类问题转化为一个二次规划及其对偶规划问题,即支持向量机算法。通过求解此数学规划,得到一线性分类函数。基于该算法,通过给定的蠓虫的样本集,建立上述分类模型,求得一个线性分类函数,为蠓虫的正确分类提供了一个较可靠的方法。     

基于Hopfield的脱机手写数字识别理论及算法

脱机手写数字识别在很多领域具有广泛的应用前景,国内外学者对此做了大量的研究工作,提出了很多预处理和模式识别的算法,大大提高了手写数字的识别精度。为了提高手写数字识别的精度,本文将Hopfield神经网络应用于脱机手写数字识别分析中,Hopfield神经网络的“能量函数”的能量在网络运行过程中,具有不断地减少最后趋于稳定的平衡状态的特性,而且网络一旦建立即可自动运行,无需训练。脱机手写数字的识别过程分为两步：训练阶段,识别阶段。在训练阶段,提取训练样本集的代数特征,建立网络模型,以输八向量为目标向量,保存网络连接权值和闺值以及代数特征;在识别阶段,将待识别数字特征送入网络运行,待网络运行到平衡状态后,将输出结果与数字特征库的向量进行比较,距离最小者即为待识别的数字。     

基于支持向量机的企业突破性创新识别模型研究

根据文献研究和创新识别的内涵,从技术、市场、产品、管理、财务、环境6个维度构成创新模式识别因素指标集,利用支持向量机原理建立了企业突破性创新识别模型,并应用该模型对61个样本数据进行创新模式的仿真识别,结果发现输出结果与样本调研及实际创新模式是一致的。实证研究表明,该方法在突破性创新识别中具有较强的有效性及优越性。     

基于粗糙集与模糊支持向量机的模式分类方法研究

针对传统支持向量机(SVM)多分类算法分类效果欠佳的问题,研究基于粗糙集(RS)理论和模糊支持向量机(FSVM)多类算法的模式分类新方法。首先用RS属性约简方法去除冗余信息,然后用FSVM结合三叉分类树多类算法对约简后的样本分类。用本文方法在UCI数据库的数据集上做实验,与其他方法相比分类速度和精度显著提高,说明该方法是有效的。     

基于支持向量机的miRNA预测方法研究

本文从miRNA及其前体的生物学特征出发,在对支持向量机理论及其应用特点进行研究的基础上,构建了基于支持向量机的miRNA预测过程模型,在miRNA特征的向量表示、miPNA特征选择、预测模型核函数及参数选择方面进行了研究.以水稻、拟南芥、玉米的miRNA为实例,对基于支持向量机的miRNA预测方法的预测准确率进行了验证,实验结果表明该方法预测准确率达95%以上.     

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。     

基于最小二乘支持向量机的数据挖掘应用研究

随着数据仓库技术、联机分析技术的发展。基于数据库的数据挖掘已成为一种重要的数据处理手段。最小二乘支持向量机作为一种新的机器学习方法。具有全局收敛性和良好的泛化能力。本文将其应用于数据挖掘的分类与预测研究。通过棱函数的选择及参数优化，并结合支持向量机、多层感知器神经网络模型及判别分析方法进行比较研究，证明最小二乘支持向量机作为一种有效的数据挖掘算法具有较高精度。     

基于支持向量机的图片验证码识别研究

从产品角度来看,图片验证码识别增加了时间成本和精力,因此有必要开发一个验证码图片识别系统改善工作效率。考虑到目前各种机器学习算法的优点,本文提出了基于v-支持向量分类的验证码图片识别算法,它不仅运用快速独立成分分析算法提取特征,并且利用文化算法最优化v-支持向量算法的模型核宽度和参数v。实验结果表明,数字验证码图片经过预处理后,每组图片的训练集的数字识别率为100%,而测试集的识别精度大约为99.8%。     

支持向量机理论在信息化装备状态趋势预测上的应用

论述了支持向量机SVM(support vector machine)的分类和回归算法,并对SVM在信息化装备状态趋势预测方面的应用进行了可行性分析,指出了传统预测方法的不足和SVM的优点,展望了SVM在信息化装备状态趋势预测方面的研究前景.     

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。     

改进的支持向量机的DNA序列分类方法

针对传统的支持向量机在分类中不能够逼近任意的分类界面,而造成分类精度低的问题,本文在传统的支持向量机核函数基础上,提出了一种基于遗传算法优化的支持向量机结构模型,并将该方法应用在DNA序列分类上。实验结果表明了本文算法在同等条件下要比传统的SVM分类方法具有更加优越的特征提取性能。