基于SVM的小波图像去噪

在小波分析的基础上,运用支持向量机(SVM)方法来对噪声和非噪声数据进行分类。首先,把一带有噪声的信号进行多尺度小波分解;然后通过试验检测出小波分解系数中部分噪声信号和非噪声信号,得到样本数据来训练SVM;最后对所有的小波系数用训练后的SVM来进行分类得到非噪声信号,并且对这部分非噪声信号进行小波重构即达到了去噪的目的。     

基于PCA和SVM的人脸识别系统研究

本文采用了图像的KGB特征进行人脸识别。所用的是ORL头像数据库．先对其进行图像预处理来增强图像特征．然后采用PCA方法将其降维,取出其主特征信息．用这个主特征向量空间进行SVM训练得到支持向量机模型．识别的时候先将要识别的头像进行相同的预处理．之后映射到样本空间再进行识别．同时使用了SVM的默认多分类．也采用了一种基于二叉树方法的多分类．并比较其异同．     

文本自动分类新探究

文本自动分类是一种有效的组织信息和管理信息的工具.传统分类方法一般在分类效果和运行效率两者上不可兼得.通过综合Rocchio和KNN两种分类方法的优点,设计了一种基于多代表点的文本分类方法,该方法通过对各类挖掘出多个有效的代表点（真实或虚拟的）,再使用基于这些代表点的Rocchio和KNN方法进行分类.实验表明,该方法以较少的训练时间达到令人满意的分类效果,并且能很好解决不平衡类问题,实验结果显示该方法能达到与SVM相当的分类效果.     

快速独立分量分析算法解析及其仿真

独立分量分析(Independent Component Analysis,ICA)是在信号处理领域中关于盲源分离应用的常用方法。该文论述了独立分量分析的基本原理和分离步骤;介绍了快速独立分量分析(Fast ICA)的优化判据和优化算法特点;并进行了Fast ICA计算机程序仿真:首先混合了方波信号、正弦信号和噪声信号,再利用Fast ICA算法进行分离。分离结果,除了波形的波幅、次序和极性发生变化之外,源信号的波形被很好地分离还原出来,证实了Fast ICA的可行性和正确性。     

基于卷积神经网络高光谱影像土地利用分类方法研究

土地覆盖/土地利用变化信息是全球环境变化发展的最重要信息来源之一。本文以高分五号高光谱影像为数据源,采用主成分分析（Principal Component Analysis,PCA）方法进行特征提取,并选用前六个主成分作为分类数据,利用基于卷积神经网络（Convolutional Neural Networks, CNN）的分类方法进行分类,并以支持向量机（Support Vector Machine, SVM）和RF(Random Forest,RF)分类方法进行对比。结果表明,基于CNN的分类方法获得的总体分类精度最高,达到87.67%,Kappa系数为0.84,总体精度相较于基于SVM和RF分类方法的总体精度分别提高了9.00%和8.00%;基于SVM和RF的分类方法的分类结果“椒盐”噪声明显,基于CNN的分类方法可以很好地改善这种情况;基于SVM和RF的分类结果对草地、林地以及其他用地等的分类精度较低,错分比率较高,而基于CNN的分类方法可以有效地改善这种情况。     

约束独立分量分析在无线通信信号分离中的应用

无线通信信号的调制方式识别是复杂电磁环境下频谱检测和频率控制的重要研究目标,为了实现频谱共存条件下调制信号的模式识别,通过利用范围区间和灵敏度参数构造参考信号,提出了一种带参考信号约束的独立分量分析(CICA)算法进行无线通信信号分离,实验仿真表明CICA算法能够很好地分离出感兴趣的信号,在0dB信噪比下分离信号和源信号的相似系数高于60%,与传统ICA方法相比,分离效果有了明显的提升。     

Excel在逻辑运算中的运用

通过对比分析,实现用算术运算模拟逻辑运算.并通过实例介绍了在Excel中实现二进制数的自动填充以及用Excel完成逻辑运算的方法.     

基于ICA的混合域盲水印算法

针对数字产品的版权保护问题,利用独立分量分析(ICA)的盲源分离特性,提出了一种基于DWT和DCT相结合的混合域图像盲水印算法。首先对图像进行离散小波变换,然后对其低频系数进行离散余弦变换,再将置乱处理过的水印嵌入到余弦变换的中频系数上。水印提取过程不需要原始图像及水印参与,先利用ICA分离出水印信号,再经过相关性分析及置乱还原处理,得到水印图像。实验结果表明,该算法能够较稳健地抵抗添加噪声、JPEG压缩和滤波等多种常见攻击,具有较高的安全性。     

改进偏二叉树多类SVM的文本分类

在文本分类过程中,为解决传统支持向量机（SVM）多类分类的不可分区域问题及提高分类性能,提出了一种改进的偏二叉树多类SVM算法。算法依据根据样本的分布情况计算训练集文本特征参数的信息熵,并将熵值结合欧式距离公式以确定各类文本间的相似性测度;以相似性测度作为偏二叉树结构的分类走向,对训练集进行学习,构建各个二类子SVM分类器。实验结果表明,该算法具有较高的分类性能,能更好地解决实际文本分类过程中的问题。     

基于K-Means和SVM的流行中文钓鱼网站识别研究

K-Means是一种简单、高效的聚类方法,能快速将网页文本分类。SVM在解决小样本、非线性及高维模式识别中有许多独特优势,能够通过低样本获取全局最优解。因此,将K Means和SVM结合,以达到自动识别流行中文钓鱼网站并对其进行分类的目的。验证了两种方法结合应用的有效性。