基于小波变换和支持向量机的人脸识别系统设计

小波变换能够充分突出某些特征的主要特点,通过小波变换可以将一张高维数的图片变换成低维数的图片,且人脸识别所需要的主要特征保持不变,通过主成份分析可以进一步降维。改进了基于小波变换和主成份分析提取特征〖JP〗向量的人脸识别方法,开发了基于小波变换及支持向量机的人脸识别系统,实现了对普通图片和视频的人脸识别。     

一种新的模糊支持向量机方法

针对分类问题的支持向量机方法中存在对噪声和野值敏感的问题,提出了一种新的隶属度函数确定方法．研究和分析了目前针对这些问题所提出的模糊支持向量机方法,而在模糊支持向量机方法中,隶属度函数的设计是整个模糊算法的关键所在,文中主要对隶属度函数进行了深入地研究,在类中心向量方法的基础上,即在确定样本的隶属度时,对类中心距离方法进行改进,得到新的隶属度计算的方法,并从数值实验方面表明该方法的有效性和可行性．     

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。     

基于支持向量机和平均模板的多角度人脸检测

提出了一种基于支持向量机和平均模板的多角度单人脸检测算法.该方法首先利用SVM进行粗检测得到候选人脸图像,再通过平均模板匹配来初步得出候选人脸的大致朝向,最后采用BP神经网络的方法对前两步进行验证.实验结果表明本算法在检测速度和检测率等方面取得了较好的效果,并且其结果为人脸识别提供了方便,充分说明了其有效性和有用性.     

基于正态层次支持向量机的多类分类研究

支持向量机用于二类问题的识别研究,但在实际应用中多类分类问题更为普遍。文章先对现有的几种多类SVM作以介绍和比较,并提出基于层次SVM结构构造正态分层SVM分类树解决多类分类问题,通过自顶向下逐层依次构造SVM分类器,将所得子类进一步平均分成两个次级子类的方法。获得分类器结构的简化和分类速度的提高。     

基于PCA算法的人脸识别技术研究

随着社会的发展,各种安全领域都需要高效、迅速的身份认证,生物特征是身份认证最理想的依据,而人脸识别因其识别特征的独特性、唯一性和相对稳定性,逐渐从众多识别方法和技术中脱颖而出,并逐渐进入社会生活的各个领域。本文深入地研究了经典的人脸识别算法PCA和2DPCA算法,研究了算法的基本原理,并总结了其优缺点,并做了相关的实验验证。     

基于Rocchio方法和k均值聚类的支持向量机文本分类方法

传统的基于支持向量机的文本分类器需要大量的人工标注的正类训练文档和负类训练文档。当前流行的文档标注库中,文档通常仅仅是划入不同的类别。为了解决在负类训练数据缺乏的情况下建立文本分类器的问题,提出了一种高效的方法,它结合了Rocchio方法和K均值聚类算法来获取充足的负类训练数据。     

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。     

基于在线单类支持向量机的自适应语音活动检测

针对非平稳噪声环境下的语音活动检测问题,提出了基于在线单类SVM的自适应语音活动检测算法。该算法采用单类SVM对多种特征信息进行在线学习与综合,为非平稳背景噪声建模,并采用双层决策机制,能有效提高语音活动检测的稳健性。在语音识别系统中的实验结果表明,算法在多种噪声环境和信噪比条件下有效,并明显提高了在非平稳噪声环境下的识别率。     

管理类研究生支持向量机预测决策实验教学研究

提升研究生的数据分析能力是培养研究生创新能力的重要方面。管理类研究生的分析能力中很重要的一方面就是分类和非线性预测与决策问题的解决。本文以此为目的,研究了管理类研究生支持向量机预测与决策实验教学的设计、实验课题的选择,并讨论了存在的问题和对策。     

基于稀疏分解和支持向量机的医学影像追踪法

以肺癌患者计算机断层扫描图像中的肿瘤追踪为例,提出一种基于稀疏分解和支持向量机的新型医学影像内目标物体追踪算法被提出。首先,split-Bregman理论被运用在分解医学影像中:每一幅医学图像都被分解成一副含有较多运动信息的低秩图像和一幅含有较多噪声信息的稀疏图像。其次,支持向量机被运用在低秩图像中,使得低秩图像内的像素点被区分为来自肿瘤区域的像素点和来自非肿瘤区域的像素点,从而达到在医学影像中分割和追踪肿瘤的目的。实验表明,该算法在肺癌患者医学影像的肿瘤追踪实例中能取得较其他比较方法更为准确的追踪效果。     

一种基于支持向量机的场景标注方法

针对复杂场景中难以标注对象轮廓的问题,提出一种基于支持向量机的场景标注方法。首先采用结构森林法生成边缘概率,再运用分水岭算法将边缘概率转化成初始图像块。为避免过分分割,减少训练开支,利用UCM算法并选取适当的阈值提高图像块对轮廓的精确度,最后通过支持向量机训练分割的图像块进行场景标注。实验表明,在处理复杂的户外场景标注时,基于支持向量机的场景标注方法在像素精确度上表现良好,在对象轮廓上标注效果较好。     

基于支持向量机的铁谱磨粒自动识别

为了实现支持向量机对磨损磨粒的自动识别,首先对彩色磨粒图像进行图像处理,运用 K －均值聚类、区域生长法和数学形态学将磨粒成功地从图像中分割出来;其次根据各类磨粒形貌特征确定磨粒的形状尺寸、纹理特征和颜色特征参数,并采用相应的方法提取这三方面的参数;由于支持向量机参数的选取对其分类效果影响很大,所以采用遗传算法对其参数做进一步的优化;最后以提取的特征参数为基础,运用优化的支持向量机成功地识别了严重滑动磨粒、球形磨粒、切削磨粒、疲劳磨粒和红色氧化物五类特征磨粒,其识别准确率达90％。结果表明该方法切实可行。     

基于支持向量机的混凝土测强换算模型

利用支持向量机方法研究混凝土无损检测中强度值和检测物理量之间的关系,建立基于支持向量机的混凝土测强换算模型.仿真表明该方法具有预测精度高和计算量少的优点,可以作为混凝土无损检测中测强换算的一种新方法.     

二维PCA人脸特征提取算法及其改进

基于DiagPCA（对角主成分分析）及平均脸的方法对二维主成分分析（2DPCA）方法进行了改进,既考虑到构造2DPCA训练样本人脸间散布矩阵时使特征最大化,减少了同类人脸之间的特征差异,又利用图像矩阵对角化将图像的行、列关系联系起来,并利用ORL人脸数据库进行实验。结果显示,该方法可提高人脸识别率,且降低了特征提取的时间。     

基于支持向量回归机的磨削力预测

针对神经网络方法在磨削力预测方面存在的网络结构不好确定和样本需求量大等不足,提出了一种新的基于支持向量回归机的磨削力智能预测方法。介绍了支持向量回归机的基本原理,分析了影响磨削力的主要因素,选用砂轮速度、工件速度和磨削深度作为输入参数,建立了基于支持向量回归机的磨削力预测模型。仿真结果表明,所建立的预测模型是合理有效的,与BP神经网络预测方法相比,预测的结果准确性更高。     

基于单类支持向量机的稳健语音端点检测

可靠的语音端点检测算法是稳健语音识别系统所必须的。针对现有算法在噪声环境下的稳健性问题,提出了基于单类SVM(Support Vecfor Machine)的端点检测算法。通过对多特征信息进行在线学习与综合,以及采用双层决策机制,有效提高了语音检测的稳健性。实验表明,算法在多种噪声环境和信噪比条件下有效,明显提高了语音识别系统在噪声环境下的识别率。     

基于支持向量机的人脸融合特征提取方法

针对人脸识别系统中的主成分分析和线性判别分析两种特征提取方法的优缺点,提出了一个融合特征提取方法,并构造了一个能够将图像数据空间的人脸映射到人脸特征空间中并实施识别的实验系统。最后分析了该系统的构成与特点,并给出了实验测试结果。     

基于特征脸加权组合的人脸识别

将基于主成分分析的特征脸人脸识别方法进行改进,以提高人脸识别率.首先利用主成分分析法提取人脸图像的特征脸,然后经图像重构得到二阶特征脸,最后将两种特征脸组合,构造组合特征,用三阶近邻法进行识别.在ORL人脸数据库上的试验结果表明,组合特征脸法用于人脸识别有较高的可行性和较好的稳定性,且在识别率上优于特征脸方法,准确率达到93.8%.     

支持向量机理论与算法研究

支持向量机(Support Vector Machine,SVM)就是在我们日常学习统计理论基础上发展起来的新方法,其训练算法本质上是一个二次规划的求解问题。本文对支持向量机的理论进行了系统的介绍,并对SVM训练算法进行综述,并对未来的研究方向进行展望。