基于支持向量机的商业银行信用风险评估和控制研究

本文的研究目的在于介绍一种新兴的从统计学习理论发展而来的方法——支持向量机（SVM）,并将其用于银行信用风险分析。支持向量机是一种基于统计学习理论的分类方法。可将其用于分析财务比率和非财务比率,并且用于违约概率的估计的一种方法。本文将通过实证分析来证明支持向量机能够从财务数据中提取或挖掘出有用信息。     

基于潜在语义索引的SVM文本分类模型

本文将潜在语义索引理论与支持向量机方法相结合,对文本向量各维与文本的语义联系进行特征抽取,建立了完整的基于潜在语义索引的支持向量机文本分类模型,分析了该方法与分词的维数以及SVM惩罚因子选择之间的关系.并在NN-SVM分类算法的基础上,通过计算样本点与其最近邻点类别的异同以及该点与其k个同类近邻点在核空间的平均距离来修剪混淆点,提出了一种改进的NN-SVM算法:KCNN-SVM算法.利用该算法对降维后的训练集进行修剪.实验表明,用新的模型进行文本分类,与单纯支持向量机相比,受到文本分词维数以及支持向量机惩罚因子的影响更小,其分类正确率更高.     

数字图像检索研究进展概述

从海量图像数据中快速、准确、有效地获取图像信息是图像检索的主要任务。基于文本的图像检索、基于内容的图像检索和基于水印的图像检索是三种最常用的数字图像检索方法。本文详细阐述了不同检索方法的发展及优缺点,并着重分析了基于水印图像检索方法的特点、模型、应用和亟待解决的问题,最后指出了图像检索技术的未来发展和研究方向。     

城市用水量短时预测的支持向量机方法

文章提出了基于支持向量机的短时用水量预测模型,对城市用水量本身固有的非线性、复杂性和不确定性进行综合考虑。结合实例数据,对基于支持向量机的预测模型和基于BP神经网络的预测模型进行比较。结果表明,基于支持向量机的预测模型在精度、收敛时间、泛化能力、最优性等方面均优于基于BP神经网络的预测模型。     

基于支持向量机的移动互联网环境下消费者行为研究

移动互联网的迅速发展成为全球信息通信领域最令人瞩目的现象之一,相比于传统电信市场下的用户需求,移动互联网环境下的消费者需求更加多样化,消费者的行为也呈现出新的特点。根据消费者的以上行为特点,本文基于支持向量机的算法对此现象进行数据挖掘和研究。现有研究证明支持向量机具有良好的推广泛化能力,取得了大量的应用研究成果,采用此研究方法能够得到可靠有效的实验结论,适宜在移动互联网环境下消费者行为研究上推广应用。     

一种混合文本分类方法研究

文本自动分类是信息检索领域的一个重要研究方向。一些标准的机器学习算法像支持向量机已经成功地运用到了这一领域。不幸的是高维的输入向量严重的影响了分类速度,而支持向量机核函数参数的确定影响到分类的精度。为了提高分类精度和分类速度,本文提出了一种混合分类算法,首先用粗糙集理论对向量进行约简,然后采用基因算法对支持向量机的核函数参数进行优化。实验证明我们提出的算法是有效的。     

个性化服务中基于支持向量机的用户兴趣挖掘分析

用户兴趣的准确获取是保证个性化服务质量的关键;分析用户所浏览的网页集,捕获用户兴趣、建立用户兴趣挖掘模型是目前个性化服务研究的一个重要方向.本文首先比较支持向量机与其他分类算法的性能,分析了基于支持向量机进行用户兴趣挖掘的可行性;然后在介绍支持向量机分类原理和分析分类预测理论模型的基础上构建了用户兴趣挖掘模型;最后选取中文网页分类训练集和特定用户的网页浏览记录,主要从支持向量机分类器的构造和用户兴趣预测两个方面进行了模型的实现研究.     

基于Contourlet变换与SVM的人脸识别方法研究

利用Contourlet变换的方向性和各向异性,提出了一种基于contourlet变换和支持向量机（SVM）的人脸识别方法。首先对人脸图像进行Contourlet变换,将得到的低频分量系数作为人脸图像的识别特征,然后利用SVM多类剐分类器进行分类。实验结果表明该方法具有较好的识别性能。     

一种基于BCH码和DWT的数字水印算法

为了进一步提高数字水印系统的稳健性。本文引入了纠错编码技术．提出了一种基于BCH码和离散小波变换的数字水印算法。水印在嵌入之前先进行BCH编码。然后把编码后的水印嵌入到宿主图像小波分解后的子带图像,提取时采用BCH译码来恢复原始水印。仿真实验结果表明,与没用纠错码及汉明码相比。水印方案不但隐形性好。而且具有更好的稳健性。     

数字图书馆音频信息资源版权保护研究

针对数字图书馆的音频资源版权保护问题,提出一种基于奇异值分解及独立成分分析的数字音频水印算法。奇异值分解具有数据压缩的特性,将水印信息经过奇异值分解处理,可大大提升水印容量,而独立成分分析理论可实现水印的盲提取。选择小波变换后的低频系数作为水印嵌入点,以平衡水印的鲁棒性和透明性。采用二值图像作为水印进行仿真实验,实验结果显示该水印方案具有较好的鲁棒性、透明性。     

基于手部X光图像的骨龄检测系统设计与实现

骨龄检测在医学、体育科学和司法等领域有着广泛的应用,基于数字图像处理技术来进行骨龄检测是目前骨龄评价的发展趋势,文章提出了一个完整的基于手腕部X光图像的骨龄检测系统的设计和实现方案。骨龄算法依据我国提出的骨龄评价方法CHN法,提取手部X光图像的骨骺特征参数,运用支持向量机方法进行骨龄识别。骨龄检测系统具有交互检测,可视化的特点,允许在检测过程中对图像处理所使用的方法和骨骺特征进行可视化交互调整,骨龄数据管理根据用户角色的不同提供不同的数据管理操作。     

基于一类学习SVM核参数影响的研究

核函数参数的选择对支持向量机的性能有着重要影响,不同问题下合适的核参数取值差异性也很大。本文从实验的角度出发,验证研究了不同核参数的对支持向量机性能的影响。     

基于岭回归和支持向量机结合的数据挖掘新方法

支持向量机根据VC 维理论和结构风险最小化原则,是一种建立在统计学习理论基础之上具有新颖、功能强大特点的机器学习方法.它具有全局最优、结构简单、推广能力强等优点,近年来越来越引起关注.但支持向量机是一种小样本机器学习方法,自身的复杂性和多重共线性成为其处理大规模数据时的"瓶颈"问题.岭回归方法是一种修正的最小二乘估计法,是一种专门用于复共线性数据分析的有偏估计方法,当自变量系统中存在多重相关性时,它可以提供一个比最小二乘法更为稳定的估计.本文将岭回归-支持向量机结合,用于数据挖掘方法之一--文本分类中,实验结果表明:本方法可以提高支持向量机分类的训练速度和分类精度.     

种基于改进的支持向量机的两类文本分类方法的研究*

提出了一种基于预抽取支持向量机及模糊循环迭代算法的改进的支持向量机(Support Vector Machines,SVM)的两类文本分类方法, 与传统的SVM相比, 该方法具有高得多的计算效率。文中给出了具体算法并将其用于文本分类中，实验表明了本算法用于文本分类的有效性及其高效率。     

一种用于版权保护与盗版追踪的文档图像多功能水印方案

提出一种新的文档图像多功能水印算法,首先生成依赖于用户身份信息与文档图像特征的数字指纹,然后在文档图像正交分离的两不同区域分别嵌入可擦除可见水印与数字指纹,通过嵌入可擦除可见水印权衡版权告示与用户浏览之间的冲突,利用数字指纹实现图像认证和追踪合法用户泄密行为。实验证实该方案是有效的和高安全的,没有正确密钥的用户无法有效去除可见水印。该方案可为互联网上文档图像资源通信存储提供版权保护与盗版追踪功能。     

DigiMark的视频图像电子水印技术获得美国专利

美国ＤｉｇｉＭａｒｃ于美国时间６月１４日宣布，该公司的电子水印技术获得了由美国专利商标局颁发的美国专利。据了解，该专利是该公司取得的第２３项美国专利。该技术是关于在视频图像中嵌入电子水印的技术。通过调整水印信息的亮度，从而将水印对于图像的影响降低到最低限度，并且保持一定的位率。电子水印是用来防止非法复制数码音频内容以及ＤＶＤ视频节目的安全性技术。除了音频、视频以及图像以外，还被用于印刷品、杂志以及财务文档等DigiMark的视频图像电子水印技术获得美国专利     

对小样本集进行分类技术研究

随着网络信息的迅猛发展 ,信息处理已经成为人们获取有用信息不可缺少的工具 ,文本自动分类系统是信息处理的重要研究方向。本文介绍了当今世界上较先进的“变换支持向量机”(TSVM ,transductivesupportvectormachines)技术 ,它与普通的“支持向量机”(SVM)相比 ,TSVM方法所需的样本量大大降低 ,它能有效地对小样本数据集进行分类 ,同时重点分析了实现它的关键技术、算法及其实现过程     

Web文本分类技术研究现状述评

本文在分析国内外Web文本分类方法研究现状的基础上,对新近出现的基于群的分类方法、基于模糊—粗糙集的文本分类模型、多分类器融合的方法、基于RBF网络的文本分类模型、潜在语义分类模型等新方法,以及K—近邻算法和支持向量机的新发展等进行了深入探讨;并对Web文本分类过程的几个关键技术:文本预处理、文本表示、特征降维、训练方法和分类算法进行了分析;最后总结了Web文本分类技术存在着新分类方法不断涌现、传统分类方法的进一步发展、文本、语音和图像分类技术的融合等几种发展趋势,以及存在着分词问题、目前还没有发现"最佳"的特征选择等研究的不足之处。     

多标记用户分类系统构建方法研究

针对一示例同属多类的问题,提出多标记支持向量机并在此基础上构建基于访问页面的多标记用户分类系统。该系统首先对Web页面进行预处理并利用流形判别分析进行文本特征提取,然后利用多标记支持向量机对文本进行分类,最后对分类结果进行评价。真实数据集上的实验表明所建系统的有效性。     

基于粗糙集加权的文本分类方法研究

文本自动分类是当前智能信息处理中一类重要的研究课题。本文分析了基于统计理论的文本分类的基本特点,提出采用可变精度粗糙集模型中的分类质量构造新的特征词权重计算公式。这种新的加权方法,相对于广泛使用的逆文本频率加权方法,大大改进了文本样本在整个空间中的分布,使得类内距离减少,类间距离增大,在理论上将提高样本的可分性。最后利用支持向量机和K近邻两种分类器,验证了这种新的加权方法对分类效果确实有所提高。