基于谐波小波包和支持向量机的声发射源识别

为了解决直升机动部件疲劳损伤类型识别问题,提出了一种基于谐波小波包特征提取和层次支持向量多分类器的声发射源类型识别方法.声发射信号经过4层谐波小波包分解后,提取各个频段的能量特征用于声发射源类型识别,克服了传统小波包分析能量泄露、频带选取不灵活、不同层频率分辨率不同的缺点.首先,利用已知声发射源类型的试验数据训练层次支...     

基于改进SVM的人脸表情识别技术研究

结合Gabor小波变换的特征提取算法提出了一种基于决策模板的多分类支持向量机.该方法在对JAFFE基本表情数据库进行训练并测试时获得了较高的正确率,实验结果表明该方法是一种有效的表情识别算法.     

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。     

单分类支持向量机在样本数目失衡分类问题中的应用

支持向量机(SVM)是统计学习理论最为成功的实现。支持向量机适用于两类样本的分类问题,面对正负样本数目失衡的情况,加权的方法虽然能有效改变分类器对数目小的样本类的预测偏置问题,但往往是以牺牲数目较大样本类的预测精度为前提。单分类支持向量机(One-SVM)只用某一类样本来训练分类器,可以有效避免预测偏置问题的出现。本文将单分类支持向量机(One-classSVM)用于UCI数据库的灯盏花分类研究,结果显示,单分类支持向量机在处理样本数目失衡的模式识别问题中,具有良好的泛化能力,预测精度特异性达到95.45%,同时单分类支持向量机只用一类样本训练分类器,在算法的时间复杂度上也具有优势。     

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。     

基于视频图像的校园火灾探测研究与应用

高校消防甚为重要,传统火灾探测方法存在局限性,基于视频图像的火灾探测方案,提出一种背景自动更新目标提取法以及改进的支持向量机分类识别方法．将图像型火灾视频监控与计算机技术结合起来实现火灾监控系统的智能化。实验结果表明,分类速度和识别准确率都有所提高。     

基于人体红外辐射的身份识别新方法

为解决传统可见光成像在步态信息检测与身份识别中存在的诸多问题,提出了利用人体红外辐射成像及身份认证的新方法。首先将人体自身辐射的红外光转换为红外热图像,然后分割人体目标并将目标轮廓归一化,同时将轮廓序列叠加以获取红外信息能量图,再对其进行小波分解;提取红外信息能量图分解后的边界矩参数及骨架特征参数,以此作为特征参量输入支持向量机进行身份识别,正确识别率（PCR）为78%～91%,且识别效果不受人体携带外物（如背包、抱球）的影响,仅受衣着的影响较大。研究表明：基于人体红外辐射的身份识别有利于人体目标检测与精确描述。     

基于支持向量机的语音情感识别

针对语音情感识别特征识别问题，本利用支持向量机进行了研究．分析表明语音信号的情感特征参数在输入空间中不完全是一个线性分类的问题，使用非线性的核函数对输入空间进行映射可以有效地提高识别效率．与已有的多模式语音情感识别方式相比，利用高斯(径向基)核函数的支持向量机的识别效果优于其他已有的方法．     

基于模糊支持向量机的语音情感识别

根据输入样本对分类结果不同的影响程度,引入模糊隶属度,探讨了模糊支持向量机(FSVM)原理,并将其应用于汉语语音信号中生气、高兴、悲伤、惊奇4种主要情感类型的识别。仿真实验结果表明FSVM比支持向量机(SVM)有着更好的分类性能和更高的识别率。     

支持向量机及其应用研究

文章在分析统计学习理论和支持向量机理论的基础上,分别从人脸检测和识别、说话人/语音识别、网络入侵检测、手写体数字识别及其他应用研究等方面对SVM的应用研究进行了综述,并讨论了SVM的优点和不足,展望了其应用研究的前景。     

Data fusion for fault diagnosis using multi-class Support Vector Machines

INTRODUCTION The failure of machinery reduces the productionrate and increases the costs of production and maintenance.Therefore,it is important to reduce maintenance costs and prevent unscheduled downtimes fomachinery.So knowledge of what,where and howfaults occur is very important.Condition-basedmaintenance(CBM)has the potential to decreaselife-cycle maintenance costs,increase operationareadiness and improve safety.Fault detection andfailure mode diagnosis are also necessary for implem…     

基于支持向量机的多层分类入侵检测系统研究

概述了入侵检测技术和入侵检测系统,研究了支持向量机的线性和非线性分类算法.在此基础上创建了基于支持向量机的多层分类入侵检测系统模型,然后通过计算机仿真实验进行验证测试.     

基于最小二乘支持向量机的油罐故障诊断方法

根据油罐故障分析,建立了油罐故障诊断模型。采用新型的支持向量机-最小二乘向量机(LS-SVM)的算法对此诊断模型进行预测,获得了满意的效果。该方法易于使用,很少受不确定性因素的影响,有很高的预测准确性。     

C-支持向量机及其改进

支持向量机是19世纪90年代由美国贝尔实验室的Cortes和Vapnik首先提出来的一种新算法.介绍C-支持向量机,并在此基础上,构建其改进模型,目的是给出易于求解的几类新算法.     

基于小波变换分析ANN实现的含噪图像数字识别研究

本文研究了基于小波变换平滑降噪,ANN(人工神经网络)实现的含噪图像数字识别。本文从数字识别的主要原理、小波变换图像降噪以及BP神经网络的实现等方面进行了探讨。阐述了BP神经网络的网络的原理,设计BP网络的过程及其实现和改进方案,并附有大量的实验数据。     

基于小波变换和径向基神经网络的签名识别

主要研究利用小波变换和径向基神经网络进行签名图像的分类识别.它包括不同签名图像和相似签名图像的分类识别.所提出的方法包括小波域的图像特征提取和利用径向基神经网络的模式分类.采用小波的多分辨分析方法对签名图像进行时频分析特别有效.熵和能量相关特征的概念用于小波域.径向基神经网络具有快速的收敛速度和分类能力.实验仿真证实了利用小波变换和径向基神经网络进行签名图像分类识别的有效性,且成功识别率100%.     

基于表面肌电信号的腰背动作识别新方法

为提高基于表面肌电信号的人体腰背动作识别率,提出一种基于小波包能量与改进NARX神经网络的分类识别新方法。利用小波包变换对动作部位进行表面肌电信号特征提取,并采用改进NARX神经网络进行分类识别。选取8名实验者分别在扭腰、弯腰、侧弯腰3种动作下进行表面肌电信号数据采集,选择db4小波包函数对信号进行6层分解,得到第6层64个频带的小波包分解系数,代表各个动作信息的特征向量,作为改进NARX神经网络的输入进行分类识别。对照实验组中,改进NARX神经网络的识别率较高,总体识别率达到96.7%。实验结果表明,利用该识别方法对腰部动作进行分类识别,分类准确,且识别率更高。