基于支持向量机的通信信号调制识别方法研究

支持向量机(Support VectorMachines简称SVMs)是基于统计学习理论的一种新的模式识别技术,它不仅结构简单,而且技术性能尤其是泛化能力明显提高.介绍支持向量机为理论基础的通信信号调制识别方法,计算机仿真结果证实此方法的可行性.     

基于支持向量机与谱特征的数字信号识别

由于已有的调制识别方法存在提取的特征参数多、计算量复杂等不足,现提出一种将支持向量机与谱特征结合的方法,该法不仅提取的特征参数少,对噪声不敏感,计算量小,而且还通过设计分级的支持向量机分类器提高了识别率．仿真实验表明,这种方法比普通的阈值法在识别率方面有明显的改善．     

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.     

加权支持向量机分类算法及应用

加权支持向量机分类算法是对类别差异造成的影响进行相应补偿的一种支持向量机算法，目的是提高样本中小类别的分类精度．我们通过用支持向量机和加权支持向量机算法相比较，加权支持向量机可提高样本中小类别的分类精度，这对于某些需要重点关注的小类别精度的分类有重要的现实意义．     

多分类支持向量机的算法研究

支持向量机是一种新的机器学习方法,是在统计学习理论基础上发展起来的。经典的支持向量机算法主要是针对两分类问题,但是在实际生活中经常需要求解多分类问题,这就需要将支持向量机的算法推广到求解多分类问题。通过阐述支持向量机模型及其算法的基本原理,对多分类支持向量机几种算法进行分析,系统地比较了各种算法的性能,探讨了多分类支持向量机算法的进一步研究方向。     

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．     

支持向量机在模式识别和回归模型中的应用

支持向量机是一种新型机器学习方法,能较好地解决小样本、非线性、高维数和局部极小点等实际问题,对未来样本有较好的泛化能力,已成为当前机器学习界的研究热点。本文介绍了支持向量机的数学理论基础及其研究现状,并介绍了支持向量机实用算法的研究情况,指出了支持向量机的局限性和未来的研究方向。     

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。     

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.     

频率调制信号的恒参滤波识别方法

To classify the frequency modulation signal, this paper employs a parameter invariant filter, which can transfer the frequency modulated information to variety of its envelope, and then extracts the histogram feature to classify the modulation type. This method can efficiently classify the type of a signal such as frequency modulation （FM）, binary frequency shift keyiing （BFSK）, quadrature frequency shift keying （QFSK）, 8-ary frequency shift keying （8FSK）, etc. It can easily be realized and is especially suitable to applications in software radio.     

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。     

基于支持向量机的数据挖掘技术

随着数据库技术的迅速发展以及数据库管理系统的广泛应用,人们积累的数据越来越多.激增的数据背后隐藏着许多重要的信息,人们希望能够对其进行更高层次的分析,以便更好地利用这些数据.将目前先进的机器学习技术支持向量机,与数据挖掘结合起来,提出了一个改进的支持向量机训练算法,进行了支持向量机自动分类的模拟试验.试验结果显示,新算法的训练速度明显提高,并获得了比较理想的分类结果.     

模糊支持向量机研究综述

模糊支持向量机是在支持向量机的基础上给每个样本赋予一个隶属度,从而减少孤立点以及噪声对最优决策面的影响,广泛应用于模式识别和人工智能领域.本文综述模糊支持向量机的理论基础以及研究现状,详细介绍模糊支持向量机中几种隶属度函数的设计方法以及在现实领域中的应用,最后针对模糊支持向量机算法的关键问题,即模糊隶属度函数的设计,给出一些未来研究方向的展望.     

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。     

支持向量机在语音识别中的应用

支持向量机采用数学方法和优化技术,将向量映射到一个更高维的空间里,建立一个有最大间隔的超平面,其在语音识别技术中应用广泛。     

支持向量机及其应用研究

对支持向量机技术进行研究,介绍支持向量机的原理,讨论支持向量机中核函数的选择和多类问题,讨论支持向量机中求解大规模数据的有效算法。从文本分类,手写字符识别,人脸检测,入侵检测,图像处理等方面对支持向量机的应用研究作了综述。讨论了支持向量机的优点和缺点,并对支持向量机的发展作了展望。     

基于支持向量机的表情识别研究

文章介绍了一种根据图像序列对面部表情进行实时识别的方法。使用Lucas－Kanade光流分析算法对面部标定25个特征点进行跟踪,来得到每个面部表情序列特征点的特征位移。使用一种适合于表情分类的支持向量机多分类方法对实时的表情序列进行分类,实验证明可得到理想的结果。     

支持向量机在SAR自动目标识别系统中的应用

SAR自动目标识别技术是新一代战场感知系统雷达信号处理中的关键技术之一，目前己成为国内外研究的热门课题。支持向量机（Support Vector Machines简称SVM）方法是近年发展起来的一种新的统计学习理论方法，本文通过对这一方法的学习，提出了基于SVM的SAR目标自动识别，并对MSTAR的Public Targets数据库进行实验，取得了良好的识别效果。这为SAR自动目标识别提供了一种新方法和新思路。     

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。