基于SVM的验证码识别算法研究

验证码是为了加强互联网系统安全,而引入的区别机器与人的标准技术。目前大部分的网站都引入了验证码机制来加强网络的安全验证。常见的验证码是基于字母和数字的文本验证码机制,且字符存在背景干扰、随机噪声、扭曲、变形、粘连等特点,增大了验证码识别的难度。本文主要研究基于SVM识别算法的验证码识别技术,从原理、实验来论证识别算法具有较高的识别率。     

Android平台下的验证码识别研究

为了在开发移动应用APP时,实现与已有系统的无缝连接,在研究验证码图像特征的基础上,首先采用大津法对待验证图片进行预处理,通过对图像进行灰度化、二值化、分割、归一化处理,去除离散噪声;然后利用Hopfield神经网络对字符和背景颜色随机变化的验证码进行识别。通过测试表明,应用这种方法开发的移动应用服务APP,能够有效识别验证码图像,解决系统开发中的透明集成问题,为用户提供完美的操作界面。     

基于SVM的手写体数字识别的研究

研究了利用支持向量机分类器进行手写体数字识别的技术。构建了我国邮政手写数字库和美国邮政手写数字库。在此库上,利用基于SVM多类分类器进行了实验,并与其他分类器的识别方法进行了比较。实验结果表明,算法的正确识别率达到96.005%,识别效果最好。     

12306官网推出全新图片验证码 抢票软件将失效

<正>铁路官方购票网站12306又出新招,在登录界面推出了全新的验证方式,用户在填写好登录名和密码之后,还要准确的选取图片验证码才能登陆成功。据悉,12306验证码改版后,目前所有抢票工具都已经无法登录。12306新版验证码需要用户根据文字提示,识别并点击图片中的内容。     

基于支持向量机的脱机手写体数字的识别

脱机手写体数字的识别是数字识别领域中较难的一个研究方向。介绍了支持向量机理论,并提出了基于该理论的脱机手写体数字识别思路,最后将基于该思路的实验结果与神经网络LVQ识别效果进行了比较。实验表明,基于支持向量机的脱机手写体数字识别具有时间短、正确率高等优点。     

基于支持向量机的脱机手写体数字的识别

脱机手写体数字的识别是数字识别领域中较难的一个研究方向.介绍了支持向量机理论,并提出了基于该理论的脱机手写体数字识别思路,最后将基于该思路的实验结果与神经网络LVQ识别效果进行了比较.实验表明,基于支持向量机的脱机手写体数字识别具有时间短、正确率高等优点.     

基于Hopfield的脱机手写数字识别理论及算法

脱机手写数字识别在很多领域具有广泛的应用前景,国内外学者对此做了大量的研究工作,提出了很多预处理和模式识别的算法,大大提高了手写数字的识别精度。为了提高手写数字识别的精度,本文将Hopfield神经网络应用于脱机手写数字识别分析中,Hopfield神经网络的“能量函数”的能量在网络运行过程中,具有不断地减少最后趋于稳定的平衡状态的特性,而且网络一旦建立即可自动运行,无需训练。脱机手写数字的识别过程分为两步：训练阶段,识别阶段。在训练阶段,提取训练样本集的代数特征,建立网络模型,以输八向量为目标向量,保存网络连接权值和闺值以及代数特征;在识别阶段,将待识别数字特征送入网络运行,待网络运行到平衡状态后,将输出结果与数字特征库的向量进行比较,距离最小者即为待识别的数字。     

“码”不停蹄

"验证码不匹配,请重新输入。"这是一句令很多人十分苦恼的话。文字、算术题、字母、图片……花样百出的验证码虽然给我们带来了诸多不便,但是它维护了网络安全,甚至有时候,我们填写验证码是在为人类文明和技术进步作贡献。提到验证码,有的同学可能会问:"短信验证码和图片、字母、文字等类型的验证码有什么不同?"其实,它们虽然都叫作验证码,但有很大差别。     

改进的张量线性判别分析

人脸图片数据本质上是一个三维张量数据,而传统机器学习方法在提取人脸结构特性信息时将其展开为一维向量,这破坏了数据的内在结构信息。张量分析算法用于人脸结构数据克服了数据向量化带来的缺点。本文对比基于向量化的线性判别分析（linear discriminant analysis,LDA）算法,对40幅人脸图片进行识别,实验表明张量线性判别分析算法最高识别率达到100%,其总体识别率明显优于LDA算法。     

一种大储量罐车紧急切断阀失灵检测方法研究

为了提高大储量液化石油气罐车紧急切断阀失灵检测的精度和效率,提出了基于增强模糊支持向量机的罐车紧急切断阀失灵检测方法。首先通过对大储量液化石油气罐车紧急切断阀的常见失灵类型进行分析,将其样本数据进行训练集和测试集的训练。其次利用模糊支持向量机算法进行罐车紧急切断阀失灵检测模型建立。然后利用粒子群进化算法进行该模型的最优参数、惩罚系数和隶属度的确定,最后利用优化的参数进行支持向量机的分类。通过训练集和测试集对该模型进行仿真实验,仿真实验结果表明,该方法的失灵检测准确率均在95%以上,具有较高的鲁棒性和可靠性。     

影响因子操纵期刊识别与分类方法构建与应用

【目的】严重的期刊影响因子操纵现象影响了影响因子客观性,这种不正当行为应该被严格禁止,识别受操纵期刊的有效方式亟待发掘。【方法】以Web of Science平台发布的历年JCR数据为研究对象,选取正常期刊和异常(因影响因子受操纵而被镇压)期刊的14个文献计量学指标的历年数据,形成正常和异常2个期刊数据集。利用Python Scikit-learn库编写机器学习算法程序,对由正常、异常期刊数据集合并生成的训练集、验证集和测试集分别进行分类、训练、验证、测试。【结果】机器学习算法可以有效地对正常、异常期刊数据集进行分类,对验证集分类的准确率、精确率和召回率均达到98%以上,对算法最重要的5个特征的特征重要性为91.55%。部分算法对镇压后恢复正常期刊在镇压后第5年的数据的识别效果开始降低,所有编辑关注期刊均被分类为异常期刊,2021版JCR镇压期刊及镇压预警期刊均被准确分类为异常期刊。支持向量机算法具有最好的预测效果。【结论】机器学习算法在识别影响因子操纵期刊上具有天然的快速性和客观性优势。随着对影响因子的操纵手法及文献计量学指标不断增多,人工综合各种指标来识别、判定受操纵期刊的难度越来...     

基于支持向量机的煤灰结渣特性判别

在研究燃煤煤灰成分与其结渣特性之间相关关系的基础上,提出了基于支持向量机算法的煤灰结渣特性判别模型。该模型将煤灰成分作为输入量,煤灰结渣特性作为输出量。并用离子群优化算法对支持向量机参数进行优化。最后用实测数据时模型进行校验,结果表明,尽于支持向量机的煤灰结渣特性判别模型的判别准确率高于采用相同训练集和测试集的其他算法。     

基于禁忌蝙蝠算法的支持向量机特征选择和参数优化

支持向量机是一种有良好发展前景的学习机器。针对支持向量机训练过程中特征选择和参数优化的问题,提出一种基于蝙蝠算法和禁忌搜索算法相结合的算法的支持向量机特征选择和参数优化算法。将禁忌搜索算法理论引入蝙蝠算法中,可以有效提高BA算法的收敛速度和精度,得到更优的支持向量机模型。UCI标准数据集的分类实验结果表明,与基本的网格搜索,遗传算法等比较,TSBA算法可以获得更高的分类准确率和更好的稳定性。     

关于一种数控铣刀磨损量监测识别新算法研究

目前,欧美及日本等国学者针对各种刀具磨损现象提出了比较多的刀具磨损监测理论与方法,这些刀具磨损监测方法与理论其核心思想是建立刀具磨损识别关键在于刀具磨损量特征值的模式识别所采用算法。本文通过对数控铣刀特征值的处理上,采用了一种支持向量机的模式识别方法,并结合目前一种最新的蝙蝠算法,对其特征值进行参数优化,并对比采用蝙蝠算法的支持向量机刀具磨损识别方法与不采用蝙蝠算法支持向量机的刀具磨损模式识别方法,两者在识别效果上前者识别有效性有了较大的提高。     

新型验证码

正互联网技术给人们的工作和生活带来极大便利的同时,也带来了许多网络安全问题,不法分子利用网络刷票、恶意注册来发送垃圾广告等行为损害了网站和用户的利益。为了防止这些安全问题的发生,验证码技术出现了,自动区分当前用户是计算机程序还是人类成为可能。文本验证码是目前使用最多的验证码类型,需要用户识别并输入图像中的字符。文本验证码局限于数字与字母,比较单一,对字符进行简单变形处理,使其可被破解。     

关联规则挖掘算法分析与探讨

关联规则挖掘算法是数据挖掘领域的主要研究方向之一。对几种经典的关联规则挖掘算法进行了分析、探讨和比较,给出了一种基于支持矩阵的、不需要产生候选项目集的算法设计思想。算法为事务数据库中的每个项目设置二进制向量,利用逻辑与运算构造支持矩阵来挖掘频繁项目集,极大地节省了存储空间,提高了算法运行效率。     

可分割验证码的识别方法讨论

本文从网页中验证码的识别出发,介绍了可分割图形验证码的识别流程和方法。     

基于混沌优化的支持向量机地下水位动态预测

地下水位动态受到自然因素和人为因素的影响,随机性明显,因此在地下水物理过程分析的基础上构建地下水位动态预测的随机性模型对地下水资源评价具有重要意义。本文将小样本机器学习理论——统计学习理论中的支持向量机理论引入地下水位动态预测。最小二乘支持向量机是支持向量机的一种,考虑到地下水位动态序列的长度和峰值突变性的特点,本文提出一种改进的支持向量机-峰值识别最小二乘支持向量机;并针对支持向量机算法存在的参数优化、训练和测试速度等问题,结合混沌优化方法,建立了基于混沌优化的峰值识别最小二乘支持向量机地下水位动态预测模型;最后本文以内蒙古河套灌区义长灌域1990年~2004年3个灌期(夏灌(4月~6月)、秋灌(7月~9月)和秋浇(10月~11月)降水量、平均气温、蒸发量、引水量、地下水开采量、地下水排泄量和地下水位埋深共15年45个样本资料为数据源,将该模型和原最小二乘支持向量机模型分别用于义长灌域地下水位动态预测。结果表明,该模型的拟合值、检验值和预测值与实际值复合的很好,拟合的平均相对误差绝对值为2.0868%,检验的平均相对误差绝对值为3.4777%,预测的平均相对误差绝对值为6.8589%,且训练和测试速度快,而原最小二乘支持向量机模型预测的平均相对误差绝对值为20.6767%。因此,该模型用于地下水位动态预测是可行和有效的。     

基于VISSIM的交叉口服务水平识别方法

城市举办大型活动期间,相关交叉口单侧交通量会急剧增加,在这种情况下准确识别交叉口的服务水平对接下来制订交叉口优化方案十分重要。本文针对该问题提出了一种小波去噪-支持向量机模式识别的方法。通过VISSIM仿真模拟交叉口单侧交通量剧增的情形获取上游的交通流数据与对应的交叉口服务水平信息,进行小波去噪与类型筛选后得到识别算法的输入数据,对比BP神经网络模型方法与支持向量机这两种常用算法的识别效果后,采纳支持向量机作为识别算法并在MATLAB上实现对交叉口服务水平的识别。与传统方法相比,该识别方法具有模型输入数据易于获取,应用时效性更强的优势。     

基于VGG16架构的中国名人面孔识别

人脸识别在现实生活中具有广阔的发展前景,本文设计了一种新的位姿不变的人脸识别深度神经网络算法,以极低的错误率识别中国公众名人。该算法首先是构建了一个新的数据集,数据集的每一张图片是带有标签的面孔。其次是对构建的新数据集上的深卷积神经网络(CNN) VGG-16架构进行了微调。文中算法和Fisherface相比,在识别精度和耗时上面均表现更好。