基于幂级数构造的超核支持向量机的性能研究

依据模式识别中核函数的相关理论,具体地构造了一种基于幂级数构造的超核函数,并将该超核应用于支持向量机中.实验结果证明了基于幂级数构造的超核支持向量机的优越性能.     

基于小波支持向量机的金融预测

基于小波分析与支持向量核函数理论构造了一个小波支持向量机(WSVM),用以预测金融时间序列的波动率.与采用高斯核的标准支持向量机相比,由于小波核结合了小波分析的多分辨特性,因此可以更好地逼近任意非线性函数.仿真实验表明,小波支持向量机在股指收益波动率预测中具有较好性能.     

我国城镇登记失业率的数学模型与预测

结合中国国家统计局的数据,使用基于核主成分分析与加权支持向量机的方法建立模型,找出了影响就业(失业)的22个主要指标.考虑到这些指标相互之间的相关性,使用核主成分分析与加权支持向量机的方法建模,给出了算法的步骤,构造了非线性预测函数,并对1995-2009年的城镇登记失业率进行拟合预测,得到的结果具有较高的精度.     

支持向量机核函数的构造方法研究与分析

支持向量机是近年来发展的以统计学习理论为基础的新型学习机,核函数的选择无疑是其重要的核心问题.先对核函数进行定义,然后通过对核理论进行性质分析,最后明确了对最优核函数的选择与构造,从理论上为核函数的选择提供了参考.该学习机用结构风险代替经验风险,因而具有传统的神经网络无法相比的优势.     

非线性支持向量机判别阈值的设置

非线性支持向量机通过核函数将低维输入空间的数据映射到高维空间,从而将原低维空间的线性不可分问题转化为高维空间上的线性可分问题.分析了非线性支持向量机中核函数的引入可造成分类阈值的偏移问题,提出了非线性支持向量机分类阈值的优化设置方法.实验表明,所提出的阈值优化设置方法能有效提高非线性支持向量机的分类精度.     

基于支持向量机的数字水印算法综述

对基于支持向量机的数字水印算法做了概要性的介绍,由于支持向量机可以通过有限的训练集样本得到小的误差,从而提高学习的泛化能力,因此支持向量机在版权保护领域有很好的应用效果．对基于支持向量机的数字水印技术的相关概念和现有算法进行了描述与分析,另外,对基于支持向量机的数字水印技术的未来发展方向和前景进行了预测．     

再生核空间W2^1[a，b]中两个问题的讨论

本文对再生核空间W2^1[a，b]中的下面两个问题进行讨论：(1)若再生核空间W2^1[a，b]定义中的条件改为u(x)在[a，b]是连续函数或连续囿变函数。那么函数空间不再是再生核空间．(2)若再生核空间W包含于W2^1[a，b]含有的间断点的函数，则间断点必固定、间断点个数必有限且非端点a，b．进一步，我们构造了函数含有n个间断点的再生核空间并哈出其再生核表达式．     

基于证据框架的模糊超球面支持向量机超参数优化

模糊超球面支持向量机(FHS-SVM)在处理一类分类问题时比超平面支持向量机泛化能力更强,特别是在雷达目标检测中得到了成功应用.FHS-SVM训练时需要预设一些超参数,不同的超参数得到的FHS-SVM性能差异很大.文中首先证明了FHS-SVM训练过程与证据框架第一层贝叶斯推理的等价性,然后在证据框架下提出了FHS-SVM超参数优化迭代方法.基于超宽带合成孔径雷达探雷数据,通过与穷举方法结果的对比检验了迭代优化方法的有效性.     

W^22（D）空间函数的近似再生

本文介绍一个具有再生核的函数Ｈｉｌｂｅｒｔ空间Ｗ＾２２（Ｄ）并给出了该空间再生核函数表达式。利用它构造Ｗ＾２２（Ｄ）空间上函数ｕ（Ｍ）的近似再生函数ｕｎ（Ｍ），随着再生核函数项数ｎ的增加，近似再生函数的误差在Ｗ＾２２（Ｄ）空间范数意义下单调下降且趋于零。     

一种支持向量回归机的音频水印算法

为了同时保证算法的不可感知性与鲁棒性,提出了一种新的支持向量回归机音频水印算法．该算法首先对音频进行小波变换,然后选取稳定的低频系数的相邻均值向量、左邻域斜率向量、右邻城斜率向量作为支持向量回归机训练模型,利用支持向量回归机训练模型嵌入和提取水印信息．仿真实验表明,算法对常规的信号处理及攻击均具有较好的鲁棒性,与经典的基于小波变换的量化算法相比,具有很好的不可感知性,另外,在水印检测时不需要原始音频,实现了水印的盲检测．     

一种可能性测度的模糊支持向量机

支持向量机能够成功的解决分类和回归问题,但是训练数据都是精确的。如果支持向量机的训练集中含有模糊信息,即训练集中的输入训练样本点为模糊数,那么支持向量机将无能为力。基于此,在可能性测度理论和模糊机会约束规划的基础上,建立了模糊v-支持向量机模型,并将该方法应用于某病的诊断中,实验结果验证了该方法的有效性。     

支持向量机及其在模式分类中的应用

支持向量机作为一种新的机器学习技术，由于它具有结构简单，泛化能力强的优良性能，越来越受到人们的关注．为此，介绍了支持向量机的一些新的进展，及其在分类器设计中的应用．     

利用支持向量机构建水稻镉含量高光谱预测模型

研究基于支持向量机构建水稻镉(Cd)含量高光谱预测模型的可行性.利用ASD光谱仪测量研究区水稻冠层反射光谱,通过实验室化学分析得到土壤镉含量和水稻叶片镉含量,对研究区水稻光谱进行均一化平滑处理以及小波变换降噪,构建基于支持向量机(support vector machines,SVM)的水稻镉含量高光谱预测模型.结果表明,小波变换降噪处理对SVM建立的镉含量预测模型精度有所提高,SVM高光谱预测模型的相关系数为0.8674,均方误差为0.0012.该研究为利用高光谱遥感大面积、快速监测农田作物重金属污染提供技术支持.     

基于最优样本子集的在线模糊LSSVM混沌时间序列预测

提出一种基于最优样本子集的在线模糊最小二乘支持向量机(least squares support vector machine,LSSVM) 混沌时间序列预测方法. 算法选择与预测样本时间上以及欧氏距离最近的样本点构成最优样本子集,并采用" 不敏感函数对其进行模糊化处理,通过模糊LSSVM 训练获得预测模型. 随着时间窗口的滑动,最优样本子
集和预测模型实时更新,模型更新采用分块矩阵方法降低运算复杂度. 实验中对时变Ikeda 序列进行预测,表明所提出的方法与离线和在线LSSVM 相比,训练速度更快,预测精度更高.     

利用粒子滤波与支持向量机的数字混合信号单通道盲分离

针对基于粒子滤波盲分离算法运算复杂度高的问题,将支持向量机理论引入到粒子滤波算法中,提出一种数字调制混合信号单通道盲分离算法. 确定了算法中粒子权值更新方法,并给出了参数与符号序列的后验概率密度估计. 从后验概率密度估计的统计特性和运算复杂度两个方面详细分析了算法的性能,并从理论上证明该文给出的后验概率密度估计能很好地逼近真实后验概率密度. 理论分析与仿真结果均表明,与基于粒子滤波的盲分离算法相比,算法在误码率性能相当的情况下,有效缩短了运算时间.     

无分发者的多重访问结构秘密共享方案

基于向量空间访问结构提出了一个无分发者的多重访问结构秘密共享方案,避免了因分发者权利过大而产生的不诚实行为.在本方案中,每个参与者只需维护一个子秘密,且子秘密可以重复使用,就能实现对多个秘密的共享.由于离散对数的难解性和单向函数的不可逆性,该方案是安全的.     

曲波变换域侧扫声纳图像海底底质分类

通过快速曲波变换将海底声纳图像分解为低频子带和各方向子带. 用低频子带的标准差描述声图的整体不均匀度,各方向子带的纹理能量测度描述声图纹理的方向性和粗糙性. 将构成的特征向量按SVM分类算法用于对侧扫声纳海底图像进行底质分类. 对沙、泥、石3 种类型海底的侧扫声纳图像进行分类实验,并与空域、小波域的分类方法相比较,表明文中方法能较好地用于海底底质分类.     

基于数据仓库的电能量计量数据库系统的设计

提出基于数据仓库的电能量计量数据库系统的设计。在此基础上,设计一数据仓库结构模型,并给出解决这一类问题的思想方法以及系统设计的功能实现;采用该技术,我们可对电网各部门提供电能量计量数据个性化服务,并为电力企业管理者提供电能量计量数据信息的分析及决策支持。     

应用Krawtchouk矩和支持向量机的图像纹理分割

提出一种基于Krawtchouk矩和支持向量机的图像纹理分割方法.对图像的每个像素,选择一个窗口,计算该窗口内的Krawtchouk矩,然后通过非线性变换将得到的矩值转换成纹理特征,对特征空间进行优化后,使用支持向量机进行纹理分割.和基于Zernike矩的纹理分割结果相比,本文的方法能得到更好的纹理分割结果.