多特征融合和最小二乘支持向量机的运动视频图像分类研究

为了提高运动视频图像分类精度,提出了利用多特征融合和最小二乘支持向量机的运动视频图像分类方法.采集运动视频,采用两帧差分法分割运动视频图像,并提取运动视频图像的多个特征;将不同特征输入到最小二乘支持向量机中进行学习和训练,获得单一特征的运动视频图像分类结果;利用证据理论对单一特征的运动视频图像分类结果进行融合,得到运动...     

基于支持向量机元分类器的体育视频分类

为弥补特征提取中的语义缺陷,提出了一种利用领域知识规则填补特征与高级语义之间鸿沟的思想,从体育视频中对语义对象进行有效的特征提取,并采用支持向量机元分类器和组合策略对体育视频进行分类的方法.实验表明,该分类方法对大部分体育视频都具有很好的分类效果,平均准确率可达92.23%,优于其他提取特征无语义关联的分类方法.     

基于SVM的四类运动想象脑电信号分类方法研究

针对传统支持向量机分类方法在脑电信号处理中存在分类正确率低的问题,将聚类思想与二叉树支持向量机结合构造多类SVM分类器。实验以“BCI Competition 2005”中的Dataset IIIa为例,先对C3/C4导采集的四类运动想象脑电信号应用小波变换进行去噪;再在分析小波包频带划分特点的基础上,利用小波包进行分解与重构,获取相应的能量特征;最后应用改进后的支持向量机(SVM)分类方法对特征信号进行分类。结果表明该方法分类正确率较高,可以达到91.12%,并且有效的减少了分类器的个数,最终达到较好的识别效果。     

基于最小二乘支持向量机的脑电信号分类

研究了基于运动想象脑电信号对大脑的想象运动状态进行分类识别的问题.根据事件相关同步和事件相关去同步现象识别出被试的想象运动状态,通过频带能量特征提取方法获得了想象左右手运动时的脑电信号特征,使用最小二乘支持向量机对提取到的频带能量特征进行分类.结果表明,使用最小二乘支持向量机可以对运动想象脑电信号的频带能量特征进行有效分类,分类正确率达到92%,其分类效果与使用标准支持向量机相当,但在计算速度上更有优势.     

基于两级支持向量机分类的视频镜头分割方法

提出一种基于两级支持向量机分类的视频镜头分割方法.第1级分类器利用分段视频首尾帧直方图距离,结合滑动窗口和陷波方法计算分段视频的特征向量,通过支持向量机来分类筛选含有镜头边界的子段;第2级分类器根据不同间距的帧间直方图的距离特征,采用时间窗口法构造特征向量,利用二叉树支持向量机多分类策略检测镜头边界的位置.结果表明,所提出的方法能够同时提高切变和渐变的镜头边界的检测效果.     

基于融合MPEG-7描述子和二次预测机制的视频自动分类算法

针对互联网上日益增长的视频数量，提出了一种大量融合MPEG 7描述子并启用二次预测机制的视频自动分类方法.研究了颜色、纹理、形状、运动等9种MPEG 7描述子，从5类视频中提取并融合这些描述子作为视频的整体特征，输入支持向量机（SVM）中进行模型训练和预测.在传统支持向量机的1 1方法中，通过启用二次预测机制来提高分类的准确率.实验结果表明，该方法与其他方法相比有较高的准确率，适合大规模、复杂环境下的视频自动分类任务.     

基于支持向量机的脑电信号分类方法研究

针对传统支持向量机分类方法在脑电信号处理中存在分类正确率低的问题,将聚类思想与二叉树支持向量机(SVM)结合,构造多类SVM分类器。实验以"BCI Competition 2005"中的Dataset IIIa为例,先对C3/C4导采集的四类运动想象脑电信号应用小波变换进行去噪。再在分析小波包频带划分特点的基础上,利用小波包进行分解与重构,获取相应的能量特征。最后应用改进后的SVM分类方法对特征信号进行分类。结果表明该方法分类正确率,可以达到91.12%;并且有效地减少了分类器的个数,最终达到较好的识别效果。     

基于改进支持向量机的变压器故障诊断

针对支持向量机训练时间长、分类速度慢、故障诊断率不高等问题,引入模糊算法对支持向量机进行优化.先利用模糊C均值求得样本中心,再利用支持向量机中的二分类法对故障进行准确定位,达到诊断的目的.仿真结果表明,相比于支持向量机、BP神经网络和改良三比值法,改进后的支持向量机的故障诊断准确率最高.     

基于分形维数和SVM的新疆民间艺术图案分类

针对已有分类器存在的缺陷, 提出一种以分类错误率为标准选择组合特征的分类方法, 提高分类器的分类精度. 先提取图像的4种分形维数作为纹理特征, 再通过组合不同分形维数特征应用于支持向量机(SVM)进入样本训练阶段. 将分类错误率最低的特征组合作为分类器的特征向量, 应用于测试阶段的分类, 提高分类器的分类精度. 实验结果表明, 该方法具有较好的推广性, 为图像特征组合提取提供了新途径.     

视觉显著性驱动的运动鱼体视频分割算法

针对养殖监控视频中运动鱼体目标检测问题,提出一种基于视觉显著性计算的运动鱼体视频分割算法.首先,将运动特征通道引入基于图论的显著性计算模型中,对多通道特征进行自动加权,生成全局视觉显著图.其次,利用基于方向梯度直方图的支持向量机分类器对显著区域进行目标确认,得到包含前景目标的感兴趣区域.最后,分割出运动鱼体目标,并将其标注在视频序列中.实验结果表明,所提方法在室内养殖监控数据集上能够很好地剔除水面杂波、反光等复杂背景干扰,实现运动鱼体的视频分割.     

基于局部密度比的模糊隶属度设置算法

基于知识发现中的局部异常因子思想, 提出一种基于局部密度比的模糊隶属度设置算法, 该算法根据样本的邻域密度比设置样本的隶属度, 并采用一种单参数选择策略. 数值实验表明, 所提出的算法在带噪声的非线性函数估计方面具有很好的鲁棒性, 有效地解决了模糊支持向量机中的模糊隶属度设置问题, 对处理带噪声的分类和非线性函数估计问题具有重要的意义.     

基于链码的人体骨架建模

提出一种基于链码和曲率的人体骨架建模方法.先通过形态学方法得到人体骨架并将其简化后用邻域法求出骨架端点,然后用链码表示骨架遍历得到骨架分叉点,并通过上肢链码的曲率值得到骨架拐点,再对各个关键点进行相应的连接,建立人体骨架模型,进而表达人体上肢运动的有效信息.实验结果表明,该方法取得了较高的拐点检测准确率,且耗时较少,建模效果较好.     

草叶表面的一维非对称界面摩擦特性

用扫描电子显微镜观察黑麦草叶表面的微观结构,研究液滴与表界面的一维非对称摩擦特性.结果表明:黑麦草叶表面具有不等周期的锯齿结构阵列,且锯齿结构具有特定的取向特征;黑麦草叶表面对液滴产生一维摩擦特性的主要原因是由于取向的锯齿结构在液滴运动时形成了方向依赖的非对称三相接触线导致不同的接触黏滞,证实了微观结构与界面摩擦特性的...     

在离散事件系统中寻找诊断路径的方法

利用简单的编码理论提出一种在离散事件系统的故障诊断中快速找到诊断路径的方法.该方法通过状态编码,降低了在离散事件系统诊断同步过程中的时间复杂度,消减了诊断路径冗余.能够在给定的观测集合上快速提取诊断路径,更适合实际观测事件较少的系统.在模型完备假设下,除首次根据观测集合进行诊断需要指数级时间外,后续观测诊断时间降低到多项式级.实验验证了方法的有效性.     

N末端缺失萝卜谷胱甘肽磷脂氢过氧化物酶的表达、纯化及结构预测

将N末端定位信号缺失萝卜PHGPx（RsPHGPx）的cDNA 片段克隆到表达载体pGEX-6P-1上, 并转化至大肠杆菌内进行表达. 通过GST亲和层析、离子交换层析和凝胶过滤层析, 制备了用于晶体学研究的RsPHGPx. 其浓度约为10 g/L, 纯度超过95％, 具有PHGPx活性. 三维结构同源建模显示RsPHGPx的结构为典型的硫氧还蛋白折叠形式.     

基于网络的个人健康管理实时监控健康分析平台

针对个性化电子医疗服务、高效医疗服务和远程医疗服务的需求,将国际通行个人健康档案标准数据模型、Java手机客户端和网络服务技术相结合,构建一个基于Web2.0的社区医疗服务平台,该平台实现了为医生/患者、教练/运动员4类用户提供基于网络的实时监控及在线远程医疗分析功能.     

基于分形维数和小波域特征的计算机生成图像检测算法

针对自然图像与计算机生成图像在统计特征上存在的差异, 提出一种基于分形维数和小波域特征的计算机生成图像盲鉴别算法, 该算法基于统计特征对图像进行真伪识别. 在使用支持向量机作为分类器的情况下, 对800张标准图像进行实验的结果表明, 该算法对计算机生成图像检测准确率达96.5%, 明显提高了计算机生成图像的识别精度, 为数字图像的真实性提供了保证.     

一种新的小波域正交数字水印方案

提出一种基于人眼视觉模型、 小波变换和正交向量的数字水印方案. 首先对原始图像进行8×8的分块, 然后对每小块进行小波变换, 进而对水印图像进行调制, 并加入到原始图像中, 形成带水印图像, 最后进行小波反变换得到含有水印的图像. 在水印检测过程中, 根据实际需要提出了非盲水印和盲水印两种检测方案. 根据正交向量的特点通过假设检验的方 法提取水印. 实验表明, 这种方法能有效检测出水印图像, 并对常见的水印攻击（如裁剪、 JPEG压缩等）具有良好的鲁棒性, 尤其对信号增强或减弱抗攻击性强.     

基于支持向量机的增量学习算法

通过对支持向量机KKT条件和样本间关系的研究,分析了新增样本加入训练集后支持向量的变化情况,提出一种改进的Upper Limiton Increment增量学习算法.该算法按照KKT条件将对应的样本分为3类:位于分类器间隔外,记为RIG;位于分类间隔上,记为MAR;位于分类间隔内,记为ERR.并在每次训练后保存ERR集,将其与下一个增量样本合并进行下一次训练.实验证明了该算法的可行性和有效性.