基于机器学习的低分辨率图像增强和细节匹配方法

当前低分辨率图像增强和细节匹配方法具有细节易丢失、边缘模糊、无法适应图像平移、旋转等变化的弊端,导致图像增强与细节匹配性能低下。为此,提出一种新的基于机器学习的低分辨率图像增强和细节匹配方法。通过建立一个间隔最大的超平面获取最小二乘支持向量机分类器。在待处理低分辨率图像中选择一块图像,将图像的每个3×3邻域像素看作一个训练样本,通过最小二乘支持向量机法对其进行训练,输出增强像素点。通过复数小波对图像特征进行描述,利用最小二乘支持向量机获取最优判定准则函数,输出最优匹配的目标子图像。实验结果表明,所提方法有很高的峰值信噪比、边缘保持指数和等效视数,很低的归一化均方误差、均值和方差,整体性能优。     

模糊均值聚类和最小二乘支持向量机相融合在遥感图像分类中的应用

为了提高遥感图像分类精度,提出一种模糊均值聚类(FCM)和最小二乘支持向量机(LSSVM)相融合的遥感图像分类方法(FCM-LSSVM).首先对遥感图像样本进行模糊均值聚类,得到隶属度矩阵,然后根据隶属度矩阵选择遥感图像的训练样本,最后将训练样本输入到最小二乘支持向量机进行学习,并采用粒子群优化最小二乘支持向量机参数,建立遥感图像分类模型.通过仿真实验对算法性能进行测试,结果表明FCM-LSSVM提高了遥感图像分类效率和分类精度.     

构造稀疏最小二乘支持向量机的网络入侵检测模型

从最小二乘支持向量机的稀疏表达出发,构建高效的基于稀疏最小二乘支持向量机的网络入侵检测模型,提出了一种通过基于核空间近似策略的有效低秩逼近来有效减小原始训练样本集中的支持向量数来实现最终模型的稀疏表达.以MIT KDD99数据集为基础,对所提出方法进行有效性验证,并与利用剪枝策略通过递归过程中不断减少模型中支持向量个数的稀疏化方法、基本最小二乘支持向量机以及标准支持向量机方法的性能进行对比.结果表明:基于核空间近似的最小二乘支持向量机稀疏化与标准最小二乘支持向量机相当;此外稀疏最小二乘支持向量机能够提高入侵检测响应速度.     

基于PSO优化LSSVR的三维WSN节点定位方法

提出了一种基于粒子群优化最小二乘支持向量回归机的三维无线传感器网络节点定位方法。该方法首先运用最小二乘支持向量回归机构建三维节点定位模型,再利用粒子群优化算法对最小二乘支持向量回归机核函数参数和规则化参数寻优。然后,根据若干虚拟节点定位的预测位置与实际位置的均方差构造粒子群算法适应度函数,通过有限次建模参数迭代寻优获得最小二乘支持向量回归机全局最优参数。最后,返回回归模型中进行定位计算,实现节点定位。仿真结果表明,所提出的方法与最小二乘和最小二乘支持向量回归机定位方法相比,可以提高节点定位精度。     

基于PSO优化LSSVR的三维WSN节点定位方法简

提出了一种基于粒子群优化最小二乘支持向量回归机的三维无线传感器网络节点定位方法。该方法首先运用最小二乘支持向量回归机构建三维节点定位模型,再利用粒子群优化算法对最小二乘支持向量回归机核函数参数和规则化参数寻优。然后,根据若干虚拟节点定位的预测位置与实际位置的均方差构造粒子群算法适应度函数,通过有限次建模参数迭代寻优获得最小二乘支持向量回归机全局最优参数。最后,返回回归模型中进行定位计算,实现节点定位。仿真结果表明,所提出的方法与最小二乘和最小二乘支持向量回归机定位方法相比,可以提高节点定位精度。     

基于最小二乘支持向量机的滤波器设计

为了改善传统方法设计滤波器的幅频响应性能,提出了基于最小二乘支持向量机的滤波器设计方法．优化选择最小二乘支持向量机参数,以理想滤波器的幅度响应作为学习样本,通过最小二乘支持向量机训练,使得实际滤波器的幅度响应逼近理想滤波器的幅度响应．仿真结果表明,由该方法设计的一维和二维滤波器性能接近于理想滤波器．     

一种混合模型在30 MnSi钢变形抗力预测中的应用

利用Gleeble-1500热模拟实验机对30 MnSi钢进行热模拟实验来获取不同变形条件下的变形抗力,提出一种新的混合模型--人工免疫最小二乘支持向量机模型来提高变形抗力的预测精度.在混合模型中,最小二乘支持向量机的最优参数通过人工免疫算法获得.实验结果表明,这种新模型不仅能重现样本数据的变形抗力,而且也能非常精确地预测非样本数据.通过与BP方法相比较,该方法在变形抗力预测的有效性和精确性方面都有很大提高,尤其是网络泛化性能的提高.     

最小二乘支持向量机鲁棒回归算法研究

最小二乘支持向量机因模型学习过程中以二次损失函数为经验风险,造成学习结果对噪声特别敏感。鉴于实际问题中噪声不可避免、不可预测,且分布规律难寻,该文主要研究最小二乘支持向量机的鲁棒性增强算法,以提高其抵抗噪声与异常值的能力。通过分析得知,样本的局部异常因子与噪声大小间具有很大的相关性,因此提出了用于非线性回归问题的局部异常因子概念;并将其应用于最小二乘支持向量机模型学习时最优损失函数的确定中,提出了基于样本局部异常因子的直接加权最小二乘支持向量机鲁棒回归算法。为验证所提出算法的性能,该文最后以2个典型非线性对象为例,将其与原最小二乘支持向量机、文献中已有的基于预估噪声分布的加权最小二乘支持向量机进行了对比。对比结果表明,所提出的直接加权最小二乘支持向量机算法具有更好的鲁棒性。     

最小二乘支持向量机的研究与应用

支持向量机是近年来机器学习领域出现的新的分类方法。在介绍支持向量机的基本原理及基于最小二乘支持向量机算法的基础上,结合一个实例阐述了最小二乘支持向量机在预测方面的应用,通过MATLAB仿真实验,结果表明该方法是有效的。     

基于自适应LS-SVM的柴油机进排气系统故障诊断

 提出了应用自适应最小二乘支持向量机和小波包能量特征的柴油机进排气系统故障诊断方法。对气门间隙异常、气阀漏气等几种常见故障和系统正常运行进行小波包分解,提取频带能量作为支持向量机的输入特征向量;然后,利用自适应优化算法对最小二乘支持向量机进行优化;最后,利用基于优化参数和最小输出编码的最小二乘支持向量机进行故障分类和识别。对比实验表明,与BP神经网络和采用交叉验证的传统最小二乘支持向量机相比,该方法可克服训练时间较长、容易陷入局部最小等问题,具有较快的训练速度和较高的分类准确率,提高了传统最小二乘支持向量机算法的寻优速度,在样本数较小时仍可取得较好的效果,能有效诊断柴油机进排气系统故障。     

SVMs在油气管道焊缝缺陷检测中的应用

提出了基于支持向量机的焊管焊缝缺陷识别方法和步骤.对焊缝图像采用了图像增强、形态学处理、边缘检测等操作,解决焊缝图像在输入时受到外界干扰带来的图片噪声过多、缺陷边缘模糊和对比度低等问题,便于对焊缝图像进行特征提取.结合焊缝缺陷样本多分类的特点,对焊缝图像进行分类时使用SVM"一对一"聚类结构并对样本进行识别.实验结果表明,该模型具有识别精度高、速度快、容易实现等优点,适合对焊管焊缝缺陷的识别.     

基于支持向量机的图像识别

支持向量机是统计学习方法，正成为当今研究的热点．支持向量机在模式识别和文本分类等方面获得了极大的成功，分类的准确率很高，用支持向量机的方法处理一些二值图像和灰度图像，能获得较好的统计结果．从中摸索出了一种特征向量集的选取方法，讨论了判断结果优劣的标准，比较了支持向量机方法与其他方法得到的结果，得出了重要结论：用支持向量机识别图像的边缘具有非常优异的统计性能．     

基于SVM分类的图像边缘检测研究

针对经典边缘检测算子检测含噪声图像边缘结果不理想的问题,提出采用基于统计学习理论的支持向量机(Support Vector Machine,SVM)方法建立分类模型,并对图像进行边缘检测.实验基于MATLAB平台,运用OSU_SVM3.0和LS_SVM工具箱建立模型,实验表明:该方法不仅可以有效地检测图像边缘,还在一定程度上克服了噪声干扰,并可以将被测图像中的特定图形检测出来.     

超分辨率数字图像特征提取及重构方法研究

当前超分辨率数字图像特征提取及重构方法容易受到外界环境的干扰,导致重构结果不可靠,重构图像质量较低。为此,提出一种新的超分辨率数字图像特征提取方法,通过BRISK描述子对超分辨率数字图像特征进行提取,以提高重构图像质量。详细分析了重构约束的构建过程;在此基础上,通过低分辨率数字图像与平滑性求解获取高分辨率数字图像,从而实现超分辨率数字图像的重构。实验结果表明,采用所提的新的超分辨率数字图像特征提取及重构方法对图像进行重构,不仅匹配性能高,而且重构图像质量优、效果佳。     

基于图像特征的变压器套管憎水性识别方法

鉴于当前复合绝缘材料变压器套管监测的现状,利用变压器套管盘面水滴图像特点,提出了基于图像特征的变压器套管憎水等级识别方法。首先,该方法采用小波理论对图像进行去噪和增强,增强了图像的视觉效果和细节,然后采用改进的分水岭方法对图像进行分割,最大程度保证原始图像真实性的同时,得到水滴的边缘。提取和选择最具表征特性的特征量。最后,设计了最小二乘支持向量机分类器,实现了憎水等级的智能识别,给出了仿真结果,并将该方法应用于现场在线监测系统,取得了较好的效果。     

支持向量机在大类别数分类中的应用

研究支持向量机在大类别数分类中的应用;结合二叉决策树的基本思想提出一种基于支持向量机（support vector machine,SVM)的大类别数分类解决方法,即SVM决策树方法,对不同背景下可选用的SVM决策树的结构进行了讨论,分析了SVM决策树的特点,并对其识别错误率进行数学进行,结果表明该方法可降低平均分类错误率,对实际应用中的多类分类问题提供新的途径。     

基于支持向量机和用户反馈的图像检索算法

针对当前图像检索算法存在精度低、 实时性差等不足, 为了获得更理想的图像检索结果, 提出一种基于支持向量机和用户反馈机制的图像检索算法. 首先采集大量图像, 提取图像检索的相关特征, 建立图像检索特征库； 然后采用支持向量机计算待检索图像特征与图像检索库特征之间的相似度, 确定图像类别, 实现图像的初步检索； 最后引入用户反馈机制对图像的初步检测结果进行精细比对, 并与经典图像检索算法进行对比实验. 实验结果表明, 该方法的图像检索精度超过90%, 图像检索误差远小于经典图像检索算法, 提高了图像检索效率.     

基于支持向量机和用户反馈的图像检索算法

针对当前图像检索算法存在精度低、 实时性差等不足, 为了获得更理想的图像检索结果, 提出一种基于支持向量机和用户反馈机制的图像检索算法. 首先采集大量图像, 提取图像检索的相关特征, 建立图像检索特征库; 然后采用支持向量机计算待检索图像特征与图像检索库特征之间的相似度, 确定图像类别, 实现图像的初步检索; 最后引入用户反馈机制对图像的初步检测结果进行精细比对, 并与经典图像检索算法进行对比实验. 实验结果表明, 该方法的图像检索精度超过90%, 图像检索误差远小于经典图像检索算法, 提高了图像检索效率.     

一种基于链码向量的图像匹配算法

基于特征的图像匹配算法被广泛应用于图像处理和模式识别领域中,图像特征提取以及采用的匹配算法并直接决定图像匹配的效果。为了尽可能准确的实现图像匹配,提出了一种基于链码向量的边缘特征匹配算法。首先通过改进的Laplace边缘检测算子提取图像中的边缘信息,提高了边缘检测的可靠性;然后,将提取到的边缘信息由边界链码描述,并将边界链码构造成向量,利用数学向量相似度原则进行图像匹配。实验结果表明,该匹配算法简单快速,匹配准确率高,具有较高的实用价值。     

一种新的视频文本定位方法

本文提出了一种基于投影分析与支持向量机学习相结合的文本定位方法。首先采用投影分析的方法将可能的文本区域提取出来,然后再采用基于支持向量机学习的方法将提取出来的文本区域中的虚假文本区域排除掉。采用投影分析的方法时先将图像的边缘提取出来,再使用一些形态学的操作使边缘聚集,最后采用多次投影定位出文本区域。在使用支持向量机进行文本分类时本文采用了小波,角点,扫描线和区域内边缘点的重心位置等特征。实验表明该方法比单纯的基于边缘的方法要好。