基于火焰图像特征与BT-SVM的窑况识别方法

针对氧化铝回转窑烧成带工况变化复杂难以实现连续在线检测,长期依赖人工看火操作的难题,提出了利用计算机图像处理技术模拟传统的人工看火过程进行窑况识别研究的方法,方法包括两个部分:提取烧成带火焰图像特征,融合关键工艺过程数据组成混合特征;建立具有准正态二叉树结构的支持向量机窑况识别模型对混合特征数据进行分类识别.最后,应用该方法对采集得到的火焰图像数据与过程数据进行仿真实验研究,获得了满意的效果.     

基于角点特征与支持向量机的车牌字符识别

为了提高车牌识别中车牌字符的识别率,提出一种角点特征和支持向量机相结合的车牌字符识别新方法.首先使用Moravec算子提取字符图像中的特征点,然后根据特征点在图像中的分布情况构造特征向量,并使用小样本对支持向量机进行训练,最后使用训练好的支持向量机进行字符识别.实验结果表明,在训练样本较少的情况下,该方法正确率较高,算法简单,稳定性好.     

基于K-means的二阶段多类SVM分类器

提出了基于K-means的二阶段多类SVM分类方法.该方法分为二个阶段:第一阶段采用K-means聚类,通过抽样精度来提高聚类准确度;第二阶段采用LIBSVM进行分类.通过使用LIBSVM提供的语料进行实验,结果显示比直接使用LIBSVM进行分类准确度提高了9.35%.     

裂纹源的支持向量机与神经网络定位对比研究

利用声发射技术检测水轮机叶片裂纹的产生位置.针对水轮机结构复杂及裂纹位置比较集中等特点,提出利用支持向量机的分类与回归功能对水轮机转轮叶片的裂纹进行定位.结果表明,与BP(误差反向传播)神经网络相比,支持向量机在叶片区域的识别率为100%,高于BP网络;裂纹源到焊缝的距离的预测精度也稍高于BP网络,因而支持向量机是一种适合复杂结构的定位方法,特别是在样本量不大的场所.     

基于WebGIS的农户耕地管理与施肥决策支持系统的构建

以双城市中兴村为例,利用遥感数据、农户调查信息及土壤采样点数据,结合专家施肥知识模型和Java语言,在WebGIS平台上开发并建立农户耕地管理与施肥决策支持系统。本系统实现了农户耕地资源可视化的管理,决策者可以通过网络平台了解耕地管理和土壤肥力状况;实现了合理施肥指导,农户可以通过该系统了解地块信息并获得专家推荐施肥指导。该项研究对信息化农业的推进,对提高农民收益和保护生态环境有着重要意义。图5,参13。     

基于数据分割和集成学习的大规模SVM分类算法

支持向量机对分类问题的求解过程相当于解一个线性约束的二次规划问题,求解的变量个数与训练样本数相等,且需要计算和存储的核矩阵大小与训练样本数的平方相关.随着样本数目的增多,经典的求解二次规划问题的算法不再适用.针对大规模二分类问题,基于数据分割和集成学习策略,本文提出了一种快速支持向量机学习算法.其主要思想是:首先对数据集进行预处理,自动将正负类分别聚成若干子簇;然后对两两组合的正负子簇用SMO算法进行交叉学习,得到多个基本分类器;最后对这些基本分类器进行集成学习.在UCI的5个数据集上的实验表明,与SMO学习算法相比,这种基于数据分割的训练策略在精度几乎没有损失的情况下显著地提高了训练速度.     

基于最小二乘支持向量机的交通安全预测模型

分析了最小二乘支持向量机(LS-SVM)在交通安全预测中的优势,确定输入向量集合和输出向量集合,利用LS-SVM建立交通安全预测模型.将1953～2006年全国交通安全相关数据分为训练集和测试集,利用Matlab 7.0进行仿真测试.通过训练LS-SVM得到模型具体参数值,然后对测试集数据进行预测,计算预测误差,并与神经网络模型、SVM模型预测结果进行对比.仿真结果表明,基于LS-SVM建立的交通安全预测模型比神经网络预测模型、SVM模型具有更高的运算速度和预测精确度.     

基于LS-SVM的温度传感器非线性关系拟合及参考端温度补偿

文章编号: 提出一种基于最小二乘支持向量机(LS-SVM)的温度传感器非线性关系拟合模型,并根据温度传感器的输入 输出特性给出两种方案对参考端温度进行补偿. 建立了LS-SVM回归模型,利用LS-SVM超强的学习能力对温度与电势 间的非线性关系进行精确拟合. 两种方案均可对参考端温度进行有效补偿,其中方案2 可根据参考端温度、传感器实测 电势对实际温度直接拟合,简化了补偿过程,提高了识别精度. 实验表明,LS-SVM回归法及文中所提出的补偿方案能很 好地逼近实际温度,提高测量精度.     

支持向量回归多参数的同时调节

参数调节问题是支持向量回归的基本问题.已有的参数调节方法主要采用内外双层优化框架,调节过程中,训练学习器与更新超参数交替进行.这种嵌套结构具有较高的计算复杂性.针对这一问题,提出了支持向量回归多参数的同时调节模型.首先,将Lagrange乘子、惩罚因子、不敏感度参数和核函数参数合并为一个参数向量,推导出支持向量回归问题的一个新的表示形式,可将原来分离的双层调节过程整合为一个单层调节过程.然后,应用贯序无约束极小化技术(SUMT),将支持向量回归问题转化为多元无约束优化问题.在此基础上,应用变尺度方法(VMM)设计、分析并实现了一个同时调节算法.最后,通过标准数据集上的实验,验证了同时调节算法的收敛性,并比较了同时调节算法与常用调节算法的有效性和计算效率.理论分析与实验结果表明,同时调节模型是一正确且有效的多参数调节模型.     

一种基于SVM的网页层次分类算法

设计了一种基于统计的多层次分类算法:在一个树状的层次分类体系中,对文档进行自动分类时,首先从根结点开始找到对应的大类,然后递归往下直到找到对应的最底层子类.每一层中使用支持向量机作为分类模型,并使用类别均衡的方法解决数据稀疏的问题,在经过大规模网页语料训练后取得了很好的分类效果.