基于SVM的直升机飞行状态识别

针对直升机飞行状态识别训练样本数据少而导致识别率不高的问题,提出一种基于支持向量机(support vector machine,SVM)的直升机飞行状态识别方法.首先利用限幅、去野点和均值滤波对飞行数据进行去噪,用最小二乘法对飞行数据进行直线拟合获取变化率,并根据线性相关性提取状态特征参数,以减少数据冗余;然后根据特征参数将飞行状态分为10小类,对每一小类进行SVM分类器设计以提高识别效率;最后利用训练样本训练每个SVM分类器,用训练好的SVM分类器识别直升机全起落飞行状态.通过某型直升机实飞数据进行飞行状态识别实验,并将所提出的方法与RBF神经网络法进行对比,所得结果表明该方法在小样本情况下的识别率有明显提高,可为直升机故障诊断和寿命预测提供依据.     

不完全信道状态信息下的Turbo-BLAST系统及性能

在Turbo-BLAST方案基础上,针对信道估计有误差情况,利用不完全的信道状态信息推导出等效噪声方差,然后提出一种改进的并行干扰抵消迭代检测算法. 该算法对完全信道估计和信道估计有误差情况均有较好的适用性. 实验结果表明,所提算法可以有效改善系统误比特率性能.     

基于统计信道状态信息的节能分布式中继选择

针对放大转发协作网络中的中继节点选择问题,提出了基于统计信道信息的能量有效分布式中继选择算法. 算法对系统能量效率与系统中断性能进行折中,通过最小化系统平均消耗总功率来确定转发阈值,各中继节点根据转发阈值独立地决定是否参与数据转发. 考虑有多个中继节点辅助源节点进行数据传输,提出了基于数值搜索方法确定转发阈值的多中继节点选择算法,在满足系统目标中断性能的同时,使系统消耗较少的平均功率. 为了降低阈值求解的复杂度,考虑只有1 个中继节点参与数据转发,进而提出了具有低计算复杂度的单中继节点选择算法. 仿真结果表明,与已有的放大转发模式下的中继选择算法相比,该文提出的算法在能量效率上具有更好的系统性能.     

基于机器学习的铁路道岔故障识别

道岔的正常运转是保证列车正常运行的必备条件,传统的道岔故障检测方法主要来源于人的工作经验,根据电流的非正常变化来判别道岔是否发生故障,消耗较多的人力资源与物力资源.为了提升资源的有效利用率,本文运用概率主成分分析法提取数据的主要特征,分别采用支持向量机模型和k近邻模型作为道岔故障分类器,然后使用十折交叉验证法作为模型的...     

基于SVM的新浪微博营销类水帖识别研究

研究一种发现水帖的分类算法.该方法利用SimHash方法将发帖重复当成类似网页去重的问题处理,发帖内容的重复度和其他特征,如发帖的密集型、帐号名称的相似性,所使用的客户端等特征将用于水帖与正常发帖的分类.该文利用新浪微博API下载多个汽车营销账号下的交互数据作为实验数据,并使用SVM作为分类器.实验结果表明,该方法能够较好地发现那些伪装性非常好的水军所发布的水帖.     

手背静脉识别算法研究

手背静脉识别是一种新兴的非接触式红外生物特征识别技术,近年来得到了广泛的关注.提出了一种静脉识别算法,算法首先对静脉图像进行分割,通过滤波有效地去除斑点噪声和水平条状扫描噪声,然后进行平滑细化和毛刺修剪,得到失真较小的静脉骨架,最后提取静脉骨架的7个修正的几何不变矩作为支持向量机的输入进行分类识别,在有500个样本的数据库上进行实验,获得了95.5%的识别率,表明了算法的有效性.     

基本图像特征用于文本图像文种识别

为了解决现有方法在运算速度和识别效果上的矛盾,该文将基本图像特征用于文本图像文种识别. 按照纹理分析结构方法的观点,将纹理基元划分为7 种类型,提取描述文本图像纹理基元构成以及其空间位置关系的特征,采用支持向量机对所提特征进行训练和分类,实现文字种类识别. 实验选用有质量退化的中、英、俄、日、韩、阿拉伯等10 种不同语言文字的文本图像,结果表明该算法运算速度快,有较高的识别准确率,并对图像质量退化有较好的鲁棒性.     

基于支持向量机的机器学习的研究

对机器学习、支持向量机的研究现状进行了综述,阐述了机器学习和支持向量机的基本概念以及支持向量机的训练算法.     

Ad Hoc网络中基于信道状态的速率自适应机制

针对多跳Ad Hoc网络,给出了一种兼顾分组碰撞和信道误码的饱和吞吐量解析式,基于此提出一种速率自适应机制.该方案支持多个速率,能够根据信道状态,以最大化饱和吞吐量为目标,选择最优的数据分组长度和数据分组发送速率.仿真结果表明,该方案在饱和吞吐量和抗信道衰减方面性能优于OAR和不同速率模式下的802.11 DCF.在信道衰减较剧烈时,性能与802.11 DCF 1 Mbps相比提高260%,与OAR相比提高10%.     

基于特征提取的调制识别方法研究

基于特征提取的调制识别是通过分析信号在时域、频域或其他变换域的差异来提取信号的特征并对信号进行识别分类.针对调制信号载有信息的特点,从信号的瞬变信息、缓变信息以及提取方式等方面对特征提取方法进行研究,并对一些经典的信号特征以及基于时频分析的特征进行了分析,最后研究了两种分类器(神经网络和基于支持向量机)在基于特征提取的调制识别领域的应用.     

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．     

基于SVM的高校录取分数预测模型

由于随机性大,影响因素多,导致高校录取分数预测困难,准确度不高,相关研究较少.针对这种情况,尝试基于支持向量机(SVM)理论,结合我国高考录取模式,建立SVM模型对高校录取分数进行初步预测.通过对预测结果的定量分析,证明预测效果较理想,预测的平均绝对误差为7.6分,同时验证了SVM预测模型在高校录取分数预测中的可行性.     

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.     

基于GWO-SVM模型的水质评价

基于支持向量机在处理小样本数据中的优势,本文选用支持向量机对水质进行评价,并选择灰狼算法对支持向量机的两个参数(核函数参数g和惩罚因子c)进行优化,选取实例数据,以分类的准确率为评价标准,建立GWO-SVM水质评价模型,然后将其结果与GA-SVM模型、标准SVM模型的评价结果相比较。结果显示,GWO-SVM模型评价结果更好。     

基于支持向量机的文本分类技术研究

介绍了文本分类的基本过程,讨论了常用的文本分类方法如K-最近邻分类算法K-NN(K-Nearest Neighbors,K-NN)、朴素贝叶斯分类算法NB(Naive Bayesian Classifier,NB)、决策树分类算法DT(Decision Trees,DT),并探讨了基于支撑向量机SVM(Support Vector Machines,SVM)的文本分类基本原理及方法.     

基于支持向量机与结构矩的车型识别实时鲁棒算法

车型分类精度是目前交通环境中的研究热点.提出了一种鲁棒性好实时性强的基于支持向量机的机动车型识别方法,对车辆的类型进行分类,选择合适的结构矩为车辆特征,以支持向量机方法为学习分类器,获得了较高的车辆分类精度,在一定程度上解决了车辆分类难的问题.现场视频处理的结果表明:该法鲁棒实时有效,且车型分类精度得到了一定提高.     

基于SVM判决的RS编码EBPSK调制解调器

冲击滤波器能将扩展的二元相移键控（extended binary phase shift keying, EBPSK）调制信号的相位跳变转化为幅度冲击,从而突出了“0”和“1”码元的波形差异. 为了充分利用该特性,文中设计了基于支持向量机（support vector machine, SVM）判决的RS编码EBPSK调制解调器. 简述了EBPSK调制解调原理,并
利用SVM的分类能力给出了EBPSK检测模型. 对二元相移键控BPSK和EBPSK的性能进行对比,设计了基于SVM的RS编码EBPSK调制解调器. 仿真结果表明：1) 以比特每秒/赫兹/信噪比为综合指标,EBPSK系统性能优于BPSK;2) 在AWGN信道下,当误码率为10−4时与自适应门限判决的RS编码EBPSK调制解调器相比,基于SVM的调制解调器可获得约1 dB的编码增益.     

基于冲突矩阵随机排序的多信道无线网络信道分配

多信道无线网络可利用多个信道通信,提高网络容量. 为链路分配信道是多信道无线网络研究中的重要问题. 文中提出一种基于冲突矩阵随机排序的多信道分配算法. 节点根据可用信道数目将网络划分为相应子网,然后对链路随机排序,并根据网络冲突图得到冲突矩阵. 最后以减少子网内链路冲突为目标,根据冲突矩阵将信道分配给各链路. 分析和仿真结果表明,该算法有效降低了网络冲突,提高了归一化网络吞吐率.     

生物识别技术的类别及其在身份识别中的应用

生物识别技术作为一个新的技术热点,引起了全世界科研机构的关注。一方面,生物识别技术代表了一个国家在半导体领域的工业技术水平;另一方面,生物识别技术也能使人民生活方式更加方便,极大地提高生产力。本文在生物识别技术类别的基础上,重点探讨指纹识别技术的发展。     

一种基于微博用户行为的僵尸粉识别方法

有效地区分僵尸粉和真实用户对于评估企业营销活动的实际效果以及评价名人、网站等用户的真实影响力具有十分重要的价值。僵尸粉的形态已从过去以关注为主的低级形态向进行营销的高级形态过渡,为了有效地鉴别微博中的僵尸粉,本文通过构建用户的粉丝数、关注数、微博数、转发数、微博的转发情况、微博的评论情况、分时段的发博数等代表用户行为的特征向量,提出了一种基于用户行为的智能识别方法。通过实验证实,对比微博用户静态特征的识别方法,利用本文构建的基于用户行为的僵尸粉识别方法,准确率有较大提升。