基于BP神经网络与支持向量机的高速公路交通模式识别

回顾了几种传统的交通事件检测算法,提出一种新的交通模式识别方法:即从多层前向人工神经网络角度建立模型,运用BP算法予以实现,获取交通流参数的残差。再应用支持向量机良好的分类性能将残差所预示的交通模式予以分类,并与传统BP算法进行比较之后,发现此方法具有检测率高、误报率低、检测时间短的优点。     

基于支持向量机的模式识别方法

介绍了由Vapnik等人提出的统计学习理论和由此发展的支持向量机，分析了其应用前景和研究方向，两个算例表明，在模式识别领域中，采用支持向量机这一新方法，具有其他传统方法不可比拟的优势。     

基于仿生模式识别的孤立性肺结节检测

提出基于仿生模式识别理论的孤立性肺结节检测神经网络模型.实现了基于仿生模式识别、基于支持向量机和基于BP神经网络的孤立性肺结节检测,并对它们的性能进行比较分析,结合ROC曲线评价,结果表明:基于仿生模式识别的检测性能优于其他两种方法.     

基于SVM的融合双特征信息的模式识别方法

分析了现有的多特征数据融合方法.针对双特征信息融合问题,建立了新的数学模型,提出了融合基本原理,给出了基于大间隔分类器设计技术的支持向量机融合方法.简单实例说明了算法的有效性.     

基于SVM的电梯群控系统交通流模式识别

针对电梯群控调度中的交通流模式识别问题,提出了一种基于多值分类支持向量机的电梯交通流模式识别方法．文中介绍了电梯交通流模式识别的设计流程,并建立了相应的电梯交通流模式识别器．结果表明,基于支持向量机的交通流模式识别方法能够较准确地辨识出各种交通流模式．通过对比试验,证明了该算法的识别准确率优于人工神经网络算法,体现出较好的泛化能力,具有一定的实用价值.     

浅谈模式识别中的支持向量机技术分析肿瘤基因表达数据

肿瘤基因表达数据的模式识别是在已有数据的基础上建立分类器,并利用所建立的分类器对未知样品的状态进行判别。肿瘤基因表达谱数据的特点是矩阵的维数不断增加,而且样本的数目却较少。支持向量机可以处理高维数据,并且支持向量机的分类精度很高,抗噪能力也很强,使得支持向量机在肿瘤分类中有了充分的应用。     

基于在线支持向量机的电子鼻模式识别算法

针对现有电子鼻系统训练误差大、运行速度慢等特点,提出了一种新的基于在线支持向量机(Online-SVM)的电子鼻系统模式识别方法。该方法使用CH4气体与传感器阵列响应的值作为输入数据,经在线支持向量机算法进行模式识别,对CH4气体的浓度进行预测和分类。与期望结果对比,新方法的平均误差降低为5.3%,运行时间降为0.1994s,表明基于在线支持向量机的电子鼻系统模式识别方法能有效提高电子鼻系统识别的精度和速度。     

基于模式识别的煤与瓦斯突出区域预测

从潘一矿13 1煤层煤与瓦斯突出特征出发,探讨了突出机理,认为该煤层的突出是构造应力主导的倾出和压出类型的突出·针对该类型的煤与瓦斯突出,从突出的诸控制因素和预测方法的工程可行性等层面讨论了区域预测思想和具体的方法·指出煤和顶底板岩石物理力学性质的异常是构造应力主导的倾出和压出型突出危险区的基本特征和必然共性,并提出了侧重分析煤物理力学性质和瓦斯信息,对勘探资料和测井资料进行充分的数据挖掘,并结合支持向量机先进的分类算法的多因素模式识别区域预测方法,它既有理论基础,又具有工程实用性和可操作性·用这一方法对潘一矿13 1煤层煤与瓦斯突出的区域进行预测,得到的突出危险区与实际发生的突出点分布范围相...     

Study on Support Vector Machine Based on 1-Norm

The model of optimization problem for Support Vector Machine（SVM） is provided, which based on the definitions of the dual norm and the distance between a point and its projection onto a given plane. The model of improved Support Vector Machine based on 1-norm （1 - SVM） is provided from the optimization problem, yet it is a discrete programming. With the smoothing technique and optimality knowledge, the discrete programming is changed into a continuous programming. Experimental results show that the algorithm is easy to implement and this method can select and suppress the problem features more efficiently.Illustrative examples show that the 1 - SVM deal with the linear or nonlinear classification well.     

基于遗传算法的最小平方支持向量机

支持向量机和最小平方支持向量机的分类中,采用人工方法选取特征子集和参数,需要付出较高的时间代价.为此,本文提出基于遗传算法的最小平方支持向量机,借助于遗传算法的全局随机搜索能力,自动确定特征子集、参数,为特征子集、参数的优化选择提供了一条有效途径.     

模式分类与识别的新动向

综述了模式分类与识别中的特征抽取与选择、模式分类与识别的传统方法及其研究状况,同时也简介了模式识别中并行处理方法的进展.在模式识别研究中多信息源、多媒体、智能化策略的综合研究将是这一领域的新动向。     

基于神经网络的几种控制图表模式的识别研究

建立一个复合的神经网络模型,使其可以更精确的判断输入的控制图模式,同时利用该网络模型的再分类功能,可以减少判断不同模式时所造成的误判断.通过对各种模式的训练和仿真,表明该方法相对于传统方法有较大的优势.     

基于特征优选和图像相似度的人体动作识别算法

有效提取特征有利于提高后续人体动作识别的准确率。针对人体动作识别时方向梯度直方图(histogram of oriented gradient,HOG)特征维数过高和相似动作不好区分的问题,提出一种基于特征优选和图像相似度的人体动作识别算法。实验对比三种降维方法主成分分析法(principal component analysis,PCA)、PCA+Pearson、PCA+Spearman处理后的动作识别率,证明PCA+Pearson相关系数的降维效果最佳。同时将全局特征八星模型与降维后的局部特征HOG特征组合在一起全面表征人体动作,并计算相邻两帧图像相似度,自适应分配一个判别周期内单帧支持向量机分类结果的统计权值,最后二次分类人体姿态识别结果。在标准数据集KTH上进行实验,该算法识别准确率为94. 5%,较其他方法有所提高,在视频人体动作识别领域有较好应用价值。     

人工神经网络在目标图像识别中的应用

运用高阶神经网络的理论和模型，借助相似三角形的特征提取方法和高分辨率图像的粗编码方法，研究了目标的平面二值边缘图像的ＴＳＲＩ模式识别问题。     

一种新的神经网络畸变不变模式识别方法

本文以Ｗｉｄｒｏｗ等人的方法为基础，提出一种新的神经网络畸变不模式识别方法－－最小距离畸变不变模式识别网络。数值模拟显示，新方法具有完全的畸变不变性，相当高的识别精度、实时的识别速度、强大的抗噪能力、极短的自适应时间以及显著降低的运算量。     

一种应用于模式识别的神经网络模型

本文首先引入了感知神经元，建立了一种应用于模式识别的三层神经网络模型．对于任一组二元标准模式（二元图象或特征值序集），我们根据给定模式及要求设计神经网络，使之对输入模式进行识别．这种神经网络结构明确，易于实现，其实施有助于提高模式识别系统的执行速度与识别能力．