基于IM-SAPSO和SVM的EBPSK检测器设计

参数选择对于支持向量机(support vector machine, SVM)的分类性能很重要,其本质是搜索寻优.该文提出以最小化K-fold交叉验证误差为目标,以改进模拟退火粒子群优化算法(improved simulated annealing particle swarm optimization, IM-SAPSO)为寻优方法的SVM参数优化方法. 利用优化的SVM对扩展的二元相移键控(extended binary phase shift keying, EBPSK)通信系统中经冲击滤波器的“0”和“1”码元进行分类,并和基于SVM、PSO-SVM以及幅度积分判决的EBPSK检测器进行性能对比. 仿真结果表明：基于IMSAPSO和SVM的EBPSK检测器性能明显好于其他3 种检测器.     

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.     

基于抗非线性SVM的几何整形可见光通信系统

非线性效应限制是高速可见光通信系统性能提升的一大瓶颈问题,为此提出将支持向量机(support vector machine, SVM)监督学习算法应用于几何整形可见光通信系统接收信号星座点的分类判决,将信号的同向分量和正交分量作为特征向量,建立最优分类界面,以降低非线性条件下星座点变形带来的符号误判,同时比较几种几何整形设计的性能.仿真分析和实验结果表明,SVM提升了非线性条件下系统的性能,在数据速率为1.2 Gbit/s的高速可见光通信传输中,圆-169几何整形16正交幅度调制(quadrature amplitude modulation,QAM)的符号误码性能最优.     

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.     

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.     

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.     

基于Wi-Fi信道状态信息的身份识别

人的行为感知技术在人机交互中起着重要作用,其中动作识别和身份识别技术应用广泛.传统的行为感知技术需要人们佩戴传感器,且设备成本高.为此,本文提出了一种基于Wi-Fi信道状态信息(Channel State Information,CSI)的身份识别系统.该系统包括数据采集,数据预处理,行走区间检测,分类识别4个阶段.首...     

融合协同训练和两层主动学习策略的SVM分类方法

针对当前主动学习策略直接用于SVM分类器时存在的泛化能力不强的问题,结合协同训练思想,提出了两层主动学习策略(TLAC),并用于SVM深层挖掘未标记样本数据的分布知识.实验表明,该TLAC策略能够合理的指定TSVM算法中的正样本数,在典型指标测试中都表现出了一定的优越性.     

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．     

通过序列编码预测蛋白质相互作用

该文利用蛋白质的一级结构信息,将支持向量机应用于人的蛋白质相互作用预测中,采用三肽频数方法刻画 蛋白质序列. 计算结果表明,该方法能准确预测人的蛋白质相互作用. 比较了半胱氨酸在不同分类下对预测结果的影响, 对人的胚胎肝脏蛋白质相互作用网络进行预测,为实验提供了重要的信息.     

灰度和纹理特征组合的SAR影像SVM分类

针对利用单一特征进行分类的效果不理想、普适性不强等问题,提出了一种灰度和不同纹理特征组合的支持向量机(support vector machine, SVM) 分类方法,将由不同特征组合的SVM分类器用于SAR影像分类,并对几种不同的分类结果进行定性和定量比较分析. 实验结果表明,灰度和不同纹理特征组合的SVM分类方法能够取得较高的分类精度,其结果要优于传统的单一纹理特征分类,是一种有效的SAR影像分类方法.     

基于块分类编码的电子发票图像自恢复水印算法

兼顾水印容量以及篡改图像的恢复效果,提出一种基于块分类编码的电子发票图像自恢复水印算法。根据电子发票的特性将图像块分为重要块、印章块、格式块和空白块4类。对图像块类型和非空白块二值化信息分别利用RS（1,3）和RS（2,3）进行编码生成恢复水印。根据恢复水印信息的大小,基于密钥将生成的恢复水印随机、依次嵌入印章块、格式块和空白块中。为尽可能降低水印容量,无需添加认证水印数据,利用类型码和非空白块恢复水印,同时完成对图像的篡改检测以及篡改恢复。与现有的用于自然图像的自恢复水印算法相比,在相同水印容量下能得到较好的恢复效果;对于同样的恢复效果,水印容量较小。在一般篡改和拼贴攻击下具有较好的认证和恢复能力。     

基于RS码的图像半脆弱水印

利用RS码的编码冗余和图像特定域的数据特性实现了基于RS码的图像半脆弱水印.将图像小波域多层次分解与RS码信息隐藏技术相结合,用小波分解所得到的图像鲁棒性数据与认证密钥一起作RS纠错码的编码数据,将编码产生的可携带版权信息的校验数据嵌入图像的不同小波区域,实现图像半脆弱水印功能.分析显示,基于RS码的认证密钥图像半脆弱水印具有很好的完整性认证和鲁棒性认证功能.     

多分类器融合算法研究与应用

分类算法是数据挖掘、机器学习和模式识别中一个重要的研究领域.单一的分类算法一般会得到不同的分类结果,多分类器融合算法可以将各分类器的结果进行集成来提高系统的分类性能.该文提出一种多分类器融合算法进行分类分析,结果证明该算法在解决目标分类中具有优越性.     

一种支持向量回归机的音频水印算法

为了同时保证算法的不可感知性与鲁棒性,提出了一种新的支持向量回归机音频水印算法．该算法首先对音频进行小波变换,然后选取稳定的低频系数的相邻均值向量、左邻域斜率向量、右邻城斜率向量作为支持向量回归机训练模型,利用支持向量回归机训练模型嵌入和提取水印信息．仿真实验表明,算法对常规的信号处理及攻击均具有较好的鲁棒性,与经典的基于小波变换的量化算法相比,具有很好的不可感知性,另外,在水印检测时不需要原始音频,实现了水印的盲检测．     

基于最小闭球的多类支持向量机

针对多类分类问题中样本数量分布不均衡和测试速度较慢两种情况,本文提出了两个基于闭球的二叉树多类支持向量机算法：MEB-MCSVM-1和MEB—MCSVM-2．算法利用最小闭球来协调样本数量间的不均衡性,利用球心进行最远距离聚类或最近-最远距离聚类,构建二叉树结构,使二又树的每个节点代表】个二类支持向量机．为了检验所提算法的有效性,本文从需要训练的SVM个数、训练时间和测试时间三个方面对五种算法1-v-1,1-v-r,MEB-MCS—VM-0,MEB-MCSVM-1和MEB—MCSVM-2进行了比较分析,结果表明本文所提方法对解决多类分类问题中样本数目不均匀和测试速度较慢这两种情况有明显的优势,实用性更强．     

基于支持向量机的多特征选择目标跟踪

目标判别跟踪方法一般以单一跟踪结果(正样本)和部分负样本训练分类器,并只用单一的特征描述目标,因此在目标发生遮挡、光照变化、形变等情况下很容易导致跟踪的失败. 为了克服单一正样本和单一特征训练的分类器导致跟踪不稳定的问题,提出一种基于支持向量机的多特征描述、多个正负样本进行分类器训练的目标跟踪方法,用训练分类器对所有候选粒子的不同特征进行判别和选择,并将具有最大置信概率的粒子确定为跟踪结果. 在跟踪过程中,利用子空间学习的方法实现正样本的更新,并以更新后的正负样本训练分类器. 实验结果表明,该方法在目标存在遮挡、光照变化、形变等情况下均可以取得较好的跟踪效果.     

基于证据框架的模糊超球面支持向量机超参数优化

模糊超球面支持向量机(FHS-SVM)在处理一类分类问题时比超平面支持向量机泛化能力更强,特别是在雷达目标检测中得到了成功应用.FHS-SVM训练时需要预设一些超参数,不同的超参数得到的FHS-SVM性能差异很大.文中首先证明了FHS-SVM训练过程与证据框架第一层贝叶斯推理的等价性,然后在证据框架下提出了FHS-SVM超参数优化迭代方法.基于超宽带合成孔径雷达探雷数据,通过与穷举方法结果的对比检验了迭代优化方法的有效性.     

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.