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.     

一种改进的人工蜂群算法优化的支持向量机

为了改善现有支持向量机(Support Vector Machine)的机器学习效果依赖于参数选择,而参数选择通常依赖于经验的问题,在现有基础上,本文结合一种称为骨架人工蜂群算法(Bare-bones Artificial Bee Colony)的改进的人工蜂群算法对支持向量机的2个参数进行优化,并对该优化结果进行试验。试验结果表明,改进的支持向量机的准确率、识别速度均优于原本的支持向量机。     

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.     

基于模糊支持向量的判别分析

针对分类过程中噪声影响问题,提出了基于模糊支持向量的判别分析法。利用基于马氏距离的模糊c均值算法,对每个训练样本点赋予不同的隶属度。将模糊支持向量机与Fisher判别法相结合,达到降维去噪的目的。实验结果表明:提出的分类方法的错分率明显低于其他的方法,而且能减轻噪声对分类的不良影响,从而证明算法的有效性。     

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.     

非线性支持向量机判别阈值的设置

非线性支持向量机通过核函数将低维输入空间的数据映射到高维空间,从而将原低维空间的线性不可分问题转化为高维空间上的线性可分问题.分析了非线性支持向量机中核函数的引入可造成分类阈值的偏移问题,提出了非线性支持向量机分类阈值的优化设置方法.实验表明,所提出的阈值优化设置方法能有效提高非线性支持向量机的分类精度.     

文本分类中支持向量机研究

随着我国现代科技的快速发展,文本分类逐渐在信息化技术与数字化技术领域得到重视。利用计算处理系统处理文本信息,能够有效提升文本分类的质量与效率,提升数据信息的利用率,从而促进信息化技术的普及。而支持向量机是处理文本内容,加强文本分类速度,并通过文档建模、中文分词、分类器评估等形式,构建出的行之有效的统计语言模型,它可以推动文本分类工作的发展。本文结合国内外研究现状,探析文本分类内涵及支持向量机原理,提出基于支持向量机的文本分类算法。     

支持向量机核函数的构造方法研究与分析

支持向量机是近年来发展的以统计学习理论为基础的新型学习机,核函数的选择无疑是其重要的核心问题.先对核函数进行定义,然后通过对核理论进行性质分析,最后明确了对最优核函数的选择与构造,从理论上为核函数的选择提供了参考.该学习机用结构风险代替经验风险,因而具有传统的神经网络无法相比的优势.     

局部紧Hausdorff空间上的Fuzzy测度

研究局部紧Hausdorff空间X上的Fuzzy测度的正则性。首先引入X上内(外)正则集,正则集以及正则Fuzzy测度的概念,并给出了Fuzzy测度正则的充要条件和任意两个紧(或紧Gδ)集的正常差内(外)正则的条件。其次证明单调递增的内正则集的并是内正则的,具有有限Fuzzy测度的单调递减的外正则集的交是外正则的。最后在严格单调条件下,证明具有有限Fuzzy测度的有限个两两不交内正则集的并是内正则的以及每一个紧(或紧Gδ)集是外正则的当且仅当每一个有界开集是内正则的。     

基于幂级数构造的超核支持向量机的性能研究

依据模式识别中核函数的相关理论，具体地构造了一种基于幂级数构造的超核函数，并将该超核应用于支持向量机中．实验结果证明了基于幂级数构造的超核支持向量机的优越性能．     

基于级连式支持向量机的文本自动分类算法

为了解决文本自动分类问题,从解决支持向量机模式支持限制问题入手,以级连概念为指导思想,构造了多层级连式支持向量机模型,提出一种文本自动分类算法,以便处理多个模式的分类问题。由于支持向量机本质上是一种非线性数据处理工具,对于复杂的两类模式分类问题已表现出良好的适应性,而且支持向量机用于模式识别不存在局部极小值问题,且不需进行网络迭代训练,求解速度明显高于神经网络。通过以CNKI文档数据为例进行算法实践,试验结果表明支持向量机用于模式分类的实现步骤比较简单,不需要长时间的训练过程,只需根据初始样本在空间的分布特性求解最优超平面(即找出支持向量),进而确定决策函数,然后即可泛化推广识别其他待识别的同类样本。     

基于新的距离度量的三角模糊数多属性决策法

利用基于区间数的中心、半宽度的距离度量以及三角模糊数的水平集信息,定义了三角模糊数上一个新的距离度量,并证明了该距离满足非负性、对称性和三角不等式性质.进一步,针对三角模糊数上的多属性决策问题,利用该距离度量和模糊理想点思想,给出了一种基于新的距离度量的多属性topsis决策方法.最后,给出应用实例,并验证了该方法的合理性、有效性.     

基于模糊矢量量化(FVQ)普通话等级测试模型研究

应用模糊聚类矢量量化技术,构造了普通话等级测试模型,以对实现计算机自动评判普通话等级测试系统软件进行开发,并在此模型的指导下按原型法进行了实际开发,经初步试验测试,获得了较好的实验结果.     

模糊集上的(N)模糊积分

在模糊集上引入(N)模糊积分的概念,研究了这类积分的基本性质,并证明了模糊情形下的单调收敛定理和Fatou引理.最后,给出了两个模糊可测函数的(N)模糊积分相等的充要条件.     

基于直觉模糊集距离测度的多属性直接聚类方法

距离测度是度量两个直觉模糊集的重要方法,在聚类分析中被广泛应用．本文基于相异度矩阵的思想,在直觉模糊多属性聚类中,定义了距离测度矩阵,然后根据不同的阚值要求转化为布尔矩阵进行聚类,最后通过实例验证该方法的有效性．     

基于模糊积分的客户满意度综合评价算法设计

在制定综合评价指标体系时,很难使各指标完全独立,传统的评价方法显得无能为力．从由模糊数学发展起来的λ模糊测度与Choquet模糊积分入手,在充分分析的基础上给出了基于模糊积分的客户满意度综合评价通用算法,并借助JAVA语言进行了描述．