基于支持向量机的模糊小波神经网络

针对高维输入小波网络的初始参数和网络结构非常复杂且计算量大的问题,提出用支持向量机(SVM)确定小波网络的初始参数和网络结构的方法。首先,使用有监督模糊聚类算法从聚类中抽取模糊规则,然后对每一个规则的后件使用支持向量机方法确定小波网络的结构和初始参数,最后采用梯度下降方法调节模糊小波网络中的参数,使得模糊小波网络输出与期望输出之间的误差较小。仿真结果表明:该算法与传统的模糊神经网络(FNN)相比显著提高了分类精度。     

基于模糊综合评判的小波域自适应水印算法

提出了一种在小波变换城内基于模糊综舍评判的新的自适应水印算法．算法首先对二值水印图像进行混沌加密,然后对宿主图像划分出小波子块．再利用模糊综合评判的方法选取合适的小波块嵌入水印．在嵌入水印的过程中,水印的嵌入强度是自适应于图像的,且在提取过程中无需使用原始图像,实验结果表明,该算法具有良好的鲁棒性和可行性。     

基于小波的支持向量机算法研究

基于小波对偶框架和支持向量核函数的条件,提出了一种支持向量小波核函数.该核函数利用小波的多尺度插值特性和稀疏变化特性,不仅提高了模型的精度和迭代的收敛速度,而且还适用于信号的局部分析、信噪分离和突变信号的检测,从而在提高支持向量机(SVM)泛化能力的同时,提高了辨识效果和减少了计算量.基于该核函数和正则化理论提出的最小二乘小波支持向量机用于非线性系统辨识,对SINC函数的逼近,该小波核得到的均方根误差不足高斯径向基核的1/12,对logistic混沌序列预测的均方根误差不超过8×10-6,同时实验表明,预测的长度对预测均方根误差没有显著影响,这表明小波核SVM具有更好的泛化能力.     

基于广义Arnold变换与支持向量机的图像水印算法

提出了一种基于广义Arnold变换与支持向量机模型的图像数字水印算法.选定的二值水印图像经过置乱以后,水印的嵌入位置通过广义Arnold变换随机产生,利用部分选定位置图像块中像素之间的关系来训练支持向量机,并采用水印嵌入增强处理技术,加强了水印的嵌入强度.在训练好的支持向量机辅助下,水印的检测过程可以看作是嵌入算法的一...     

基于支持向量机同步的自适应水印检测方法

提出了一种基于支持向量机(SVM)同步的自适应水印检测方法.该方法利用模糊聚类分析图像纹理、亮度和对比度掩蔽特性,在离散小波变换域自适应嵌入水印信号.为抵抗几何攻击,利用6个图像组合矩表示原始图像的几何特征,通过SVM学习图像旋转、缩放和平移的变换参数,同步后再进行水印的检测和提取.仿真实验表明,该算法在一定的视觉强度下可嵌入鲁棒性更强的水印,能有效抵抗噪声、JPEG压缩和几何攻击,水印检测无需原始图像,具有实用性.     

多类支持向量机算法的研究

支持向量机(SVM)是建立在统计学习理论的基础上的一种小样本机器学习方法,它是针对二分类问题而提出的,如何将二分类问题有效地推广至多分类问题是支持向量机研究的重要内容之一.介绍了现有提出的一些支持向量机多分类的方法,并比较其优缺点,在模糊支持向量机的基础上提出具有去噪声的模糊支持向量机的多分类的方法.     

小波域的自适应灰度图像水印算法

提出了一种基于小波变换的自适应灰度数字水印算法,该算法利用位平面方法将经过Arnold变换加密后的灰度水印图像转化为一系列的二值信息,然后将其内嵌到原始图像经过小波多分辨率分解后的低频子带上,并利用人眼视觉掩蔽特性对水印的添加强度进行自适应调节,并设立标志矩阵记录水印嵌入信息,从而实现水印的盲检测.理论分析与仿真结果表明应用本算法实现的水印具有很好的鲁棒性和不可见性.     

基于小波变换和支持向量机的人脸识别研究

人脸识别是机器视觉、模式识别等领域的研究热点,具有广阔的应用前景.文章利用小波变换对人脸图像进行预处理,减少表情变化对人脸识别的影响;根据PCA法,将处理后的人脸图像映射到相互正交的特征脸坐标轴上,实现了特征降维;利用支持向量机分类模型对人脸图像在特征脸坐标轴上的投影向量进行识别,并在ORL和Yale人脸库上进行实验,...     

下肢EMG的小波支持向量机多类识别方法

针对下肢肌电信号(EMG)的多运动模式分类问题,提出了一种基于小波支持向量机(WSVM)的多类识别方法.在小波框架理论和SVM核方法的基础上,构造基于二叉树结构的WSVM多类分类器,采用多尺度分析对下肢EMG进行消噪处理和特征提取,将特征向量输入WSVM多类分类器.以水平行走为例对支撑前期、支撑中期、支撑末期、摆动前期和摆动末期等5个细分运动模式进行分类,并与传统的神经网络和高斯核SVM分类器进行比较.实验结果验证了所提方法的有效性.     

小波与多小波变换在支持向量机人脸识别中的研究

以ORL人脸库为基础,采用不同的小波和多小波,对人脸图像进行不同层次的小波和多小波分解,提取低频分量作为特征向量,利用支持向量机(SVM)进行人脸识别,通过实验具体给出了在采用不同的小波和多小波对人脸图像进行不同层数的小波分解时,支持向量机的识别率,该文对实际应用具有良好的指导价值和参考价值.     

一种基于混合域自适应灰度水印算法

为了在保证图像质量的前提下实施图像的版权保护,文章给出了一种新型的离散小波变换(DWT)和离散余弦变换(DCT)相结合的自适应灰度数字水印算法。该算法先对原宿主图像进行离散小波变换,选择中频部分作为待嵌入子带,然后对待嵌入子带分块并进行离散余弦变换,在每块包含DC分量的低频系数和部分中频系数上嵌入水印。此算法集DWT的多分辨特性和DCT的聚能作用以及去相关能力的共同优点;实验结果表明,该方法具有实用性强、鲁棒性好及可操作性强等优点。     

用于不平衡数据分类的模糊支持向量机算法

作为一种有效的机器学习技术,支持向量机已经被成功地应用于各个领域.然而当数据不平衡时,支持向量机会产生次优的分类模型;另一方面,支持向量机算法对数据集中的噪声点和野点非常敏感.为了克服以上不足,提出了一种新的用于不平衡数据分类的模糊支持向量机算法.该算法在设计样本的模糊隶属度函数时,不仅考虑训练样本到其类中心距离,而且考虑样本周围的紧密度.实验结果表明,所提模糊支持向量机算法可以有效地处理不平衡和噪声问题.     

基于PCA和DWT的强鲁棒数字水印算法

针对传统离散小波变换(DWT)数字水印算法抗几何攻击能力较弱的问题,提出一种基于主成分分析(PCA)和DWT的新的数字水印算法。新算法对载体图像进行一级小波分解,在低频子带上用主成分分析提取出既含有高频又含有低频成分的主成分系数,将水印嵌入到提取出的主成分系数中。实验结果表明,与传统DWT水印算法相比,该算法不仅明显提高了抗剪裁、旋转等抗几何攻击能力,对加噪、图像灰度值变化等攻击也表现出了很强的鲁棒性。     

一种基于支持向量机的PCA分析方法

提出一种更简洁的用于主要成分分析 (PCA)及其非线性分析的公式 .给出一个含有规则化项的原始权空间的约束最大优化问题 ,应用核技巧来解决其对偶问题 .该公式同最小二乘支持向量机 (LS SVM )分类器相似 .遵循常规的SVM方法 ,将输入空间的数据映射到高维特征空间 ,然后使用核技巧 ,利用主对偶约束最大优化来解释线性和非线性PCA分析问题 .其优点在于对偶问题适用于高维输入空间 ,而原始问题在N很大时能被更好地解决 .     

一种基于离散小波变换的数字水印算法

提出了一种基于离散小波变换的数字水印算法,水印采用有意义的二值图像.该算法是基于块的离散小波变换,即将原始图像和水印都分块后,再对各个块进行小波变换,利用混沌发生器将水印各块置乱后嵌入到图像的中频部分.试验结果表明,该算法具有较好的不可感知性和鲁棒性.     

基于模糊支持向量机的超光谱遥感图像分类

支持向量机（SVM）应用到超光谱图像分类中有较好的识别效果，但它在解决多分类问题时，存在不可分区域的局限性．为此提出了一种基于一对一SVM的模糊支持向量机，并将该方法应用到超光谱图像分类实验，结果表明该方法不仅改善了不可分区域的存在问题，而且比传统的SVM在分类精度上有明显的提高．     

基于DWT-SVD的数字水印嵌入方法

目前基于SVD的水印算法是直接对宿主图像或水印图像进行奇异值变换(SVD),然后将水印嵌入宿主图像的的奇异值中。本文提出了一种新的基于SVD-DWT的水印算法,先对宿主图像和水印图像进行小波变换(DWT),然后将水印嵌入各频带的奇异值中,并且水印嵌入系数随频带不同而不同。在JPEG压缩、图像旋转及剪切等攻击方式下,对该水印算法进行了鲁棒性分析,数值实验表明该水印算法具有良好的抗攻击性和安全性.     

基于脑电的意识活动特征提取与识别

基于脑电信号的非平稳特性,用自适应自回归模型(AAR)提取脑电信号的特征,利用该模型对同一实验对象的两种不同意识任务的脑电信号进行特征提取,并将AAR模型得到的特征与支持向量机(SVM)分类器相结合,作为支持向量机的输入进行训练和测试,取得了良好的识别效果.实验结果证明,支持向量机分类器用于不同意识任务分类效果很好.     

小波变换域彩色图像水印算法研究

利用小波变换多分辨率分析特性 ,结合人的视觉系统特点 ,选择适当的嵌入位置和嵌入公式 ,将水印 (灰度图像 )嵌入到一幅真彩色图像中 .实验结果表明 ,应用本算法所实现的水印不可见 ,并对常见的图像处理和噪声干扰具有很好的鲁棒性