高维数据分类方法研究

在对高维度数据进行模式分类时,能否有效进行降维是一个关键问题.提出了一种结合高斯过程潜变量模型(GPLVM)和支持向量机(SVM)的阶梯跳跃降维分类框架方法,能有效的降低样本数据维数,同时提高分类器性能.利用GPLVM实现数据的平滑映射,对输入样本进行非线性降维后,根据SVM的分类校验结果进行下一步降维迭代操作;计算新的阶梯维数,根据反馈动态调整降维输入数据.利用该方法对UCI上的数据集进行分类,仿真结果验证了方法的有效性.     

基于火焰图像特征与BT-SVM的窑况识别方法

针对氧化铝回转窑烧成带工况变化复杂难以实现连续在线检测,长期依赖人工看火操作的难题,提出了利用计算机图像处理技术模拟传统的人工看火过程进行窑况识别研究的方法,方法包括两个部分:提取烧成带火焰图像特征,融合关键工艺过程数据组成混合特征;建立具有准正态二叉树结构的支持向量机窑况识别模型对混合特征数据进行分类识别.最后,应用该方法对采集得到的火焰图像数据与过程数据进行仿真实验研究,获得了满意的效果.     

基于角点特征与支持向量机的车牌字符识别

为了提高车牌识别中车牌字符的识别率,提出一种角点特征和支持向量机相结合的车牌字符识别新方法.首先使用Moravec算子提取字符图像中的特征点,然后根据特征点在图像中的分布情况构造特征向量,并使用小样本对支持向量机进行训练,最后使用训练好的支持向量机进行字符识别.实验结果表明,在训练样本较少的情况下,该方法正确率较高,算法简单,稳定性好.     

基于支持向量机的车牌字符识别

作者将支持向量机SVM方法用于车牌字符的识别.算法首先采用Gabor变换和外围轮廓结构特征提取的方法提取车牌字符图像的特征参数,然后采用提取的特征训练SVM分类器,再应用SVM分类器分类和判别车牌字符.实验表明这种方法具有良好的车牌识别效果,较强的鲁棒性,较大的应用价值.     

数字水印检测的SVM算法及其测试

根据Vapnik等人提出的一种基于统计学习理论的机器学习算法,在水印检测技术中引入一种针对小样本的学习理论SVM算法．此算法能够实现结构风险最小化,避免了以往检测方法中依赖于特定的嵌入算法的缺点．建立了数字水印检测的SVM算法的测试平台,研究了平台的组成模块和功能．实验表明使用SVM进行水印检测能实现与嵌入算法的无关性,能有效提高检测效率,为数字图像水印的检测提供了一种新方法．     

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．     

基于数据挖掘的传媒信息安全系统

随着网络的发展,越来越多的广播电视信息由模拟转为数字,传媒信息安全问题迫在眉睫,是亟待解决的问题.本文采用文本分类技术,设计了一种新的文本分类模型,并应用该传媒信息安全系统,从而减少系统的误报率和漏报率,实验结果表明,该算法具有较高的分类精度和效率.     

基于混合特征和支持向量机的抽油杆缺陷识别

为了提高抽油杆的缺陷识别率,将小波包能量特征和时域峰峰值特征组成的混合特征向量和基于小样本的支持向量机法应用于抽油杆的缺陷识别中.应用基于类距离的可分离性判据,证明了混合特征比单一小波包能量特征的可分离性强,在一定程度上可提高抽油杆缺陷识别的有效性;同时应用大量的数据和一对一分类的支持向量机进行抽油杆缺陷模式识别.其识别结果表明,混合特征具有比单一小波包能量特征更好的分离性,识别缺陷的泛化误差小,提高了抽油杆的缺陷识别率.     

基于支持向量机的无线传感器网络分布式检测

为减少基于似然比检测的无线传感器网络最优分布式检测方法对信道状态、噪声分布和传感器检测性能等信息的依赖,满足实际系统的需要,提出使用支持向量机实现无线传感器网络分布式信号检测的方法.该方法无需预知信道状态和噪声分布信息,简化了无线传感器的节点功能.该方法将传感器节点测量结果以模拟非编码方式发送至数据中心,数据中心利用训练好的支持向量机对接收到的信号进行判决.仿真结果表明,该方法可获得较高的检测精度.     

MB隐密算法的脆弱性研究

MB算法是一种基于JPEG图像、安全性较高的隐密算法.研究了这种算法的特点,分析了目前MB隐密算法的脆弱性.从图像的二阶统计特性入手,提出了基于SVM的MB隐密分析算法,并通过实验验证了其有效性.