C-SVM在不同类别样本数目不均衡下的优化

在解决故障检测等分类问题时,若不同类别样本数目相差很大,C-SVM训练的分类错误总偏向于样本数较少的类别,因而影响了分类的精确性.为提高精确性,提出一种优化算法,在训练过程中针对不同类样本,采用不同的权值来优化训练过程,按正负类样本在总样本中所占的比例,加大样本数较少的类别权值,降低样本数较大的类别权值来实现两类样本间的均衡.实验结果表明,该方法对两类样本数目相差很大的问题有效.     

基于改进的C-支持向量机的手写体数字高识别率方法研究

手写体数字的识别在社会经济、社会生活的许多方面都有着广泛的应用。同时支持向量机是近几年来模式识别领域中的一种新技术,它被广泛应用到文字识别、人脸识别等应用中。为此将支持向量机技术应用到手写体数字的识别中,通过使用改进的C-支持向量机进行手写体数字的识别,并得出相应的识别率,结果表明此方法可行且有较高的识别率。     

结合AB-SMOTE和C-SVM的中文倾向性句子识别

提出一种结合AB-SMOTE和C-SVM的中文倾向性句子识别算法.该算法先利用AB-SMOTE方法合成新样本,降低不平衡程度的同时也使数据具有更好的代表性,再对不同类别赋予不同的惩罚系数形成代价敏感的C-SVM分类器,充分结合了数据层和学习算法层方法的优点.实验结果表明,对酒店、笔记本电脑和书籍3个不平衡语料处理时,本算法能较有效解决不平衡问题,提高倾向性句子的识别精度.     

楼阁式古塔建筑夜景照明色温表现视觉适宜性评价研究

为改善楼阁式古塔建筑夜景照明效果不良的现状,合理优化楼阁式古塔夜景照明色温表现视觉适宜性,在只考虑色温效果视觉呈现的基础上,结合古塔周边夜景照明实际环境特征、古塔照明设计色温应用现状及照明手册色温推荐,开展不同模拟场景下的楼阁式古塔夜景照明色温视觉舒适度主观评价实验,将视觉舒适度评价值作为标签,利用C-SVM支持向量机分类算法构建在不同色温及亮度工况下楼阁式古塔夜景照明色温视觉舒适性主观评价模型,并通过散点图及ROC曲线,对比不同分类模型的分类界面及结果,得到楼阁式古塔建筑最佳色温及亮度表现区间,在不同色温及亮度工况下与视觉舒适度之间的映射关系,进而对楼阁式古塔建筑照明设计色温表现情况进行评价和预测。将C-SVM分类算法与照明领域问题相结合,为设计者更好地利用照明手段还原人们心目中本质的楼阁式古塔建筑特性提供理论依据,改善楼阁式古塔建筑夜景照明效果。