基于支持向量机的货币识别应用研究
Research of currency recognition based on support vector machines
摘要
支持向量机是一种新的基于统计学习理论的机器学习算法,它可以应用于小样本、非线性和高维模式识别。研究了支持向量机的学习算法,依据支持向量机的特点采用了相应的货币特征数据获取及预处理方法,提出采用改进SMO训练算法和DAGSVM多值分类算法构建的支持向量机用于货币识别,从而达到对货币高效、准确识别。实验结果证实了该方案的有效性。
出处
《计算机系统应用》
2007年第4期100-103,共4页
Computer Systems & Applications
二级参考文献18
-
1许建华.图像处理与分析[M].北京:科学出版社,1992.20-40.
-
2[1]Vapnik V.The Nature of Statistical Learning Theory.New York:Springer-Verlag,1995
-
3[2]Cortes CVapnik V.Support Vector Networks.Machine Learning,1995;20:273~297
-
4[3]Osuna E,Freund R,Girosi F.Training Support Vector Machines:An Application to Face Detection.In:Proceedings of the IEEE International Conference on Computer Vision and Pattern Recognition,New York:IEEE,1997:130~136
-
5[4]Dumais S,Platt J,Heckerman D,Sahami M.Inductive Learning Algorithms and Representations for Text Categorization.In:Proceedings of the 7th International Conference on Information and Knowledge Management,1998
-
6[5]Joachims T.Text Categorization with Support Vector Machines:Learning with Many Relevant Features.In:Proceedings of the 10th European Conference on Machine Learning,1998
-
7[6]Courant R,Hilbert D.Methods of Mathematical Physics. Volume 1,Berlin:Springer-Verlag,1953
-
8[7]Stitson M O,Weston J A E,Gammerman A,Vovk V,Vapnik V.Theory of Support Vector Machines.Technical Report CSD-TR-96-17, Royal Holloway University of London,1996.12.31
-
9[8]Osuna E,Freund R,Girosi F.Support Vector Machines:Training and Applications.AI Memo 1602,MIT AI Lab,1997
-
10[9]Osuna E,Freund R,Girosi F.An Improved Training Algorithm for Support Vector Machines.In:Principe J,Gile L,Morgan N,Wilson E eds.,Proceedings of the 1997 IEEE Workshop on Neural Networks for Signal Processing,New York:IEEE,1997:276~285
共引文献88
-
1侯雪亮,李新,陈远平.基于多神经网络混合的短文本分类模型[J].计算机系统应用,2020(10):9-19. 被引量:5
-
2杨志民,杨潇.支持向量机中不确定性信息的处理[J].吉林大学学报(工学版),2004,34(z1):117-119. 被引量:1
-
3修非,吴霜,付立冬,鲍玉斌,王大玲.基于灰度-单元差分共生矩阵的医学图像的检索与分类[J].计算机研究与发展,2007,44(z3):183-188. 被引量:1
-
4方慧文,曾爱民,江小明,朱爱玲,杨永.近红外光谱结合化学计量学技术在食品掺假分析中的应用[J].食品安全质量检测学报,2012,3(5):427-431. 被引量:4
-
5王海燕,田娜,黄德民,帅高山.基于SVM超优平面的水中目标识别分类技术[J].水雷战与舰船防护,2003,0(1):42-45.
-
6张敏贵,潘泉,张洪才,姜睿.基于支持向量机的人脸分类[J].计算机工程,2004,30(11):110-112. 被引量:16
-
7闫友彪,陈元琰.机器学习的主要策略综述[J].计算机应用研究,2004,21(7):4-10. 被引量:56
-
8王晨,赵杰,臧希,陈甫,蔡鹤皋.一种基于支持向量机的数据融合方法的研究[J].机械与电子,2004,22(8):8-11. 被引量:3
-
9阎满富,杨志民.模糊支持向量机与模糊模拟[J].系统工程,2004,22(11):12-14. 被引量:2
-
10徐彤阳,姚跃华,朱志勇.一种基于支持向量机的图像边缘检测方法[J].微机发展,2005,15(1):87-90. 被引量:7
-
1谢凯,郝建新.一种基于货币特征的神经网络模式识别算法[J].计算机应用,2002,22(11):76-77. 被引量:3
-
2李淼,张继贤,张永红.支持向量机在MODIS影像分类中的方法研究[J].测绘与空间地理信息,2007,30(3):177-179. 被引量:1
-
3陈来荣,冀荣华,徐宇.基于支持向量机的车牌字符识别[J].公路交通科技,2006,23(5):126-129. 被引量:6
-
4于欣,秦文华,周崇波,曹海燕,冯筱.基于改进的PCA和SVM的人脸识别方法[J].电子技术(上海),2015,42(8):57-59. 被引量:2
-
5李国正,杨杰,孔安生,陈念贻.基于聚类算法的选择性神经网络集成[J].复旦学报(自然科学版),2004,43(5):689-691. 被引量:15
-
6秦臻,赵建勇,严义.基于多值分类SVM的电梯交通模式识别[J].计算机工程,2011,37(9):201-203. 被引量:9
-
7徐图,罗瑜,何大可.超球体单类支持向量机的SMO训练算法[J].计算机科学,2008,35(6):178-180. 被引量:10
-
8姚程宽.双正则化参数SVM的不同实验结果[J].成都师范学院学报,2014,30(3):118-121.
-
9王丽丽,苏德富.基于群体智能的选择性决策树分类器集成[J].计算机技术与发展,2006,16(12):55-57. 被引量:3
-
10徐图,何大可.超球体多类支持向量机理论[J].控制理论与应用,2009,26(11):1293-1297. 被引量:8