基于PIDC和二叉决策树SVM的人耳识别

提出了一种基于PIDC和二叉决策树SVM的人耳识别方法。采用PIDC方法以类间概率信息距离为监督提取人耳特征,降低了提取特征的维数;将PIDC方法与二叉决策树SVM分类方法相结合,实现了利用多类间概率信息距离监督人耳特征提取和分类。利用该方法对400个人耳进行识别实验,并将识别结果同PCA方法进行了比较,实验表明,文中方法降低了分类难度,提高了人耳识别率。

基于参数寻优决策树SVM的语音情感识别

在多种情感的语音情感识别中,由于部分情感状态容易混淆,导致语音情感识别的总体识别率降低;同时,对于不同的训练集,SVM参数惩罚因子和核函数参数对识别结果也存在一定影响。为了有效提高语音情感识别系统的识别率,在传统支持向量机(SVM)的基础上,提出了一种基于参数寻优决策树SVM的语音情感识别方法。该方法首先通过计算情感混淆度构建决策树SVM框架,然后采用遗传算法对决策树SVM中每个SVM的惩罚因子和核函数参数进行寻优,最后将参数优化后的决策树SVM模型应用于语音情感识别。在中文情感语音库的实验结果表明,与传统基于SVM分类方法的语音情感识别进行对比,该方法可将六种情感的平均识别率提高6.5%。

改进的SVM决策树分类算法

为解决多类分类问题,在分析SVM决策树分类器及存在问题的基础上,通过引入类间可分离性测度,并将其扩展到核空间,提出一种改进的SVM决策树分类器。实验表明了该分类算法对提高分类正确率的有效性。

基于SVM决策树的网络流量分类

提出一种用支持向量机(SVM)决策树来对网络流量进行分类的方法,利用SVM决策树在多类分类方面的优势,解决SVM在流量分类中存在的无法识别区域和训练时间较长的问题。对权威流量数据集进行了测试,实验结果表明,SVM决策树在流量分类中比普通的"一对一"和"一对多"SVM方法具有更短的训练时间和更好的分类性能,分类准确率可以达到98.8%。

基于多个混合核函数的SVM决策树算法设计

不同的核函数具有不同的特性,SVM决策树中每个子SVM面对的分类对象不同,选取的核函数及其参数也应该不同。通过调节混合核函数的参数形成不同的核函数,给出了一个用多个混合核函数训练SVM决策树的多类分类算法。仿真试验表明,该算法与只用一个核函数训练SVM决策树的算法相比,具有较高的分类精度。

基于EEMD-SVM非平衡决策树的人员及车辆识别方法

通过对人员、轮式车、履带车产生的地震动信号进行分析,建立人员及车辆识别系统模型.针对人员及车辆产生的地震动信号的非线性和非平稳特征,采用集成经验模态分解(ensemble empirical mode decomposition,EEMD)算法对实测人员、车辆产生的地震动信号进行分解,然后对分解得到的固有模态函数(intrinsic mode function,IMF)高频分量进行小波阈值去噪.选取有效的IMF分量,计算其归一化能量特征矩阵.再将特征矩阵输入到支持向量机(support vector machine,SVM)非平衡决策树分类器中,进行人员、轮式车和履带车的逐层识别.实验结果表明,EEMD-SVM非平衡决策树模型可以准确、高效地对人员、轮式车和履带车进行分类识别.

基于LBP和SVM决策树的人脸表情识别

为了提高人脸表情识别的识别率,提出一种LBP和SVM决策树相结合的人脸表情识别算法。首先利用LBP算法将人脸表情图像转换为LBP特征谱,然后将LBP特征谱转换成LBP直方图特征序列,最后通过SVM决策树算法完成人脸表情的分类和识别,并且在JAFFE人脸表情库的识别中证明该算法的有效性。

基于GA和KNN的SVM决策树分类方法研究

文章提出了一种基于遗传算法和K近邻的SVM决策树方法,并将其应用于解决SVM多分类问题。算法以基于类分布的类间分离性测度为准则,利用遗传算法对传统的SVM决策树进行优化,生成最优(较优)决策树。在分类阶段,对容易分的节点利用SVM进行分类,而对可分离性差的节点采用SVM和K近邻相结合的分类方法,最终实现多类别分类。实验结果表明,与传统的分类方法相比,该算法的实验效果较好,是一种有效的分类方法。

基于SVM决策树的沥青路面裂缝智能分类研究

针对采集的沥青路面图像,首先基于改进的Mask匀光算法,使路面图像光照均匀度一致;其次通过小波变换的方法增强图像的高频系数、弱化背景部分,以增强对比度,提取裂缝目标信息;然后通过形态学操作去除背景纹理噪声及裂缝连接;最后采用SVM决策树模型实现沥青路面裂缝图像的智能分类。研究表明,改进的匀光算法较好地实现了图像均匀一致,小波变换与形态学操作能够精确地提取裂缝信息,采用的支持向量机方法识别精度满足标准要求的90%。

基于低纬度SVM决策树算法的智能手语翻译手套

基于低纬度SVM决策树算法的智能手语翻译手套旨在解决聋哑人与听人之间的交流问题,满足聋哑人在日常生活中的基本社交需求.聋哑人只需戴上该手套,做出相应的手势,手套即可识别出相应的手势并播报语音、同时屏幕显示文本.该智能手语翻译手套采用基于数据手套的手语识别技术,运用低纬度SVM结合决策树算法来进行手势识别,在SVM的两类分类器的基础上加上决策树算法能够实现多类分类器功能,在不影响识别率的情况下极大地提高识别速率.

基于SVM决策支持树的城市植被类型遥感分类研究

城市植被类型不同,生物量不同,其生态功能与绿化效应也不同。在目前难直接获取城市“绿量”实测数据的情况下,可以绿地面积和植被类型间接反映绿地的生物量和绿化效应。本文利用高分辨率卫星影像IKONOS,以实验区与验证区城市植被类型信息为对象,在对常用的参数和非参数分类方法进行对比实验的基础上,对SVM的核函数进行了分析,构建了基于SVM决策树的城市植被类型分类模型。分类实验结果表明:与其他传统方法分类结果比较,SVM的决策树分类方法对植被类型的分类精度达到83.5%,绿化面积总精度接近95%,取得了良好的效果。

基于几何参数特征与决策树支持向量机的猪只姿态分类

为了研究分类与猪只行为及精神状况相关的姿态,试验提出了一种基于几何参数特征与决策树支持向量机的猪只姿态分类方法,首先根据猪只行为学特征并借鉴前人的研究成果选择5种相关的姿态,包括躺卧、侧面抬头站立、侧面低头站立、侧面平视站立以及正面站立,并以此建立猪只姿态样本库,再针对所研究姿态的图像形状特点,提出利用圆形度、高宽比、伸长度、质高比、质左比、质心左右比、最高点左右比、左(右)夹角余弦与左(右)抬头度11个几何参数特征作为描述姿态的图像特征,最后利用决策树支持向量机(DT-SVM)进行猪只姿态分类。结果表明:与1-V-1多分类支持向量机(1-V-1 SVM)与Ada Boost分类算法相比较,DT-SVM的分类精度较高,耗时较短。说明所选取的特征可以有效地描述猪只姿态。

一种改进的SVM决策树文本分类算法

将SVM和二叉决策树结合起来构成SVM决策树的方法能够较好地解决多类文本分类问题,在此基础上引入了一种基于支持向量数据描述(SVDD)的类间可分性度量方法,对SVM决策树分类器进行改进,实验表明,该方法有效地提高了SVM决策树多类分类器的分类精度和速度。

一种新的SVM决策树

SVM在小训练样本、高维情况下具有很好的泛化性能,但它不适用于多类分类.本文分析基本的SVM和多类SVM分类器,重点讨论了SVM决策树,提出了一种结点分类器类集合划分方案来构造SVM决策树.实验结果表明,以这种方法构造的SVM决策树分类器分类性能较好.

武夷山九曲溪湿地鸟类联网监测及识别系统

提出以移动互联网为基础,人机协同监测、鉴别湿地鸟类的方法。通过IP摄像机、WiFi网络收集远程数据到服务器,对鸟类图像进行分类、自主识别,再通过移动互联技术在线确认。实验结果表明,该系统能准确、有效地识别鸟类物种。

改进小波包结合支持向量机分类器的无线Ad Hoc网络性能评价

使用训练集大小、特征提取方法和识别方法作为影响识别错误率的三个因素,采用改进小波包(IWPA)和SVMDT相结合的方法对无线Ad Hoc网络的性能进行了评价。通过采用方差分析和最小二次无偏估计的方法等数理统计方法分析实验数据,获得了各个因素的主效应及其之间的相互效应对识别错误率边际均值的具体影响程度。研究结果表明,IWPA特征提取方法的性能远优于WPA和WT,SMDT分类方法的性能也优于RBF和SA,并且IWPA和SMDT相结合产生了最佳的交互效应。

武夷山九曲溪湿地鸟类物种辨识

唐庆和，唐兆园等人在2006年12月-2008年3月采用“点样线法”对九曲溪生态保护区湿地鸟类多样性进行了调查研究，共记录鸟类65种．近年来，随着数字图像识别技术的快速发展，对动、植物物种的鉴别已成为一个热门的研究领域．本文在保护九曲溪水生鸟类的前提下，使用图形分析技术对鸟类物种进行辨识研究；使用SVM决策树法，对鸟类颜色图表（包括形状，颜色和纹理）进行深入分析和研究，提出一套分类方法．该方法的应用将更有效的识别九曲溪湿地鸟类物种，为鸟类生物多样性研究及保护提供科学依据．

面向审计领域的短文本分类技术研究

针对审计问题这种短文本所具有的特征稀疏、问题类别界限模糊问题,提出了一种改进的面向审计领域的短文本分类方法.该方法首先为审计问题构造了专门的特征集,以审计领域的同义词词集和法规库为基础,并结合特定规则来调整特征权重,然后以修改的SVM决策树作为多类分类器进行短文本分类.实验结果表明,该方法在对审计问题分类的应用上,具有较为满意的正确率,能满足实际的分类需求.