基于Logistic回归和后验概率SVM的住房贷款组合评估模型

本文针对单一模型存在的分类精度有限的不足,提出了应用组合预测模型进行信用评估的方法。选择Logistic回归和后验概率SVM模型作为单一模型,构建了基于二者的非负权重线性组合预测模型,并将模型应用于住房信贷评估。应用结果表明,组合评估模型的分类精度高于单一模型,并且获得了较好的稳健性,对于构建住房信贷评估模型是一个很好的选择。

基于Logistic回归和后验概率SVM的住房贷款组合评估模型

针对单一模型存在的分类精度有限的不足,提出了应用组合预测模型进行信用评估的方法。选择Logistic回归和后验概率SVM模型作为单一模型,构建了基于二者的非负权重线性组合预测模型,并将模型应用于住房信贷评估。采用基于最大后验概率的分类准则,应用结果表明,组合评估模型的分类精度高于单一模型,并且获得了较好的稳健性,对于构建住房信贷评估模型是一个很好的选择。

基于后验概率SVM的交通标志识别研究

在无人车交通标志识别系统中,以传统的神经网络算法或标准的支持向量机算法(SVM)设计的分类器,只能反映样本是否属于某类而不能确定样本属于某类的可信度,提出一种后验概率SVM交通标志识别方法。首先对检测与跟踪得到的交通标志大概区域图像进行彩色分割以精确定位交通标志区域,然后采用最大类间方差法分割交通标志的内部图案,最后将分割的结果进行大小归一化作为交通标志的特征图像以训练分类器和进行识别。实验结果表明,基于后验概率SVM的交通标志识别系统在复杂的室外环境下具有很强的鲁棒性和可行性。

结合SVM后验概率的散料料位识别试验研究

提出了一种散料装车料位的图像检测方法,该方法将待处理料堆图像分为若干不重叠的子块,对各子块进行了同态滤波、二值化及二值共生矩阵纹理特征提取,并根据纹理特征对各子块进行了分类识别。在识别过程中,提出了一种基于SVM及其后验概率的料堆识别方法,建立了位于交界位置子块的SVM后验概率与其中料堆目标所占比例的关系模型,并将仅采用SVM对子块识别后的料位拟合结果与其后验概率输出相结合,在这些交界位置子块内进行了进一步的图像分割。试验结果表明,所提出的方法与仅采用SVM子块识别的料堆轮廓及料位拟合误差相比,分别减小42%和56%,平均误差分别为0.4517pixel和0.2586pixel,在MATLAB下每帧处理需0.2s。

基于SVM后验概率的红外弱小目标检测

针对复杂云层背景中背景边缘干扰严重的问题,提出基于支持向量机(SVM)后验概率的红外弱小目标检测算法。该算法将红外弱小目标检测视作目标与背景的二分类问题,根据红外图像特性,以各像素点8个方向的梯度作为目标和背景的分类依据,选取能够表现目标和背景特征的梯度作为SVM训练样本的主要参考量,设定训练集,并通过训练获得SVM分类模型。基于SVM后验概率的检测算法将待测样本各像素点的8方向梯度作用于分类模型,获得的SVM后验概率作为检测输出。实验结果证明了该算法的有效性。

基于改进D-S理论与SVM后验概率的温室智能控制决策

温室环境中多参数间相互耦合,针对传统温室调控方法的决策因子单一而导致决策片面及精度低的问题,提出利用温室环境中多变量参数特征信息,将权值修正D-S理论与后验概率SVM结合的决策融合方法。利用后验概率SVM构造D-S理论的关键参数基本概率赋值函数(BPA),结合参数间的支持度、相关度和可靠度进行D-S权值修正,利用修正后的权值对BPA进行加权融合处理,根据融合结果对温室环境进行及时调控。实验结果表明,该方法可以准确调控温室环境,有效降低决策的不确定性,显著提高决策的可信度及收敛性。

SVM后验概率结合改进多尺度MRF的遥感影像分割方法

采用SVM方法估计似然概率,克服了混合高斯模型对观测场建模不准确的问题;通过改进的多尺度MRF模型,在标记场建模时充分考虑了各尺度之间和同一尺度内的相关性,进一步准确描述了标记场的统计特性。最后利用改进的建模方法,在序贯最大后验概率估计算法框架下进行影像分割。通过对人工合成影像和实际遥感影像的分割实验结果分析,证明了本文方法能够有效提高分割效果。