支撑矢量机推广能力分析

本文针对两种不同用途的支撑矢量机 ,分类支撑矢量机和回归支撑矢量机 ,分别证明了它们的一些几何性质 ,从这些性质出发讨论了这两种支撑矢量机对新增样本的推广能力 ,新增样本对支撑矢量 ,非支撑矢量的影响以及新增样本本身的一些特点 ,得到了一些非常有价值的结论 .从这些结论可以看出支撑矢量机对新增样本具有良好的推广能力 ,即对新增样本的良好的包容性和适应性 ,并且支撑矢量机是一种可积累的学习模型 .

一种基于近似支撑矢量机(PSVM)的交通目标分类方法

本文介绍了支撑向量机的特点,给出了实际应用中传统支撑矢量机存在的问题。为了克服支撑矢量机算法的不足,引入了一种近似支撑矢量机(PSVM)算法,并将此算法用于交通目标的分类识别。实验结果表明此算法比BP神经网络法准确率高,比传统的SVM法的效率高。

利用集成支撑矢量机提高分类性能

为了提高支撑矢量机的泛化性能,利用l倍交叉筛选和控制样本特征属性策略建立了集成支撑矢量机,该集成策略加强了子分类器之间的互异性,进一步提高了集成学习机的分类性能,提高了学习机的泛化性能,同时具有较好的鲁棒性.

基于高阶累积量和支撑矢量机的调制识别研究

提出一种基于高阶累积量和支撑矢量机的数字信号自动调制识别新方法 ,即将接收信号的四阶、六阶累积量作为分类特征向量 ,利用支持矢量机把分类特征向量映射到一个高维空间 ,并在高维空间中构造最优分类超平面以实现信号分类。这种方法对高斯噪声和星座图由于信号初始相位而引入的旋转具有良好的稳健性 ,并避免了神经网络中的过学习和局部极小点等缺陷。计算仿真结果表明 。

尺度核函数支撑矢量机

本文提出了一种可容许的支撑矢量机核—尺度核 .该尺度核函数可以被看作是一个具有平移因子的多维尺度函数 ,它能作为平方可积空间的子空间上一组完备的基函数 .在此意义上 ,采用尺度核函数的支撑矢量机 ,可以认为是在尺度空间中寻找最佳的尺度系数 .因此在理论上尺度核函数支撑矢量机能够以零误差逼近某一空间上的任何目标函数 。

用于一维图像识别的支撑矢量机方法

研究了支撑矢量机的分类机理 ,并利用支撑矢量机对雷达目标一维像进行了识别 .识别的结果表明了该方法的优越性 ,并显示它可以对残缺不全的样本进行识别 .

一类新的支撑矢量机核

提出了一类新的支撑矢量机核函数——坐标变换核.该类核函数是同维映射.理论证明和计算机仿真实验都表明了该类核的正确性和有效性.

基于最小二乘支撑矢量机的陀螺仪漂移预测

研究了支撑矢量机的回归估计算法。针对标准支撑矢量机算法训练速度慢、难以解决大规模问题的局限性,对标准算法的约束条件加以改进,得到一种最小二乘支撑矢量机回归估计算法,该算法大大提高了支撑矢量机的训练速度和解决大规模问题的能力。论文将最小二乘支撑矢量机应用于陀螺仪的漂移预测中,仿真实验结果证明了算法的有效性和可行性,为陀螺仪的实时预测及故障预报提供了可能。

线性规划支撑矢量机

本文通过对统计学习理论中一些重要结论 ,特别是线性函数VC维数的分析 ,得到了一种线性规划支撑矢量机 ,包括线性规划线性支撑矢量机和线性规划非线性支撑矢量机 .在线性规划支撑矢量机中 ,对其VC维数界作了适当的放宽 .文中最后对人工和实际样本进行了实验 ,结果说明了线性规划支撑矢量机在推广能力上较好地逼近了原支撑矢量机 ,而在计算复杂度上明显低于原支撑矢量机 .

自适应支撑矢量机多用户检测

最佳多用户检测器是非线性检测器 ,特征码不完全正交时 ,线性检测器很难逼近最佳检测器 .通常无线通信信道具有时变性 ,要求多用户检测算法具有自适应性 .本文提出了一种自适应支撑矢量机方法 ,并把它用于信道时变情况下的多用户检测 .一方面由于支撑矢量机引入的结构风险不仅包括经验风险最小化 ,而且又包括了容量控制项 ,这使得支撑矢量机多用户检测推广能力较好且对训练要求的样本数也大大下降 ;另一方面由于支撑矢量机的非线性特性可以比线性检测器更好地逼近最佳检测器 .仿真结果较好地证实了该方法的可行性和有效性 .

基于支撑矢量机的智能目标识别方法

支撑矢量机是一种能在训练样本数很少的情况下达到很好分类推广能力的学习算法 .文中将支撑矢量机的概念引入雷达的目标一维像识别中 ,对其机理作了详细地分析 ,建立了相应的支撑矢量机分类器算法 .对雷达目标的回波数据进行目标特征提取与分类的实验结果表明 。

结合纹理分析和支撑矢量机的汽车牌照定位研究

为了提高汽车牌照定位的准确率,将拍摄到的汽车图像先作离散余弦变换(DCT),然后对频率系数量化,从量化值中提取图像的方向性,并将量化值的统计特性和图像的方向性结合起来构造频域特征矢量;在空域中提取图像的角二阶矩、对比度、相关性和熵4个特征量,构造空域特征矢量.结合支撑矢量机,在粗分类时找到牌照候选区域,在细分类时从牌照候选区分离出真实的牌照.分类过程综合考虑分类速度、分类准确率和感兴趣的区域,可采取灵活的分类方式.实验表明,该方法对于汽车牌照定位具有较好的效果,可操作性较强.

基于支撑矢量机的天体光谱自动分类方法

天体光谱自动识别系统的主要目标是对天体进行分类和参数测量。文章提出一种新的基于支撑矢量机的非活动天体与活动天体的自动分类方法。在信噪比低的时候 ,由于红移值未知使得噪声与发射谱线难于辨别 ,因此不能单纯依靠寻找发射谱线来确定是否为活动天体。据此 ,在低噪声情况下对非活动天体与活动天体的区分成为难点。本方法结合主分量分析法和支撑矢量机 ,能够对红移值未知的活动天体与非活动天体比较有效地进行自动光谱分类 ,对天文界的大型巡天计划中的海量观测数据自动处理有比较重要的应用价值。

基于大规模数据的支撑矢量机的训练和分类

支撑矢量机是一种基于统计学习理论的、新颖且有强的泛化性能的学习方法 ,可看作是一种训练多项式神经网络或径向基函数分类器的新方法 .支撑矢量机可用于模式识别、回归估计、求解线性算子方程等 .介绍了支撑矢量机的分类机理 ,并针对大规模数据讨论其训练和分类中存在的问题及典型的解决方法 .

基于支撑矢量机的织物疵点识别算法

为了使用机器对织物疵点进行有效地检测和分类,提出了基于直方图统计和支撑矢量机的织物疵点识别算法。该算法运用直方图统计的方法,由概率统计生成直方波形,基于波形特征参数对比能准确定位织物纹理结构的异常位置,正确识别织物疵点,并将其作为支撑矢量机的输入参数,用于训练特征样本集,以获得支撑矢量,对待识对象进行识别,得到识别结果,在识别结果中寻找最优匹配,将待识图像归入最匹配类中。实验结果表明,该算法用于织物疵点检测是可行、有效的,可得到满意的识别结果。

基于支撑矢量机的路面破损识别

针对路面破损自动识别技术中的路面裂缝分类问题,提出了基于支撑矢量机(SVM)的路面破损裂缝分类方法,对于训练样本数很少的5种裂缝,建立了相应的支撑矢量机分类器算法,并分别构造了对应的分类器,根据最优分类面原则来获取最佳参数,确定出裂缝类型,从而实现对路面裂缝的正确分类。试验表明:4种破损路面的正确识别率均得到显著提高。

分片支撑矢量机

文中借鉴了分段线性识别的基本思想,提出了分片支撑矢量机模型.该模型首先将特征空间剖分成若干子空间,在每个子空间中基于支撑矢量机构造一个最优分类面,然后,将各个分类面链接起来构成一个分片最优分类面以逼近理论上的最优分类超曲面.同时,文中还从理论上分析探讨了其推广能力的界,为分片支撑矢量机模型提供了坚实的基础.最后,经典双螺旋线数据实验结果表明,相对于传统支撑矢量机,分片支撑矢量机的计算速度、分类能力以及推广能力均有了明显提高.

基于支撑矢量机的遥感图像目标识别

基于支撑矢量机对二值遥感图像飞机目标进行了识别 ,与欧氏距离判别法和神经网络方法的识别结果比较 ,表明对以矢量表示的高维二值为特征的图像识别问题 ,支撑矢量机方法具有良好的推广能力。而且 ,不同图像的二值化取值范围对识别结果有着直接的影响。

一种基于支撑矢量机的多用户检测算法

与现有的机器学习算法相比 ,在样本有限的情况下 ,支撑矢量机具有更强的分类推广能力 .本文将支撑矢量机与多用户检测相结合 ,提出了一种新型的多用户检测算法 .理论推导和仿真结果表明该算法的有效性 .

基于自适应投影算法和修正核函数算法的混合支撑矢量机

提出了基于自适应投影算法和修正核函数算法的混合支撑矢量机 ,根据修正核函数算法的正形投影变换 ,将问题映射到黎曼空间来增大分类面 ,从而提高支撑矢量机的分类精度 .但其缺陷在于它是由两步优化实现的 ,因此增加了时间复杂度 .基于此 ,混合支撑矢量机使用自适应投影算法对支撑矢量进行预选取 ,即通过投影从训练样本中选择部分样本作为中心矢量进行训练 .实验结果表明