基于核变换的高性能支持向量机分类算法

由于传统的支持向量机(SVM)算法的核函数没有考虑训练数据自身的特点,因而相对于具体的问题来说,往往不是最优的。为了获得最优的分类结果,提出了一种基于核变换思想的支持向量机分类方法。该方法首先根据训练样本的类属信息,通过对初始核进行线性变换来间接地达到改进输入空间到输出空间的映射函数的目的,同时利用变换后的核函数来求解分类数据特征空间的超平面方程。仿真和实验结果表明,采用此方法,不仅可以提高系统的分类性能和降低噪声的干扰,而且可以增强分类结果的鲁棒性。

序列捕获的序列核变换方法

在序列扩频、加扰通信系统中,通常采用连续接收信号并进行滑动相关运算的方法,通过搜索相关峰进行序列捕获,需要接收多个完整周期的序列。随着序列周期的加大,一方面需要花费大量的接收端存储资源,另一方面,相关运算的计算开销会呈指数增长,导致很难实时捕获长周期序列。为解决这一问题,提出了一种序列核变换方法,变换后的每个元素均包含有完整的序列信息,实现了序列信息压缩。然后,基于该变换方法将捕获过程分为序列检测和序列捕获两个阶段,只在检测到目标序列后才开始捕获,进一步降低了计算开销。理论分析和仿真验证表明,算法通过牺牲部分低信噪比环境下的捕获成功率换取了计算资源的大量减少,算法可在一个序列周期内快速捕获不同周期的m序列,并且所节省的计算资源随序列周期变大而增多。

Stein流形上具有权的核变换的边界性质

利用局部化技巧,讨论了stein流形中曲面上外微分形式的具有权的B-M变换、Leray变换和Henkin变换的边界性质,并构造了边界上诱导的Cauchy-Riemann方程(即-方程)的具有权的基本解。

ε-SVM与核变换最小二乘法在系统辨识中的比较研究

简要介绍了非线性回归方法———支持向量机(ε-SVM)和基于空间变换的最小二乘辨识方法(KBLS)的算法原理。通过仿真实验,对两种方法进行了比较。结果表明:两种方法都可以以高精度逼近一个高度非线性系统。在单输入情况下,不加噪声时,KBLS具有绝对优势,拟和性能优良,但待辨识参数比支持向量个数多;加噪干扰情况下,SVM已明显优于KBLS,但支持向量的个数也大于KBLS。双输入情况下,不加噪声时,KBLS已没有明显优势;若在输出端增加噪声,KBLS几乎完全失去了抵御能力。

保持象变换、保持核变换的充分必要条件

象与核是线性变换的重要体现.本文在高等代数的基础上讨论了n维线性空间上的两个线性变换的象与象,核与核,象与核的关系,通过其特殊性推出一个线性变换的象与核的内在关系.其次,本文还研究了保持象和保持核的线性变换的形式。

光热光学相干层析成像中基于小波变换的旋转核变换去噪算法

针对光热光学相干层析(PT-OCT)三维图像中有不同类型的散斑噪声,采用改进的旋转核算法对其进行抑制。首先对PT-OCT图像进行小波分解,获得4个不同频带的子图像;然后利用最大类间方差算法分离低频近似子图像的前景和背景,并对其进行分段增强,使用改进的RKT算法分别对水平、垂直和对角三个方向的高频细节图像进行滤波;最后对增强处理后的低频近似图像与三个旋转核滤波后的高频细节图像进行线性增强,再对其进行重构,得到去噪后的图像。所提算法对于大脑等复杂组织的血管造影截面图像和在不同深度的切片层析图像,能够有效降低PT-OCT图像血管间的散斑噪声,比经典的RKT算法的方均根误差平均降低27.16,平均峰值信噪比提高3.68dB,从而提高血管造影的质量。

基于核最小噪声分离变换的高光谱遥感影像多类SVM分类

高光谱遥感影像具有高维非线性、数据冗余多、训练样本难以获得等特点。在线性最小噪声分离变换MNF(Minimum Noise Fraction)的基础上,引入核方法,提出核最小噪声分离变换KMNF(Kernel Minimum Noise Fraction)高光谱遥感影像非线性特征提取方法。在KMNF特征提取后的影像上利用多类SVM进行高光谱影像分类,分析数据维数、样本个数对分类结果的影响,并与传统的最小距离分类方法进行对比。发现最小距离分类法存在维数灾难现象,当达到一定的特征维数之后,多类SVM分类方法受维数影响较小,具有一定的抗噪声能力,在一定程度上避免了维数灾难现象;利用多类SVM进行分类时,随着样本数目的减少,合理设置有关参数,高光谱图像的分类能够维持在较高精度;而传统的最小距离分类法当样本数量较小时,效果很差,这说明了SVM小样本分类的优势。

基于核最优K-L变换的故障特征提取方法研究

核函数主元分析KPCA(kernel princ ipal component analysis)能够提取机械故障信号的非线性特征,可以应用于机械故障状态识别。但是KPCA是一种无监督的特征提取方法,不能利用故障信号中的类别信息。本文介绍了一种核最优K-L变换,它可以充分利用类别信息,它能够提取类平均向量和方差向量中的判别信息,使提取的特征分类效果更好。在齿轮故障诊断实验中,采用核最优K-L变换提取故障信号的非线性特征,实验结果表明核最优K-L变换相比KPCA故障识别结果更为理想。

n维线性空间上的两个线性变换的象与核

讨论了 n维线性空间上的两个线性变换的象与象 ,核与核 。

裂纹舌图像的核假彩色变换及其纹线提取

针对在中医舌诊研究中使用计算机提取舌裂纹比较困难的问题,提出一种新颖的舌裂纹提取算法.首先对彩色裂纹舌图像使用核假彩色变换使舌裂纹区域与其周围区域的颜色对比度明显增强;然后利用假彩色图像在RGB颜色空间的第二分量信息得到梯度图像;最后对梯度图像使用滞后阈值等方法得到舌裂纹二值图像.实验结果表明,该算法能有效地分离舌裂纹与环绕在其周围的舌质、舌苔背景,为计算机化舌裂纹研究提供了较为可靠的技术支持.

快速一维DCT变换核的VLSI实现

提出并实现了一维 DCT变换核的一种高性能的 VL SI结构。通过分解 DCT变换为 SFDCT和比例变换两个部分 ,实际采用的快速一维 DCT变换总共需要 5次常数乘法和 2 9次加减法。根据算法安排了数据的输入顺序 ,设计了数据通路、高速的常数乘法器、控制电路 ,用 VHDL语言完成了整个设计并进行了仿真和在 1.0 μm COMS库上的综合 ,电路面积约为 340 0等效门。

线性变换的核若干性质讨论

线性变换的核是线性空间的一个重要概念,在给出一般性质的基础上,讨论了特殊线性变换的核的性质。

基于核函数正则变换的HRRP识别法

雷达高分辨距离像包含了目标的结构信息,在雷达目标识别领域有良好的应用前景.应用核函数的分类方法有很强的泛化能力,本文将核函数的思想引入正则变换,提出核函数正则变换,该变换能在考虑各类样本整体和个别特性的同时提取非线性特征,将其与线性支持向量机结合实现目标分类.用实测数据仿真实验,验证了所提方法的有效性.

变换核估计和迭代算法

设X_1,X_2,…,X_n为独立同分布的随机变量,其密度函数为f(x),该函数有较陡的起始部分和较长的尾部,如对数正态和威布尔密度函数等。考虑一个变换T:Y_i=T(X_i),使得Y_i的密度函数g(y)具有较小的估计误差。这样,f(x)可用T′(x)g(T(X))来估计。本文给出了变换核估计的迭代算法。并讨论了估计的特性,蒙特卡罗方法模拟的结果表明变换核估计对对数正态及威布尔分布的密度函数的估计是合适的。

文本分类中基于核的非线性判别

针对文本分类问题中的特征降维问题,改进最大散度差鉴别准则,引入核变换作为前处理,使最大散度差鉴别准则可适用于更广泛的文本分类情形.提出一种基于核的非线性鉴别方法用于文本特征抽取.借助于核变换解决了散度差准则在用于文本分类时线性可分性较差的问题.在最低限度减少信息损失的前提下实现了特征维数的大幅度减缩.文本分类试验结果表明,这种非线性方法与无核的最大散度差方法相比,F1值提高了4.7%,具有明显的效率上的优势.

文本分类中一种基于核的最大散度差特征抽取方法

研究了一种基于核的最大散度差准则的文本特征抽取方法。首先回顾了文本分类中特征降维的主要方法、Fisher准则及其相关研究进展以及存在的问题;然后分析了基于散度差准则的线性鉴别方法的优点与不足,借助于核函数较好地解决了线性可分性较差的样本分类问题,在最低限度减少信息损失的前提下实现了特征维数的大幅度减缩。实验结果表明,该方法在文本分类上的效果较好。

一种基于核的正交化最大散度差文本特征抽取

核方法是解决非线性可分性问题的一个重要途径。针对文本自动分类中的特征降维问题,在核最大散度差鉴别分析基础上,提出一种正交化核最大散度差鉴别准则,论证了鉴别向量集在正交化和非正交化的条件下鉴别准则的一致性。在最低限度减少信息损失的前提下实现了文本特征维数的大幅度减缩,改善了最大散度差线性鉴别准则在用于文本分类上的性能。分类试验表明,这种正交化核最大散度差鉴别向量集抽取模型,与线性最大散度差方法相比,具有明显的效率上的优势。

核主成分分析网络的人脸识别方法

主成分分析网络(principal component analysis network,PCANet)是当前流行深度学习模型,在人脸识别、目标识别、纹理分类和手写体数字识别等方面有广泛应用。在PCANet方法基础上,该文提出基于核主成分分析网络(kernel principal component analysis network,KPCANet)的人脸识别方法。算法由四部分组成:主成分分析(PCA)、核主成分分析(KPCA)、二值化哈希、分块直方图。在Extended Yale B和AR两个经典人脸库上的实验结果表明,所提方法在识别性能上优于PCANet方法 ,算法对于不同光照、表情变化下的人脸有更好的识别率和鲁棒性。

基于分数希尔伯特变换的广义解析信号

从分数Hilbert变换出发,来考察实信号的复数形式,特别是新的解析信号构造问题.首先简述解析信号和分数Hilbert变换的概念,接着从经典的解析信号入手,提出基于分数Hilbert变换的解析信号构造方法,从而得到一类新解析信号.最后计论新解析信号的一些基本性质其应用.

快速傅立叶变换实现方法的改进

分析典型的基2快速傅立叶变换实现过程,提出了一种高效的快速傅立叶变换方法实现,采用了逆序映射方法和改进生成法的编程技术,对FFT的位序倒置算法的实现作了改进.实验表明:本方法在计算n个信号序列的傅立叶变换的运算时间减少近一半.