基于核K-均值聚类算法的植物叶部病害识别

针对植物叶部病害图像的特点,首先对采集到的玉米病害彩色图像采用矢量中值滤波法去除噪声,然后提取玉米病叶彩色图像的纹理特征和颜色特征作为特征向量,利用Mercer核,把输入空间的样本映射到高维特征空间进行K-均值聚类以及植物病害识别。试验涉及的4种玉米病害识别正确率达82.5%,核K-均值聚类方法适合玉米叶部病害分类。

基于核K-均值聚类和支持向量机结合的说话人识别方法

提出了基于核K-均值聚类方法与支持向量机结合的说话人识别方法,为每两个人建立一个支持向量机,对支持向量机输入的语音信号先进行核K-均值聚类,并选取有效样本作为支持向量机的输入,本文提出的聚类方法能够去更好的聚类并约简数据,提高了识别率.实验比较了在用支持向量机作为分类器的情况下,该核聚类与传统聚类方法的训练速度和识别性能,验证了本文提出方法的有效性.

基于核的K-均值聚类

将核学习方法的思想应用于K-均值聚类中,提出了一种核K-均值聚类算法,算法的主要思想是:首先将原空间中待聚类的样本经过一个非线性映射,映射到一个高维的核空间中,突出各类样本之间的特征差异,然后在这个核空间中进行K-均值聚类。同时还将一种新的核函数应用于核K-均值聚类中以提高算法的速度。为了验证算法的有效性,分别利用人工和实际数据进行K-均值聚类和核K-均值聚类,实验结果显示对于一些特殊的类分布数据,核K-均值聚类比K-均值聚类具有更好的聚类效果。

核的K-均值聚类水下目标识别

首先分析核的K-均值聚类算法的实现过程,然后针对算法中的关键性问题——选择核函数进行阐述,最后对拍摄到的球体、椭球体、三棱柱和四棱柱4类水下目标进行识别,在识别过程中分别进行了不同核函数和不同聚类算法的仿真。仿真结果表明,本文采用的核的K-均值聚类算法在水下目标识别的过程中识别率高、计算性能优越。

基于核鲁棒k-均值的模糊支持向量机算法

支持向量机对训练数据中的噪声敏感,为了解决这一问题,本文提出基于核鲁棒k-均值算法的模糊支持向量机算法。算法首先在每类训练样本上应用核鲁棒k-均值算法,得到每个样本的模糊隶属度,将该隶属度赋予训练样本,得到模糊训练集,然后在模糊训练集上训练模糊支持向量机,得到分类决策函数。实验表明,对于带噪声的训练样本,本文的算法能够为噪声样本赋予小的隶属度,提高分类准确率。

基于核方法的彩色图像量化研究

彩色图像量化是指将一幅具有N种颜色的图像用K(K N)种颜色替换,并使替换后的图像与原图像尽可能接近。文中提出了一种基于核方法的彩色图像量化算法———KCIQ,KCIQ使用核函数将低维输入空间的样本向高维特征空间映射,使得非线性问题变为线性问题。核函数的引入使得不用计算样本在特征空间的具体位置,而只需计算输入空间样本的内积,因而,计算量增加不大。实验表明,该算法对“万绿丛中一点红”这样的特殊图像具有较好的效果,而对普通图像也有和K-均值类似的效果。

改进的核子类判决分析

提出了改进的核子类判决分析(improvcd kernel clustering-based discriminant analysis,IKCDA)方法,首先采用快速全局核k-均值聚类算法找到每类目标的最优子类划分,然后基于找到的子类划分结果采用核子类判决分析求取最优的投影矢量。基于UCI机器学习数据库的实验结果表明,经过IKCDA特征提取后异类样本间的可分性明显改善了。此外,基于美国运动和静止目标获取与识别(moving and stationary target acquisitionand recognition,MSTAR)计划录取的合成孔径雷达地面静止目标数据的实验结果表明,经过IKCDA后可以改善对真实目标的分类性能和对干扰目标的拒判能力。

基于核的多超球面一类支持向量机分类算法

为了降低单超球面一类支持向量机(One Class-SVMs,简称OC-SVMs)分类算法的错分率,提出了一种基于核的多超球面一类支持向量机分类算法。算法利用核空间中样本特征差异突出的特性,首先对样本在核空间进行K-均值聚类,然后使用OC-SVMs对各子类训练建立多超球面分类模型,实现分类判决。实验结果表明,算法有效地提高了类精度。

一种实用的说话人特征提取方法

针对稀疏核主成分分析方法在特征提取中的不足,提出了一种基于核K-均值聚类的稀疏核主成分分析(Sparse KPCA)的特征提取方法用于说话人识别。通过核K-均值聚类的方法对语音帧进行聚类,由于聚类的中心能够很好地代表类内的特征,用中心样本帧取代该类,减少了核矩阵的维数,然后再采用稀疏KPCA方法对核矩阵进行特征提取。该方法能够减少存储空间和计算的复杂度,它保证约简后的数据能够很好地代表原始数据并且在约简过程中信息损失最小。实验结果验证了提出的方法在不影响识别率的前提下提高了识别速度,满足了说话人识别的实用性要求。

鲁棒的镜头边界检测与基于运动信息的视频摘要生成

根据基于内容的视频索引与检索等应用的需求,提出一种视频摘要生成方法.首先进行鲁棒的镜头边界检测,基于颜色直方图计算相邻帧间距离来进行初步检测,并通过分析帧间运动向量去除由相机运动引起的误检测;然后根据镜头的运动指示图将镜头分为静态镜头、包含对象运动的镜头和包含显著相机运动的镜头;最后提出镜头间基于多实例表示的距离度量方法以及聚类算法的初始化方法,采用核K-均值算法对每类镜头进行聚类,抽取每类中最靠近类簇中心的镜头作为关键镜头,将关键镜头按时间序组合起来形成视频摘要.与已有方法相比,文中方法能进行更鲁棒的镜头边界检测,识别镜头中的运动信息,并对镜头分类后进行分别处理,从而增强视频摘要的信息概括能力.

基于双约简的GMM说话人辨识

如何能够快速准确的实现说话人识别是说话人识别研究的一个重要环节。提出双约简GMM的说话人确认方法,对语音参数进行核K-均值聚类,提取聚类中心的语音特征矢量作为训练数据,并对其进行fisher比约简,提取具有区分力强的维数。实验表明该文提取方法可以减少训练时间,并提高系统的鲁棒性。

多超球面OC-SVM算法在隐秘图像检测中的应用

针对二类支持向量机分类器在图像密写分析应用中训练步骤复杂与推广性弱的缺点,把一类支持向量机(OC-SVM)引入算法,提出一种基于核的多超球面OC-SVM算法。算法利用核空间中样本特征差异突出的特性,首先对样本在核空间进行K-均值聚类,然后使用OC-SVMs对各子类训练建立多超球面分类模型,实现分类判决。实验结果表明,算法有效地实现了对隐秘图像的盲检测,提高了检测精度。

一种基于数据的核优化新方法

针对核优化问题进行了研究,给出了一种基于数据的智能核优化新方法。算法利用UCI数据和美国实测合成孔径雷达图像数据进行仿真实验,结果验证了该方法的有效性和可行性。