基于FSVM算法的多模态情感数据自动采集方法

多模态情感数据采集过程中,容易出现数据自动采集结果冗余度较高的问题。因此,提出一种基于FSVM算法的多模态情感数据自动采集方法。获取不同情感状态下语音信号和脑电信号,提取多模态情感数据特征,再进行特征融合。采用FSVM算法设计数据识别算法,在数据样本隶属度赋予过程中准确避开噪声点或野值点,完成多模态情感数据的准确分类。最后,在FPGA芯片的作用下完成数据自动采集。实验结果表明:相较对比方法,所提方法的多模态情感数据采集结果的平均冗余度低。

基于SHAP值的类重叠识别方法对FSVM的改进

在分类问题中,类重叠现象会大大影响分类模型的效果,针对类重叠样本的识别问题,提出了一种基于SHAP值的类重叠识别新方法,基于SHAP值构造出样本在所属类中的分类作用能力隶属属性,对类间重叠样本进行有效识别,然后利用仿真实验验证了基于SHAP的类重叠识别方法的适用性;将样本的分类作用能力归一化后构造出样本隶属度度量,并将该隶属度应用于模糊支持向量机(Fuzzy Support Vector Machine,FSVM)算法后得到FSVM_SHAP模型,通过在多个经典二分类数据集上实验得到了较好的效果,体现了该模型的有效性.

基于FSVMs的雷达辐射源信号分类识别

利用核函数主分量分析(KPCA)提取雷达辐射源信号时频分布图像的特征矢量。为解决多分类问题中的不可分情况,引入基于模糊C均值聚类的模糊支持向量机。实验表明,该方法对辐射源信号的识别率高于传统的分类方法。

FSVM在图像低层特征与高层语义关联中的应用

基于内容的图像检索中,针对图像的低层可视特征与高层语义特征之间的鸿沟,提出了一种新的基于模糊支持向量机(FSVM)的语义关联方法.重点分析了支持向量机语义关联中存在的误分、拒分现象,在传统支持向量机中引入模糊隶属度函数,解决了不可分区域问题.通过对图像低层特征的分析,提取了颜色和形状特征向量(221维),将它们作为模糊支持向量机的输入向量,对图像类进行学习,建立图像低层特征与高层语义的关联.并应用于鸟类、花卉、海洋以及建筑物等几个典型的语义类别检索,实验结果表明,该方法可适应于不同用户的图像检索,在相同的条件下可以达到比支持向量机方法更为理想的语义关联效果,提高了检索性能.

基于2DLDA与FSVM的人耳识别

针对人耳图像特征提取和识别方面存在的问题,提出一种将二维线性鉴别分析(2DLDA)和模糊支持向量机(FSVM)相结合的人耳图像识别方法。利用2DLDA将人耳图像直接投影,提取的人耳特征,可以保留人耳图像样本的大量类内和类间信息。同时,FSVM在支持向量机(SVM)的基础上引入隶属度参数,更加适合多类问题。实验结果表明,该方法与2DLDA相比具有更高的识别率。

基于改进FSVM的数据挖掘分类算法

针对模糊支持向量机(FSVM)应用于数据挖掘分类中存在对大样本集训练速度慢以及对噪声点敏感影响分类正确率的问题,提出一种基于改进FSVM的数据挖掘分类算法.该算法首先预选有效的候选支持向量,减小训练样本数目,提高训练速度;其次定义一种新的隶属度函数,增强支持向量对构建模糊支持向量机的作用;最后将近邻样本密度应用于隶属度函数设计,降低噪声点或野值点对分类的影响提高分类正确率.实验结果表明,该算法在训练样本数目较大时训练速度和分类正确率都有提高.

FSVM在有限集脱机手写体汉字识别中的应用

模糊支持向量机方法解决了多类支持向量机方法中的不可分区域问题。将模糊支持向量机方法引入到有限集脱机手写体汉字识别中，并以同济大学成绩自动识别系统为背景进行了一系列实验，结果表明在相同的条件下可以达到比支持向量机方法更为理想的识别效果。

基于非下采样剪切波变换的FSVM图像去噪算法

以非下采样剪切波变换为基础,提出了一种模糊支持向量机图像去噪算法,其中非下采样剪切波变换能够获得噪声图像的高频子带,对高频子带系数进行模糊分类,利用自适应阈值处理含噪子带系数,达到去噪效果。实验结果表明,本文算法在图像去噪方面表现良好。

基于类中心和密切度的L-2范数FSVM

支持向量机(SVM)是解决回归问题的一种有效的方法,但传统的支持向量机对样本中的噪声和孤立点非常敏感。为了克服这个问题,文中提出了一种基于类中心和密切度的L-2范数模糊支持向量机(L-2范数FSVM),即模糊隶属度的建立不仅根据样本到类中心的距离,而且根据样本点和其目标点之间的密切度。仿真实验结果显示了该方法有效地减少了噪声的影响,改进了回归的精度,增强了推广能力。

基于聚类FSVM的小电流接地系统馈线故障定位系统

提出小电流接地系统实现单相接地故障定位的新方法。该方法应用基于聚类的FSVM和电流注入法分两步实现故障定位。首先阐述了模糊支持向量机(FSVM)的原理,应用分级聚类和决策树思想在两类支持向量机的基础上构造基于聚类的多类FSVM实现故障选线。接着应用电流注入法对故障线路进行定位。

基于组合隶属度FSVM的图像边缘检测

文中提出了一种新的边缘检测方法———基于组合隶属度模糊支持向量机(FSVM)的图像边缘检测。通过对这种新的FSVM分类算法建立边缘检测的模型对加入椒盐噪声状态的图像进行边缘检测的实验。仿真实验结果表明,新的算法稳定性高,抗噪性能好,具有更好的检测效果。

基于预分类的FSVM

模糊支持向量机(fuzzy support vector machine,FSVM)通过为每个样例设置模糊化训练参数,达到抑制离群点及噪声数据对分类器不利影响的目的。提出了基于预分类的FSVM,每个样例的模糊权重通过关联于该样例的预分类面来确定。该方法不仅考虑了各个样例在未来分类中的作用效果,还考虑了分类器对离群点及噪声数据的敏感性。这样确定的模糊权重能使SVM根据离群点及噪声数据的影响情况决定抑制强度,减少或避免无视数据具体特征的盲目抑制。在IDA、UCI等标准数据集上的实验验证了所提方法的合理性和有效性。

基于FSVM的图像多类分类方法

图像多类分类问题一直是语义图像检索的一个难点问题,目前常采用的Support Vector Ma-chine(SVM)多类分类方法会存在分类盲区,严重影响了图像的分类准确率,将Fuzzy Support VectorMachine(FSVM)理论引入到SVM多类分类器常用的两种分类策略中去,分别构成一对一FSVM(1-v-1 FSVM)和一对多FSVM(1-v-r FSVM),文中详细对比了两种方法的分类准确率及分类速度,最终实验证明1-v-1 FSVM方法提高了图像多类分类的准确率,同时也比1-v-r FSVM方法更具优越性。

深度网络与FSVM集成学习的卫星云图云分类

准确的云分类模型对气象监测有重要的意义,传统机器学习云分类模型依赖手工特征提取,容易受噪声数据影响,模型泛化能力较差。深度网络分类模型能自动学习图像深度特征,但是对于图像边缘与细节分类效果不佳。本文针对上述问题进行研究。首先提取Himawari-8卫星云图光谱特征、纹理特征用以训练模糊支持向量机(Fuzzy Support Vector Machine,FSVM)模型;同时利用不同通道云图训练深度网络,学习云图深度特征;最后,根据不同模型特性,训练元分类器对各模型输出进行融合,设计了一种基于深度网络与FSVM集成学习的云分类方法,该方法综合不同模型优势,利用不同模型间的互补性提高云分类结果的鲁棒性和可信度。相比单独使用FSVM或深度网络的分类模型,本文集成学习方法在众多评价指标中有更好的表现,平均命中率、平均误报率和平均临界成功指数分别达到0.9245、0.0796、0.8581;与其它云分类模型相比,本文方法也有更好的分类效果;在具体案例测试中也发现,该方法对于不同云类混合区有更高的识别精度,而且能更加准确的识别云团边缘及细节。本文模型能够满足云分类模型稳定可靠、高精度、泛化性能强的要求。

基于小波脊和FSVM的雷达辐射源识别

有效的特征提取和信号特征选择是解决复杂体制雷达辐射源信号分选难题的重要手段。利用小波脊和高阶谱分析方法提取雷达辐射源信号的瞬时频率、瞬时相位和幅度以及高阶累积量等特征向量。通过基于互信息的贪婪算法进行特征选择,得到具有低维数、可识别性的辐射源特征。为解决多分类问题中的不可分情况,引入基于模糊C均值聚类的模糊支持向量机进行雷达辐射源分类识别实验。实验表明,该方法对多种复杂辐射源信号具有较好的识别效果。

基于KPCA-FSVM的液压泵可靠性寿命分布识别

为了准确快速识别出液压泵的可靠性寿命分布模型,提出了一种基于核主元分析和模糊支持向量机的可靠性寿命分布模型识别方法。该方法充分利用核主元分析非线性特征提取的优势和模糊支持向量机良好的分类能力,建立了适合可靠性寿命分布识别的模糊支持向量机模型,并将其应用于液压泵可靠性寿命分布模型识别。仿真实验结果表明,该模型能够降低计算的复杂度,具有良好的泛化能力,能够准确地识别出液压泵无故障工作时间数据所属的寿命分布类型。

结合FSVM和KNN的人脸表情识别

为了提高人脸表情的正确识别率,提出了一种组合模糊支持向量机(FSVM)和K-近邻(KNN)的人脸表情识别的新方法.该方法通过主成分分析(PCA)提取人脸表情特征,对于待分类的不同区域,根据区分程度自适应划分为不同区域类型;并结合FSVM和KNN算法的特点,对不同区域类型切换分类算法.实验表明,此方法既能保证分类的精确度,又能简化计算复杂度.

基于FSVM改良隶属度的发动机振动故障识别

为了更好的对航空发动机整机振动进行故障诊断和识别,提出了改良的FSVM隶属度和多类隶属度与信息熵的融合定量分析方法,并且和传统的FSVM隶属度分析方法进行比较。对传统的FSVM的模糊隶属度函数改良后建立了多类模糊隶属度计算模型。通过实验实例验证了该多类模糊隶属度与信息熵相结合的技术对于航空发动机整机振动状态评估和故障诊断识别非常有效,计算出振动故障模式与故障原因之间的权值,建立了一个多参数的发动机振动状态分析模型;并对各类振动原因对发动机整体状态的影响进行定量分析,为发动机的振动抑制提供量化参考指标。

基于FSVM的转炉终点光辐射状态识别

针对转炉冶炼终点传统人工肉眼看火判断存在着诸多不确定性问题,研究了一种基于模糊支持向量机的光辐射状态识别实现转炉终点判断的方法。设计了非接触式炉口光辐射采集系统,基于炉口火焰辐射规律分析,分别提取了通过高斯函数拟合表征光谱整体特征的三参数和两个发射峰离散谱参数作为支持向量机的输入,通过相关性分析选出生产过程中氧量、动枪幅度、爽枪时间、加料量参数构建子样本特征量,采用样本到类间距离的方法计算隶属度因子,建立了模糊支持向量机识别模型并进行了测试实验。实验结果表明,提出的方法对不同操作工况下的终点光辐射识别精度优于人工方法和传统SVM方法,可为转炉终点的准确判断提供依据。

基于LBP和FSVM的视频文字定位方法

提出一种基于局部二值模式(LBP)和模糊支持向量机(FSVM)的视频文字定位方法。利用边缘信息和形态学操作进行文字粗检测,采用投影直方图和启发式规则形成候选文字区域,提取LBP作为纹理特征,用FSVM对候选文字区域进行精确定位,生成最终的文字块。实验结果表明,该方法具有较好的视频文字定位能力且鲁棒性较强。