基于1类SVM的高分辨雷达真假目标识别

本文将高分辨雷达目标检测问题等效为真假目标识别问题,并针对现有的高分辨雷达目标检测算法的缺陷,借鉴处理异常值问题的思想,首次将1类SVM引入高分辨雷达目标检测之中,为解决高分辨雷达目标检测问题提供了一条崭新的思路。同时针对现有的1类SVM对数据域描述的不足,结合高分辨雷达目标数据分布的特点,提出了一种聚类式的1类SVM模型,通过对训练的正类样本的聚类分组,用多个小的超球来代替原来的1个大的超球,从而更准确的实现了对数据域的描述。最后针对存在多类真目标的情况,提出了对每一类真目标分别进行处理的方法,以满足后续真目标类型识别的需要。雷达实测数据实验结果表明本文算法是有效的。

改进决策的带异常样本1-SVM算法及应用

针对正常类样本多、异常类样本缺乏问题,基于异常样本加入能提高分类能力及分类精度考虑,提出改进决策的带异常样本1-SVM算法,并用于机械设备异常状态检测。用两类样本同时训练1-SVM模型可改善1-SVM算法对异常样本的描述能力;通过调整决策边界提高1-SVM算法的分类精度。柴油机气阀机构故障检测实验结果表明,该算法对正常类及故障类样本的识别率均高于标准1-SVM算法及带异常样本的1-SVM算法。

基于1-norm SVM权值学习的多示例目标跟踪

针对复杂场景下目标跟踪存在鲁棒性低,容易发生跟踪漂移的问题,提出一种改进的多示例目标跟踪算法。该算法针对多示例跟踪算法在包概率计算过程中忽略样本间的差异,对所有样本赋予相同权值,造成分类器性能下降及弱分类器选择存在复杂度高的问题,通过1-norm SVM计算各样本对包概率的重要程度,并在弱分类器选择过程采用内积的方法计算包概率的似然函数,从而减小算法的复杂度和计算时间。实验结果表明,该算法在目标发生遮挡、姿势变化、场景光照发生较大变化以及出现相似目标等较强干扰的情况下仍能较好地跟踪目标,具有较强的鲁棒性和抗干扰能力。

基于SVM的0-1序列生成器

提出一种0-1序列生成器的设计方法。该方法通过Logistic映射得到一组对初始值具有敏感性、快速衰减的自相关性、长期不可预测性和伪随机性的随机序列;利用SVM对随机序列进行粗粒化,由于SVM的确定性和不改变随机序列的时序性,生成0-1随机序列。理论研究和数值模拟表明,该序列发生器具有良好的随机性,并且易于实现。

基于收敛性线性粒子群优化算法的1-SVM电力设备状态分析方法

根据基于图像的机器学习方法在电力设备状态分析中的应用特点,设计了包括模型学习、设备粗定位及对齐分割在内的电力设备状态识别主要技术框架。针对利用图像对关键电力设备进行对齐分割的问题,配合图像模型中的主要特征提取方法,建立了基于收敛性线性粒子群优化算法的1-SVM电力设备状态精确对齐及分割方法。仿真实验验证了该方法在以隔离开关为对象的电力设备分析识别中能够获得较快的处理速度,同时具备较好的分类性能。

CHB逆变器3N+1与SVM容错切换

多电平逆变器的开关器件一旦发生故障,会造成输出电压不对称,系统运行负担加剧等不良影响。将3N+1冗余和空间矢量调制(SVM)应用于多电平级联H桥(CHB)逆变器实现开关故障的容错控制,平衡故障引起的直流偏移,稳定逆变器的运行。根据不同开关故障类型的无效空间矢量分布,判断是否需要插入冗余单元以及冗余单元是否发挥直流电压的作用,再选择有效开关状态控制开关器件的通断平衡线电压和负载电压。提出的方案能够提高故障CHB逆变器的最大输出电压和可靠性。仿真和实验结果验证了提出的容错策略的有效性。

基于多时相Sentinel-1影像的江南地区水稻信息提取

为准确提取多云雨江南地区水稻种植信息,以江苏省丹阳市访仙镇为研究区,以多时相Sentinel-1数据为主、Sentinel-2数据为辅开展研究。通过计算水稻关键生育期内不同地物与水稻间的J-M距离,引入水稻移栽期内的归一化水体指数(NDWI)和收割完成后的归一化裸土指数(NDBI),获取水稻种植范围的最优特征组合;再以K近邻、随机森林和支持向量机(SVM)为基础建立分类模型,并对比验证了最优特征组合下不同模型的分类精度。结果表明,引入NDWI和NDBI的分蘖拔节期、孕穗抽穗期的VV极化后向散射系数以及孕穗抽穗期、乳熟成熟期VH极化后向散射系数为水稻提取的最优组合,采用SVM算法建立的分类模型的水稻识别精度最高,总体精度为0.916,Kappa系数达到0.828。

基于KNN算法的改进的一对多SVM多分类器

针对传统支持向量机(SVM)多分类一对多算法存在的运算量大、耗时长、数据偏斜以及对最优超平面附近点分类易出错问题,提出了一种改进方法。将数据空间分为密集区和稀疏区,各类中密集点归于密集区,其余归于稀疏区。将每类中密集点连同它附近的点用于训练得到相应的SVM分类器。在测试阶段,对密集区的待测样本用传统的一对多判别准则来做类别预测;对稀疏区的待测样本则采用K近邻(KNN)算法。数值实验结果表明,改进的算法在耗时和分类精度上都优于原算法,对解决一对多算法存在的问题有较好的成效。

基于1-分类支持向量机的机器视觉缺陷分类方法

文章针对机器视觉表面缺陷检测中不同类缺陷样本数量少和不均衡的情况,提出了用1-分类分别对单独类缺陷进行真/假分类判断的分类方法,首先对每类训练样本计算具有尺度和旋转不变的不变矩特征,再使用基于1-分类的支持向量机和RBF核函数对每一类缺陷样本生成一个超球面,然后通过二重网格搜索的方法对核函数的参数寻优,最后对实际采集的缺陷图像自动寻找缺陷位置并进行分类。实验表明,1-分类支持向量机进行缺陷分类能克服分类样本不均衡的限制,具有分类准确率高及易实现在线检测等优点。

基于SVM的高分一号卫星影像分类

以辽宁阜新为研究区,运用支持向量机(SVM)的方法对高分一号8 m,16 m和Landsat8多光谱影像进行土地利用分类对比研究。实验表明,SVM的分类精度高于最小距离和最大似然方法,高分一号多光谱数据的分类精度高于Landsat8数据,可以应用于土地利用的分类。

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。

基于EMD和ART-1神经网络的故障诊断方法研究

针对旋转机械故障信号呈非平稳时变并伴随有强烈的背景噪声的特点,利用经验模态分解获得振动信号的本征模态函数,并对本征模态函数进行系数-能量计算,提取系统的特征信息,并针对EMD中的端点效应问题,提出了基于网格搜索和交叉验证法的最小二乘支持向量机预测方法;在此基础上将能量容差概念引入ART-1神经网络,进而提出了基于EMD与ART-1神经网络相结合的故障分类方法;以离心式风机的故障为例进行分析,实验结果表明该方法在故障信息诊断方面是可行的和有效的,并能够提高故障检测的可靠性。

基于QPSO-SVM与DGA五边形解释工具的变压器故障诊断方法

鉴于变压器油中溶解气体分析(dissolved gas analysis,DGA)五边形解释工具存在依赖现场经验、准确率较低和分类边界过于绝对化等问题,提出了基于量子行为粒子群优化支持向量机(quantum-behaved particle swarm optimization support vector machine QPSO-SVM)与DGA五边形解释工具的变压器故障诊断方法。首先,基于变压器油中溶解气体数据,计算了Duval Pentagon1特征气体相对百分比的质心坐标和Mansour Pentagon特征气体相对百分比的质心坐标。其次,构建了QPSO-SVM-Duval Pentagon 1和QPSO-SVMMansour Pentagon变压器故障诊断模型。最后,对不同变压器故障诊断方法进行对比分析。仿真结果表明,QPSO-SVM-Duval Pentagon 1和QPSO-SVM-Mansour Pentagon变压器故障故障诊断方法准确率高于95.00%;QPSO-SVM-Duval Pentagon 1与QPSO-SVM-Mansour Pentagon相比准确率高、计算复杂;所提出方法与常规的DGA五边形解释工具和传统QPSO-SVM变压器故障诊断方法相比,变压器故障诊断准确率更高。

GF-1卫星影像水体信息提取方法的适用性研究

针对GF-1卫星影像数据的特点,分别采用归一化差分水体指数(nomalized difference water index,NDWI)阈值法、支持向量机(support vector machine,SVM)和面向对象等方法对鄱阳湖区的GF-1影像进行水体信息提取实验,并根据提取结果分析和比较各种方法的优势与不足。选取2块不同尺度和不同复杂度的代表性区域,以人工解译的水体信息为真值,进行漏提率、误提率和提取精度的统计。结果表明:3种方法在2个区域的提取精度都较高,其中,SVM法的提取精度最高(2个区域的提取精度分别为99.474 2%,98.099 3%),面向对象法的提取精度次之(99.316 4%,97.877 9%),NDWI阈值法的提取精度相对最低(99.145 6%,97.590 0%)。

用支持向量机预测HIV-1整合酶抑制剂活性

HIV整合酶可催化病毒复制周期中的整合过程,即将HIV反转录产物cDNA整合入宿主基因组,它是病毒复制过程中不可缺少的酶,也是抗HIV药物设计的重要靶点.构建嘧啶酮类(pyrimidones)HIV-1整合酶抑制剂定量构效关系模型,有助于进一步了解影响抑制剂活性的结构因素.本文应用CoMFA软件计算了68个化合物的拓扑、分子极化、亲水性等结构参数,用所选的结构参数作为支持向量机(support vector machine,SVM)的输入,建立起非线性的支持向量机回归模型.研究表明:支持向量机算法与分子结构参数的有机集成,可为HIV整合酶抑制剂的结构与活性数据建立起预测模型,为抗HIV药物设计提供生物学信息.

基于SVM和“嫦娥一号”数据的月球表面亮温分布

月球表面的微波辐射亮度温度分布与月表物质的物理化学和地理分布特性密切相关。为了分析月球表面微波辐射亮温的分布特点,利用支持向量机(SVM)方法对嫦娥一号(CE-1)绕月卫星搭载的微波辐射计获得的2C级亮温数据建立回归分析模型,并利用粒子群算法优化SVM回归模型,建立了月球表面不同地理位置的4个频率通道(3GHz,7.8GHz,19.35GHz,37GHz)的微波辐射亮温与时间的关系,获得了这4个频率的微波辐射亮温在月表很窄时间段的全球分布,因而显示出了更多的细节特征。最后对这些特征进行了描述并对影响月球表面亮温的因素进行了讨论。

LS-SVM在垃圾邮件过滤中的应用

基于统计学习理论的支持向量机(SVM)方法是现代智能技术的一个重要分支。SVM在保证分类精度的前提下,提高了分类器的泛化能力。着重讨论了最小二乘支持向量机(LS-SVM)算法原理,并在此基础之上,对算法在垃圾邮件过滤中的应用进行了探讨。

一种基于SVM的多层分类策略

提出了一种新的基于反例文档选择的多层分类策略1-vs-brothers。与原策略相比,该策略在训练阶段仅仅选择兄弟节点包含的样例文档作为反例,从而减少了较深层次节点需要学习的文档。实验结果表明,在该文的实验条件下,基于该策略的算法使得训练效率提高了60%,而分类精度却基本上保持不变。该策略还可以用在1-vs-1之上形成1-vs-brother策略,用来减少多层分类情况下节点训练时需要对比学习的节点数目。

Study on Support Vector Machine Based on 1-Norm

The model of optimization problem for Support Vector Machine(SVM) is provided, which based on the definitions of the dual norm and the distance between a point and its projection onto a given plane. The model of improved Support Vector Machine based on 1-norm(1-SVM) is provided from the optimization problem, yet it is a discrete programming. With the smoothing technique and optimality knowledge, the discrete programming is changed into a continuous programming. Experimental results show that the algorithm is easy to implement and this method can select and suppress the problem features more efficiently. Illustrative examples show that the 1-SVM deal with the linear or nonlinear classification well.

高分辨率遥感影像下沿海地区地表覆盖信息的提取

沿海地区地表覆盖信息是全国地理国情普查的重要内容,遥感影像分类技术为沿海地区地表覆盖信息提供了一种重要方法。本文基于GF-1高分辨率遥感影像,建立了沿海地区地表覆盖分类系统,采用中国测绘科学研究院自主研发的面向对象GLC决策树分类方法和软件进行了地表覆盖分类。通过对某试验区进行分类试验,并结合该区地表覆盖标准分类图进行精度评价,验证了基于高分辨率影像,面向对象GLC决策树分类方法在沿海地区地表覆盖信息提取上的有效性及优越性,其总体分类精度和Kappa系数分别为87.201 8%、0.840 6,均高于SVM分类法。最后提出基于高分辨率遥感影像的沿海地区地表覆盖信息提取流程。