一种基于正交小波包分解和2v-SVM的医学图像融合新方法

针对现有的图像融合算法在特征表达及信息取舍上的局限性,提出了一种基于正交小波包分解和2v-SVM的医学图像融合新算法.采用正交小波包将图像信号频带进行多层次分解,提取特定的频率成分,对低频分量节点逼近系数采用本文提出的基于2v-SVM的线性加权融合算子处理,结合两幅图像中大的高频分量节点逼近系数构成新的节点系数矩阵,最后通过小波包重构得到融合后的图像.实验结果证明了该方法的有效性和优越性.

基于v-SVM的时态周期模式发现

首先提出了一种基于时态数据的v-支持向量机(v-SVM);然后扩展了时态数据模型,建立了一个时态周期模式,并给出了一个基于v-SVM来寻找周期模式的算法;最后利用此方法对股票数据进行实证研究.实验结果表明:v-SVM中的参数v可以较好地控制周期发现中的置信度参数.

一种基于支持向量机V-SVM的变形算法

基于传统的V-SVM算法,结合C-SVM二阶范数软间隔形式,构造出一种变形算法,避免了求解其对偶问题过程中解向量大小的限制,论证其解的存在以及唯一性,对于线性不可分问题,采用核函数技术,达到求解的目的,通过编程,得到数值结果,表明这是一种有效可行的算法。

震灾人员伤亡预测的改进SVM模型及其应用

震灾人员伤亡预测是有效确定应急物资筹集量和及时掌握应急物资需求变动的基础性工作。本文将改进的支持向量机(Support Vector Machine,SVM)运用到震灾人员伤亡预测模型构建中,提出鲁棒小波v-SVM的震灾伤亡预测模型。通过设计一种能够有效压制数据大幅值和奇异点的鲁棒损失函数,使其有效处理震灾伤亡预测指标中出现的各类数据。为改变常规核函数缩小偏差的局限性,本文将Morlet和Mexican两类母小波核函数的自变量用满足Mercer平移不变核的小波核函数进行替换,得到用于机器学习的两类小波核函数。数字算例表明:用于预测震灾伤亡的鲁棒小波v-SVM模型具有学习速度快、预测精度高和稳定性强的特点,这为震灾伤亡人口的预测提供了有效方法。

关于支持向量分类机算法的研究

研究分析了标准的支持向量机(C-SVM)、v支持向量机(v-SVM)等五种算法,利用仿真实验从分类精度,计算效率,扩展性等五个方面对上述五种算法进行了分析比较。

基于-νSVM和GA相结合的污水处理中的分类算法(英文)

污水处理过程(WWTP)中需要大量的电能.为了减少能耗,需要对污水处理过程中的操作状态进行分类.ν-SVM是一种较有效的分类方法,核函数中参数的选择是ν-SVM方法的关键.文章提出一种基于ν-SVM和Genetic Algorithm相结合的分类算法,该算法利用GA对ν-SVM中核函数所需参数进行优化计算,从而提高ν-SVM数据分类算法的精度.实验数据表明该算法具有很高的效率,并且减少了差错率.

噪音人脸图像的总间隔v最小类内方差SVM分类

提出总间隔v最小类内方差支持向量机(TM-v-MCVSVMs),用于解决含有噪音人脸图像的分类问题,它综合了最小类内方差支持向量机(MCVSVMs)和总间隔v-支持向量机(TM-v-SVM)的优点。给出了TM-v-MCVSVMs在小样本问题和非线性分类问题中的解决方法。经初步的实验验证,在含有噪音人脸图像的分类问题中,TM-v-MCVSVMs获得了比MCVSVMs和TM-v-SVM更好的分类性能。

公共矢量的最小类内方差SVM与噪音人脸分类

提出基于公共矢量的最小类内方差支持向量机(CV-MCVSVM),用于提高噪音人脸图像分类问题中的抗噪性能。它继承了最小类内方差支持向量机(MCVSVMs)的优点,引入了由公共矢量(CVs)构成的散度矩阵Scom,由于CVs包含了样本中的共同信息,因此CV-MCVSVM在定义中将每个样本减去了CVs的均值,保留了更多的分类信息,进一步提高了抗噪能力。给出了CV-MCVSVM的推导过程。经实验验证,在含有噪音人脸图像的分类问题中,CV-MCVSVM获得了比MCVSVMs和总间隔v-支持向量机(TM-v-SVM)更好的分类性能。

基于RMC的海上风电多端高压直流输电研究

针对海上风电高压直流传输效率和可靠性不高的问题,把精简矩阵变换器(reduced matrix converter,RMC)应用到海上风力发电系统中,深入分析了RMC换流器拓扑及其双极性空间矢量调制策略。为了提高海上风电高压直流输电系统在岸上交流电网电压跌落等故障情况下的持续运行能力,提出了基于RMC换流器的海上风电多端口高压直流输电系统(MTDC,multi-terminal high voltage direct current)拓扑,分析了RMC换流器、岸上VSC换流器、超级电容器储能3个端口之间的协调控制策略,通过超级电容器储能实现了系统的功率平衡控制,提高了系统的低电压穿越能力。文章对一个三端口RMC-MTDC进行了Matlab仿真,实验结果验证了所提控制策略的正确性和可行性。

局部保留最大信息差v-支持向量机

针对现有模式分类方法不能较好地保持数据空间的局部流形信息或差异信息等问题,提出一种基于流形学习的局部保留最大信息差v-支持向量机(Locality-preserved maximum information variance v-support vector machine,v-LPMIVSVM).对于模式分类问题,v-LPMIVSVM引入局部同类离散度和局部异类离散度概念,分别体现输入空间局部流形结构和局部差异(或判别)信息,通过最小化局部同类离散度和最大化局部异类离散度,优化分类器的投影方向.同时,v-LPMIVSVM采用适于流形数据的测地线距离来度量数据点对间的相似性,以更好地反映流形数据的本质结构.人造和实际数据集实验结果显示所提方法具有良好的泛化性能.

短波近红外光谱结合ν-SVM法快速无损鉴别淀粉种类

选用不同厂家的红薯淀粉、马铃薯淀粉和玉米淀粉共112个样品,利用短波近红外光谱技术对淀粉种类进行鉴别。分别采用马氏距离判别法、C-支持向量机(C-SVM)、ν-支持向量机(ν-SVM)建立淀粉种类鉴别的短波近红外光谱模型;并对比多元散射矫正、平滑、一阶微分、二阶微分等多种预处理方法后的建模结果。结果表明:同时使用平滑、多元散射矫正、一阶微分3种预处理方法后,ν-SVM分类模型的效果最佳;训练集交叉验证正确率为100%,测试集正确率也达到100%。该模型快速准确无损的鉴别淀粉种类是可行的。

基于类加权的双ν支持向量机

该文提出了一种类加权的双ν支持向量机,称为WDν-SVM。给出了求解WDν-SVM的KKT条件。理论分析表明,WDν-SVM中的参数v+和v_具有与ν-SVM类似的物理含义,分别对应于加权正类和负类中边界向量比例的上界和支持向量比例的下界,从而有利于分类识别中的参数取值。此外,通过调整类加权可提高WDν-SVM对小样本类的分类性能。实验结果表明WDν-SVM既保持了ν-SVM的优势,即WDν-SVM的参数具有明确的物理含义,又解决了ν-SVM由于样本类不平衡导致的分类错误偏差问题。

支持向量机与纠错编码相结合的多类分类算法

提出了一种基于纠错编码的支持向量机多类分类算法 ( ECC- SVM) ,并在理论上研究了该算法的推广性与编码长度、码间汉明距离、编码顺序以及每个 SVM推广性之间的关系 ,给出了这种关系的数学表达 ,为提高该算法的推广能力指明了方向。把目前广泛使用的 1 - v- R SVM多类分类算法作为该算法的一个特例 ,分析了它的推广性。计算机仿真数据和多光谱遥感图像分类实验结果表明 ,ECC- SVM具有更快的分类速度和更高的分类精度 。

基于RMC和VSC的海上风电混合多端-HVDC系统

为了提高海上风电高压直流传输的效率和可靠性,增强系统在风速波动、岸上电网跌落和负荷扰动等情况下功率平衡控制能力。文中把精简矩阵变换器RMC(reduced matrix converter)应用到海上风力发电系统中,建立了一个由RMC换流站和VSC换流站组成的海上风电串并联混合高压直流输电多端口模型,分析了RMC换流器的双极性空间矢量调制策略和闭环控制策略,提出了各个端口之间的协调控制策略。Matlab仿真验证了所提拓扑和控制策略的正确性和可行性。

结合模糊(C+P)均值聚类和SP-V-支持向量机的TSK分类器

为获得具有模糊规则自适应约简性能和较好的泛化性能的TSK分类器,本文提出了一种结合模糊(C+P)均值聚类(FCPM)算法和SP-V-支持向量机(SVM)分类算法来构建TSK(Takagi-Sugeno-Kang)分类器的方法。该方法首先用FCPM聚类算法对训练数据进行聚类;然后根据聚类结果确定TSK分类器的模糊规则前件中的高斯隶属度函数的中心和宽度参数;最后采用成组稀疏约束SP-V-SVM算法对模糊规则后件参数进行学习,该算法不仅改善了系统的泛化性能,还使系统具有模糊规则自适应约简功能,使得系统更为紧凑。与相关算法在UCI和IDA标准数据集分类实验中的模糊规则数和分类性能对比表明:用提出的分类算法所构造的TSK分类器不仅具有较好的分类性能,而且模糊规则数少,有利于构建更为紧凑的模糊分类系统。

一种新的基于SVM和主动学习的图像检索方法

在基于内容的图像检索中,支持向量机(SVM)能够很好地解决小样本问题,而主动学习算法则可以根据学习进程主动选择最佳的样本进行学习,大幅度缩短训练时间,提高分类算法效率。为使图像检索更加快速、高效,提出一种新的基于SVM和主动学习的图像检索方法。该方法根据SVM构造分类器,通过"V"型删除法快速缩减样本集,同时通过最优选择法从缩减样本集中选取最优的样本作为训练样本,最终构造出不仅信息度大而且冗余度低的最优训练样本集,从而训练出更好的SVM分类器,得到更高的检索效率。实验结果表明,与传统的SVM主动学习的图像检索方法相比,该方法能够较大幅度提高检索性能。

基于SFS-SVM的V形件弯曲工艺参数优化研究

影响V形工件弯曲回弹的工件尺寸、力学性能、负载条件和材料各向异性等众多因素相互耦合,表现出高度复杂的非线性,从而导致回弹预测结果的不确定性。把板料回弹后的张开角和圆角半径作为目标优化函数,将支持向量机模型部署到顺序向前筛选算法中以高效筛选出最优的特征变量参数子集,从而提高弯曲回弹模型预测结果的精度与可靠性。有限元分析和实验结果的对比验证了算法模型的可行性。

海量数据分类v--SVM问题的软最小球方法

海量数据分类问题是目前SVM学习算法研究的一个热点。传统的SVM方法是通过计算二次规划问题求解的，当训练样本数较大时存在一定的困难。文章介绍一种新的方法，该方法把二分类问题看作特殊的软最小球覆盖问题。提出求解SVM问题的全新的最小球覆盖几何解释，通过软最小球算法进行求解，避免了计算复杂度高的问题。可以用来求解11目标函数海量数据v-SVM分类问题。实验结果表明，文章提出的算法与同类算法相比具有相当的竞争力。

Discussion of Some Problems About Nonlinear Time Series Prediction Using v-Support Vector Machine

Some problems in using v-support vector machine(v-SVM)for the prediction of nonlinear time series arediscussed.The problems include selection of various net parameters,which affect the performance of prediction,mixtureof kernels,and decomposition cooperation linear programming v-SVM regression,which result in improvements of thealgorithm.Computer simulations in the prediction of nonlinear time series produced by Mackey-Glass equation andLorenz equation provide some improved results.

基于计算机仿真的行人检查算法研究

为了提高行人检测性能和速度,本文提出了一种新颖的基于v-FDF和SVM级联的行人检测方法。该方法既融合了v-FDF计算复杂度低和特征提取准确的优势,同时又采用支持向量机的SVM模式,提高矩阵运算速度。本文运用Matlab进行了多组仿真实验,实验结果表明本文的方法性能比基于Adaboost和SVM的方法好,在相同的虚警率下漏检率较低,并且检测速度能达到10帧每秒,基本上能达到实时性要求,可见本文算法检测率高,方法的性能好。