多类支持向量机

摘要： Support vector machine (SVM ) ,a typical classification method ,has been widely used in stellar spectra classification . It performs well in practice ,while it encounters the multi-class classification challenge .In order to solve the problem above , multi-class support vector machine (MCSVM) was proposed in this paper based on the in-depth analysis of SVM .Meanwhile , the stellar spectra classification model based on multi-class support vector machine was constructed .The advantage of the pro-posed method is that the samples'class can be determined by a classification process .Comparative experiments with the existed multi-class classification method on the SDSS DR8 datasets verify the effectiveness of the proposed method .%支持向量机作为一种经典的分类方法被广泛应用于恒星光谱分类领域.该方法在实际应用中取得了较为理想的分类效果,但其面临无法解决多分类问题的挑战.在支持向量机的基础上,提出多类支持向量机,建立基于多类支持向量机的恒星光谱分类模型.该方法的最大优势是经过一次分类过程,可以确定多类样本的类属.SDSS DR8恒星光谱数据上的比较实验表明,本研究所提的方法较之已有多分类方法在分类性能上有一定的提升.

摘要： 作为电力系统中电能转换和传输的核心设备,保证变压器的安全稳定运行至关重要.变压器发生故障会造成电能传输中断,影响整个电气系统的稳定运行,造成巨大的经济损失.基于多维特征量的电力变压器诊断技术的应用可以精准检测变压器异常故障,保证变压器稳定运行.因此,分析智能算法变压器的故障诊断方法,并结合多维特征量模型的特点,研究基于多维特征量的多层次信息融合故障诊断技术.

摘要： 针对一般基于知识迁移的方法对未知视角不可用和难以扩展新数据的问题,提出一种基于非线性模型的无监督学习方法,即基于非线性知识迁移(nonlinear knowledge shift,NKS)的串联特征学习.提取密集动作轨迹,并利用通用码书编码;提取动作捕捉数据模拟点的密集轨迹,产生一个仿真数据的大型语料库来学习NKS,其中,轨迹提取前在视角方向上投影模拟点;再从真实视频中提取轨迹,用于训练和测试表示学习过程的轨迹,利用多类支持向量机分类串联特征.在两大通用人体动作识别数据库IXMAS和3D(N-UCLA)上验证了该方法的有效性,实验结果表明,在IXMAS数据集、不同摄像机情况下,该方法的识别精度高于同类方法至少3.5％,在3D(N-NCLA)数据集、双摄像头情况下,识别精度至少提高4.4％.在大部分动作识别中也取得最佳识别率,此外,该方法的训练时间可忽略不计,有望应用于在线人体动作识别系统.

摘要： 为提高多类支持向量机分类器对多目标的分类准确度,提出一种结合无向图模型优化的多类支持向量机分类器.首先,利用余弦测度计算训练数据之间的相似度,构建包含训练数据和相似度矩阵的无向图模型,求解相似度约束矩阵.然后,将相似度约束矩阵引入多类支持向量机求解的目标函数,构建优化的多类支持向量机分类器.最后,将优化的多类支持向量机分类器用于智能交通领域,结合梯度方向直方图特征检测行人和车辆目标.实验表明,该方法检测行人和车辆目标的错误率低于经典的多类支持向量机分类器和目前主流的目标检测方法.

摘要： 提出一种人体行为识别方法.构建MACH滤波器组,对视频片段的三维时空体进行滤波,得到时空相关体;采用三层最大池化方法提取时空相关体的特征向量,采用高斯隶属函数对池化特征向量进行扩展;构建多类SVM分类器并进行特征分类,识别行为类别.在ADL和UCF Sports两个国际上通用的人体行为数据集上进行人体行为识别实验,实验结果表明,该方法的识别率高于现有的人体行为识别方法,对不同人体行为的区分能力更强.%A human activity recognition method was proposed.A set of MACH filters was built to filter 3D space-time volume of video clips,for obtaining a space-time correlation volume.Three-layer max-pooling method was used to extract feature vector of the space-time correlation volume,and Gauss membership function was used to extend the pooling feature vector.Multi-class SVM classifier was built to classify features and recognize activities.Experimental results on two internationally common datasets of human activity including ADL and UCF Sports show that,the proposed method has higher recognition rate than the existing methods for human activity recognition,and it has strong ability to distinguish different human activities.

摘要： 针对传统网络流量分类方法准确率不高、开销较大且应用领域受限等诸多问题,文中提出一种基于主动学习支持向量机的网络流量分类方法.该方法采用基于OVA方法的多类支持向量机来进行分类,首先,针对支持向量机参数选择,提出了一种改进的网格搜索法来寻求最优参数;然后,为了降低需要标注的样本数,提出一个改进的启发式主动学习样本查询准则;最后,基于上述方法构造基于主动学习的多类支持向量机分类器.结果表明,该方法可以在需要标注的样本数非常少的情况下明显提高网络流量分类的准确率和效率,仅需传统方法所需11％的样本数即可达到98.7％的分类准确率.%Aiming to solve the problems such as low accuracy,large overhead and limitation of applications for traditional network traffic classification,this paper presents a novel network traffic classification method based on active learning support vector machine(ALSVM).This method applied the OVA method to build multi-class support vector machine.Firstly,we propose an improved grid search method to seek the optimal parameter for ALSVM.Then,an improved heuristic active learning sample query criteria is proposed to reduce the number of label samples.Lastly,an active multi-class support vector machine classifier is constructed for network traffic classification.Experimental results show that,this method can significantly improve the accuracy and efficiency of network traffic classification with much fewer label samples.We can gain 98.7％ classification accuracy with 11％ of the conventional method required number of label samples.

摘要： 深度视频编码中最优深度划分和模式选择过程具有非常高的计算复杂度。提出了基于多类支持向量机(MSVM, multi-class support vector machine)的深度视频帧内编码快速算法。该算法包括离线模型训练和快速编码2个部分。在离线模型训练中，用深度视频最大编码单元(LCU, largest coding unit)的最优划分深度作为标签，当前LCU的空域复杂度、空域相邻LCU的最优划分深度和彩色视频对应LCU的最优划分深度作为特征去构造MSVM模型。在编码时，提取LCU的特征，根据MSVM模型得到划分深度的预测值。根据该预测值提前终止编码单元递归划分和模式选择过程。实验结果表明，提出的算法在几乎不影响虚拟视点质量的情况下，平均节省35.91%的总体编码时间和40.04%的深度编码时间。%The recursive splitting process of largest coding unit (LCU) and the mode search process of coding unit imposed enormous computational complexity on encoder. A multi-class support vector machine-based (MSVM) fast coding unit (CU) size decision algorithm for 3D-HEVC depth video intra-coding was proposed. The algorithm included two steps:off-line training and fast CU size and mode decision. In the process of off-line training, a MSVM model was constructed, where the texture complexity of current LCU, the optimal partition depth of its spatial neighboring LCU and co-located LCU in texture video were treated as feature vectors, and the optimal partition depth of LCU was utilized as corresponding class label. In the process of fast CU size and mode decision, features of LCU were extracted before cod-ing a LCU, then, a MSVM model was used to predict the class label. Finally, the class label that represents the largest parti-tion depth of the current LCU was employed to terminate the CU recursive splitting process and CU mode search process. Experimental results show that the proposed algorithm saves the encoding time of 3D-HEVC by 35.91%on average, and the encoding time of depth video by 40.04%on average, with negligible rendered virtual view image degradation.

摘要： Objective:B-cell epitopes (BCEs)can be divided into subclasses according to the isotype of antibody (Ab)that BCEs can induce.It is important to discriminate among these BCEs subclasses because it would be beneficial to understand why the immune system produces different Ab isotypes against different BCEs.Based on a multi-class sup-port vector machine (SVM),models have been developed to discriminate among BCEs subclasses.Methods:A four-class dataset including four BCEs subclasses was created to train and test the models.Various primary sequence features including amino acid composition,quasi-sequence-order and dipeptide composition have been computed for comparing their ability to discriminate BCEs subclasses using five-fold cross validation.Results:It was observed that dipeptide composition based model achieved the highest overall accuracy of 61 .58%.Moreover,a web server,BCESCP,of the best performing multi-class classification model has been provided for predicting subclass type of BCEs.BCESCP is free-ly available at http://www.bioinfo.tsinghua.edu.cn /epitope /BCESCP/.%目的：根据诱导的特异性抗体种型，B 细胞表位被分成不同的亚类。探索表位多类亚类之间的区别非常重要，能促进揭示免疫系统为什么会针对不同的表位产生特异性抗体应答。基于多类支持向量机，发展一个能区分多类表位亚类并且能预测 B 细胞表位的亚类类别的模型。方法：训练模型的数据集来源于免疫表位数据库，数据集包含4类数据，对应4种 B 细胞表位亚类：IgA 表位，IgE 表位，IgG 表位以及 IgM表位。通过5折交叉验证，分别探索氨基酸组成特征，quasi-序列顺序特征以及二肽组成特征区分表位多类亚类的能力。结果：实验结果表明二肽组成特征的区分性能最好，整体准确率为61．58％，应用此多类分类模型，开发了一个名为BCESCP 的免费使用的 B 细胞表位的亚类类别预测服务器，BCESCP 可以通过如下地址访问：http：／／www．bioin-fo．tsinghua．edu．cn ／epitope ／BCESCP／。

摘要： 随着军民融合式后勤保障体制改革的深入推进,多种储备模式并存是战备物资储备发展的大趋势.针对具体物资,选择何种储备模式是需要解决的首要问题.针对该问题,建立了影响物资储备模式选择的特性指标集,通过问卷调查取得特性指标向量和推荐储备模式,利用模糊聚类方法消除由于主观因素对储备模式选择带来的影响,然后将聚类结果用于训练与测试多类支持向量机,从而形成一种实现储备模式自动选择的机器.通过数据验证,取得了较好的实验结果,实现了具体战备物资储备模式的有效选择.

摘要： 为了解决数据分类效率问题,引入了并行概念学习的方法,针对二叉树分类法的“累积误差”问题,提出了一种并行概念的描述语言.在此基础上,设计了基于二叉树的多类SVM并行分类系统.通过对系统性能的分析表明,在样本空间庞大、样本涉及属性广的数据分类时,该系统具有很好的分类效果.

摘要： 控制图是统计质量控制(SQC)的重要工具，而存在于控制图中的混合异常模式识别是在线工序质量诊断技术的难点之一。在分析现有控制图识别器在实际应用中存在缺陷的基础上，提出了一种利用多类支持向量机(MSVM)特殊结构的智能过程诊断新方法。在该模型中，首先使用二叉决策树来识别受控过程样本，取得较高的在线识别速度;然后，利用OVO分解的多类SVM分类器实现对5类单特征异常模式的识别;最后，充分利用了传统投票策略中的不可分区域，实现了控制图中混合异常模式的识别。数字实验结果表明所提方法具有较好的识别率，并能有效解决混合异常模式的识别问题。因此该方法可对小批量生产过程的在线诊断和控制提供有效支持。

摘要： 本发明公开了一种基于单类支持向量机的多位SDC脆弱指令识别方法，包括：构建多位SDC脆弱指令识别模型训练样本数据集；构建表征数据在程序中传播的指令数据传播特征；计算目标指令的多位屏蔽概率；生成基于数据变量的与程序数据流相关的指令集合，并构建指令的屏蔽特征；构建传播性特征向量；构建固有性特征向量；基于单类支持向量机训练多位SDC脆弱指令识别模型；提取目标程序的指令特征，利用多位SDC脆弱指令识别模型对目标程序多位SDC脆弱指令进行识别。本发明方法分类准确率高，召回率高，f‑score也较高，可以有效应用于单粒子效应造成的嵌入式系统中数据单位或多位翻转后导致的程序中多位SDC脆弱指令的识别。

摘要： 本发明属于煤矿瓦斯安全邻域，具体涉及一种基于单类支持向量机的煤矿瓦斯数据标记方法，包括：实时获取原始数据集，将原始数据集进行分类，得到二分类不平衡数据集；采用K‑means聚类算法对二分类不平衡数据集进行处理，得到k个样本池；每个样本池包括一个未打标的样本池和一个打标的样本池；将k个样本池中的数据分别输入到单类支持向量机模型中，预测k个未打标样本池中的打标标签；根据预测的打标标签对原始数据进行打标；本发明在对煤矿瓦斯数据进行标记时采用单类支持向量机主动学习，减少了煤矿瓦斯数据的标记样本；本发明在进行主动学习过程中加入密度以及分布信息，使得挑选的样本更具有代表性。

摘要： 本发明公开了一种基于加权组成位置向量和支持向量机的蛋白质结构类预测方法。首先选取或构建蛋白质结构类标准数据集，再在组成位置向量的基础上引入加权因子，采用加权组成位置向量方法，表征待预测的蛋白质序列；并将加权组成位置向量与支持向量机结合，采用直接的多类分类策略，建立了蛋白质结构类预测方法。该方法不仅含有氨基酸组成的信息，而且还包含了蛋白质序列中每个氨基酸残基的位置信息，并且与蛋白质序列之间是一一对应的函数关系，在组成位置向量表征方法中引入权重因子，通过调节权重因子可以明显地提高预测精度，而且本方法简单、快速和灵敏，有望应用于其它蛋白质预测领域。

摘要： 本发明公开了一种基于支持向量机的太阳耀斑二分类预测方法，对实验模型进行数据预处理，构建数据集；斯皮尔曼等级相关系数的确定，并求得等级之间的差值公式；对机器学习的训练特征进行分析和测试，再对实验模型样本进行特征选择，并通过斯皮尔曼等级相关系数对特征之间的联系进行验证；采用SVM寻找决策边界，并对SVM核函数进行选择；对SVM计算原理进行推导；采用SVM对数据进行预测处理，并产生预测结果；对预测结果进行判定；本发明通过以机器学习算法作为核心构建太阳耀斑活动行为预测模型，并通过对太阳耀斑观测数据的特征提取以及预处理，对预处理数据进行建模以及优化，并最终实现对与太阳耀斑行为较高准确率的预测。

摘要： 本发明属于在计算机信息处理技术领域，提供一种基于一类支持向量机的用户异常行为处理方法、装置和电子设备，方法包括：获取历史用户的用户信息和对应的行为标签；将历史用户的用户信息和对应的行为标签作为一类支持向量机的训练样本进行训练，得到用于预测用户行为的一类支持向量机模型；当接收到新用户的业务请求时将新用户的用户信息输入一类支持向量机模型，得到该新用户的行为标签，根据行为标签判定该新用户的业务请求是否包含异常行为并进行相应处理。本发明通过获取历史用户的用户信息来训练模型，利用训练好的一类支持向量机模型来判断的下单行为是否正常，若存在欺诈行为则进行相应处理，有效提高了异常行为的识别精度，降低了损失。

摘要： 本发明公开了一种基于单类支持向量机的多位SDC脆弱指令识别方法，包括：构建多位SDC脆弱指令识别模型训练样本数据集；构建表征数据在程序中传播的指令数据传播特征；计算目标指令的多位屏蔽概率；生成基于数据变量的与程序数据流相关的指令集合，并构建指令的屏蔽特征；构建传播性特征向量；构建固有性特征向量；基于单类支持向量机训练多位SDC脆弱指令识别模型；提取目标程序的指令特征，利用多位SDC脆弱指令识别模型对目标程序多位SDC脆弱指令进行识别。本发明方法分类准确率高，召回率高，f‑score也较高，可以有效应用于单粒子效应造成的嵌入式系统中数据单位或多位翻转后导致的程序中多位SDC脆弱指令的识别。

摘要： 本发明涉及一种基于一分类支持向量机的自相关线性轮廓监控设计方法，针对现生产过程中都是基于构造统计量建立控制图对具有自相关性线性轮廓进行监控，此类方法需要对原始数据进行处理，过程较为复杂且难以理解及应用，本发明基于一分类支持向量机提出了一种易于实现的监控方法，并给出详细的实现流程，仿真实验表明本方法在自相关系数，截距发生大偏移时表现良好；自相关系数时，对截距的监测优于其他方法。监控斜率偏移时，监控标准差以及监控截距、斜率同时变化时，优于其他方法，同时便于及时发现异常波动。

摘要： 一种基于类最优高斯核多分类支持向量机的微震信号识别方法，属于机器学习与数据挖掘领域。首先，对微震数据按照信道划分，并进行数据格式转换；其次，对每个信道数据根据均值和方差进行特征提取，并将同一样本的所有信道合并，构成新特征，利用类最优高斯核多分类支持向量机，对合成数据进行特征选择，生成降维后的非平衡训练样本集；再次，根据训练样本的非平衡率，确定欠采样倍率，对大类样本进行欠采样；最后，采用多分类支持向量机构建降维后的微震信号分类器。本发明可以有效减少冗余特征对分类的影响；通过对信道特征和合并特征进行双重降维，有效降低微震信号维度，提高微震信号分类器的正确率和时效性，增加冲击地压灾害预警的准确率。

摘要： 本发明提供一种基于改进的加权一类支持向量机的涡轴发动机故障检测方法。本发明针对发动机故障数据很难获取或者是获取代价极高时的情况，通过对正常数据进行分析处理，建立一个分类效果良好的分类器，消除了经典SVDD和OCSVM对不同样本错分却对边界产生相同的影响这一缺陷。对权重的计算采用更科学的基于距离和基于密度的线性和的计算方式，使得分类边界趋于更理想的位置，从而构建了效果更好的故障检测分类器。

摘要： 基于单类支持向量机的车辆碰撞预警系统，摄像头与图像处理器连接，图像处理器与微处理器连接，摄像头用于获取车辆行驶的道路表面信息及行驶路段车流量信息，图像处理器用于对道路表面信息及车流量信息进行处理；车速感应器与微处理器连接，车速感应器用于获取车辆行驶的速度信息；方向盘感应器与微处理器连接，方向盘感应器用于获取车辆行驶过程方向盘操纵方式信息；卫星定位器用于获取判断道路等级的位置信息；存储模块用于存储车辆信息和车辆司机信息；司机信息识别装置与存储模块连接，司机信息识别装置用于获取包括司机性别和年龄的车辆司机信息。实现对车辆和司机做出相应的预测和预警提醒，从而减少车辆碰撞带来的损失。