SVM分类器
SVM分类器的相关文献在2003年到2022年内共计227篇,主要集中在自动化技术、计算机技术、无线电电子学、电信技术、电工技术
等领域,其中期刊论文173篇、会议论文13篇、专利文献2940488篇;相关期刊130种,包括湖北理工学院学报、吉林大学学报(理学版)、西华大学学报(自然科学版)等;
相关会议13种,包括第十一届全国计算语言学学术会议、第六届和谐人机环境联合学术会议(HHME2010)、第19届全国多媒体学术会议(NCMT2010)、第5届全国普适计算学术会议(PCC2010)、第6届全国人机交互学术会议(CHCI2010)、2009中国仪器仪表与测控技术大会等;SVM分类器的相关文献由693位作者贡献,包括吴仁彪、韩萍、王兆华等。
SVM分类器—发文量
专利文献>
论文:2940488篇
占比:99.99%
总计:2940674篇
SVM分类器
-研究学者
- 吴仁彪
- 韩萍
- 王兆华
- 王晓东
- 王辉
- 于力
- 于康雄
- 余永城
- 俞嘉生
- 公茂果
- 刁丹丹
- 刘久晨
- 刘官正
- 刘晓霞
- 刘桂华
- 刘越
- 叶凯宁
- 吕昊
- 周伟达
- 周广敏
- 周雪芳
- 姚建华
- 孙雷
- 左一鹏
- 康含玉
- 张杰
- 张涛
- 张笑钦
- 张莉
- 张超
- 徐挺洋
- 怀梦迪
- 文学志
- 曹务腾
- 李玟函
- 李齐良
- 杜军
- 杨国伟
- 杨威
- 杨海
- 杨淑娜
- 桂振文
- 殷作好
- 殷晨波
- 毕美华
- 池灏
- 汤晓青
- 沈海斌
- 焦李成
- 牛乾
-
-
汪滢
-
-
摘要:
由于传统系统未考虑客户旅游喜好动态转移的特性,导致系统推准率较低,提出基于区块链技术的旅游产品个性化推荐系统。在系统硬件方面,设计旅游产品信息搜索引擎、网络浏览器和SVM分类器,利用该硬件设备实现旅游产品信息收集、浏览信息收集以及信息分类处理;在系统软件方面,首先利用主题表示法构建用户模型,描述用户对旅游产品的喜好和兴趣,然后通过区块链技术建立系统数据库,存储旅游产品数据信息,最后采用兴趣加权算法加权求和个性化推荐要素,将加权分数最高的旅游产品信息文档推荐给用户,实现基于区块链技术的旅游产品个性化推荐。实验表明,设计系统推准率高于传统系统,具有良好的旅游产品个性化推荐效果。
-
-
胡思茹;
马福民;
秦天奇;
丁智泉
-
-
摘要:
针对强海杂波及岛岸背景等复杂环境导致红外目标识别性能弱化的问题,论文利用红外外场实测数据,对图像中的舰船目标及背景杂波的特征进行研究,统计了天空、海浪、目标等局部区域在灰度统计特征、几何特征和纹理特征上的分布,并分析了各特征在天空、海浪及目标的可区分性。针对特征维度过高影响目标识别性能这一问题,利用主成分分析完成了特征选择,使目标正确识别率达到89.95%。
-
-
唐家明;
宛艳萍;
孟竹;
张芳;
谷佳真
-
-
摘要:
微表情识别的难点是情绪持续时间短,面部动作变化微小。为此,提出一种基于相邻双交叉局部二值模式(ADCP-TOP)的微表情识别方法,针对微表情特点将邻域像素之间关系引入,使得对细节信息提取更丰富,捕捉微小变化能力增强。通过对奇偶位置的采样点分开编码,将结构信息量化,在保证信息量增加的同时使维度减小,并增强鲁棒性。此外,通过面部动作单元划分细粒度感兴趣区域(FROI)提取ADCP-TOP特征,以进一步增强对细节信息提取能力。最后,在SMIC和CASME2数据库中的实验表明,提出的识别方法取得更高识别率。
-
-
王康康
-
-
摘要:
提出一种基于机载激光点云数据的电力线提取方法。首先利用栅格区域高差特征提取电力线候选点,然后构建多类型、多邻域、多尺度点云特征,最后结合基于离散二进制粒子群算法与SVM分类器进行电力线点云分类提取。实验结果表明,电力线点云的精确率和召回率分别达到97.24和99.11,验证了本文方法对电力线点云提取的有效性。
-
-
王彬彬
-
-
摘要:
文中提出基于SVM与Meanshift跟踪算法的视频运动目标跟踪方法,在体育视频初始图像中选取跟踪目标所处位置,获取跟踪目标周围目标与背景两部分特征向量,使用目标和背景特征向量训练SVM二分分类器,使用分类器分类下一帧视频图像跟踪目标位置与所处背景图像,获取置信图;使用Meanshift跟踪算法在置信图范围内获取当前跟踪目标中心位置,移动目标框和背景框的中心位置到达目标位置,以10%的比例缩放目标框并选择最优者用以适应目标尺寸变化;确定是否已经跟踪到视频最后一帧图像,如果没有跟踪至最后一帧图像,则需使用此时目标像素和背景像素训练新的SVM分类器,跟踪下一帧图像,直至完成整个视频序列图像运动目标跟踪任务。实验结果表明,所提方法可以实时、准确地跟踪视频内运动目标。
-
-
苏思贤;
胡伟
-
-
摘要:
在锂电池极片生产过程中,传统的人工检测对瑕疵分类的效率及质量都不高,并且对于企业的生产工序优化不利。研究提出一种基于Bof模型的特征融合锂电池极片瑕疵分类方法。首先提取瑕疵特征并构建Bof模型用于对提取到的SURF特征点进行量化。然后对提取所有特征进行特征融合并归一化,使所有特征向量量纲相同。最后构建软间隔SVM分类器并搜索最佳参数实现极片瑕疵分类。经过与其他方法进行性能比较,证明该方法在性能方面具有一定优势,且准确率为98.62%。
-
-
肖爱迪;
骆力明;
刘杰
-
-
摘要:
针对目前HOG提取汉字特征时存在维度过大、特征边缘化的问题,结合汉字网格技术提出一种基于网格的分层HOG特征提取算法。以特征块无重叠的方式提取一层HOG特征,提取底层均匀块的梯度特征,融合两层特征。该算法可有效提取汉字轮廓特征,降低特征维度。在此基础上,提出较为完善的中小学硬笔汉字分类评价框架流程,结合线性PCA降维,采用SVM分类器,实现硬笔汉字的三级分类。通过多个汉字结构的分类实验,验证了该算法的准确性和有效性。
-
-
刘武超;
罗研;
马瞳宇;
康光清
-
-
摘要:
采用GF-1 PMS影像Level 2级影像产品,以云贵高原喀斯特地貌中的灌丛为研究对象,通过提出FSSDM(Forest and Shrub Spectrum Discrimination Model)模型,并将该模型与专题指数特征、纹理特征进行特征组合,采用SVM分类器进行自动解译,以解决实际生产中灌丛与背景植被易混淆、识别正确率不高的问题。研究发现,FSSDM模型能够有效区分灌丛与林地、阴影,结合指数特征和纹理特征,可快速、高效地将灌丛从复杂背景中提取出来,且精度优于传统提取方法。
-
-
张恒宇;
何金蓉;
丛金亮;
张洪礼;
张耀武
-
-
摘要:
本文将车牌识别门禁系统进行模块化分解,并对其中图像预处理、车牌定位、字符分割、字符识别模块等几个难点问题进行分析并仿真。对图像进行预处理除掉拍摄时环境因素的影响;使用边缘检测法和颜色定位法准确定位车牌位置;使用水平投影法去除车牌在水平方向多余的边框,再利用垂直投影法除去字符间距分割得到单个的字符图像;使用HOG特征提取构建两个SVM分类器,一个用于汉字字符识别,一个用于字母和数字识别用来完成车牌字符识别模块。
-
-
伊然;
张甜;
邢心羽;
马雯雯;
张鲲洋;
刘文玲
-
-
摘要:
现阶段我国正处于事故灾难的频发时期,目前国内针对这一领域的专业化词典相对欠缺。本文以有关事故灾难领域的国家应急标准及网络数据为语料库,首先对语料库进行预处理,其次利用TF-IDF算法筛选出种子词集合,同时借助深度学习中的Word2Vec模型进行词向量训练,然后利用相似度计算的方式确定出领域候选词,最后融合应急标准术语完成事故灾难领域词典的构建。经SVM分类器与朴素贝叶斯分类器验证,将本文所构建的领域词典加入到结巴自定义词典后,分类器在准确率、召回率与F1值上分别提高了11%、11%、12%以及5%、8%、6%,表明本文构建的领域词典质量较好。
-
-
Xin He;
何鑫;
Yonggang Wang;
王永刚;
Yuen Wang;
王宇恩;
Weigang Feng;
冯维纲
- 《2017第十六届全国保护和控制学术研讨会》
| 2017年
-
摘要:
近年来,基于机器学习的图像识别技术得到了广泛的应用.本文利用HOG特征和SVM分类器实现了对变电站硬压板状态的智能检测.首先,对输入图像进行伽马校正和归一化,完成对输入图像的预处理;然后,利用HOG算法提取出图像的特征;最后,结合SVM分类器来识别图像中硬压板的状态.在此基础上,开发了一种智能辅助压板检测的应用程序,不需要对二次电力设备进行任何改造,就能完成变电站硬压板的状态检测和智能检查.实际使用表明,变电站硬压板的状态识别精度高,应用效果好.
-
-
Xin He;
何鑫;
Yonggang Wang;
王永刚;
Yuen Wang;
王宇恩;
Weigang Feng;
冯维纲
- 《2017第十六届全国保护和控制学术研讨会》
| 2017年
-
摘要:
近年来,基于机器学习的图像识别技术得到了广泛的应用.本文利用HOG特征和SVM分类器实现了对变电站硬压板状态的智能检测.首先,对输入图像进行伽马校正和归一化,完成对输入图像的预处理;然后,利用HOG算法提取出图像的特征;最后,结合SVM分类器来识别图像中硬压板的状态.在此基础上,开发了一种智能辅助压板检测的应用程序,不需要对二次电力设备进行任何改造,就能完成变电站硬压板的状态检测和智能检查.实际使用表明,变电站硬压板的状态识别精度高,应用效果好.
-
-
Xin He;
何鑫;
Yonggang Wang;
王永刚;
Yuen Wang;
王宇恩;
Weigang Feng;
冯维纲
- 《2017第十六届全国保护和控制学术研讨会》
| 2017年
-
摘要:
近年来,基于机器学习的图像识别技术得到了广泛的应用.本文利用HOG特征和SVM分类器实现了对变电站硬压板状态的智能检测.首先,对输入图像进行伽马校正和归一化,完成对输入图像的预处理;然后,利用HOG算法提取出图像的特征;最后,结合SVM分类器来识别图像中硬压板的状态.在此基础上,开发了一种智能辅助压板检测的应用程序,不需要对二次电力设备进行任何改造,就能完成变电站硬压板的状态检测和智能检查.实际使用表明,变电站硬压板的状态识别精度高,应用效果好.
-
-
Xin He;
何鑫;
Yonggang Wang;
王永刚;
Yuen Wang;
王宇恩;
Weigang Feng;
冯维纲
- 《2017第十六届全国保护和控制学术研讨会》
| 2017年
-
摘要:
近年来,基于机器学习的图像识别技术得到了广泛的应用.本文利用HOG特征和SVM分类器实现了对变电站硬压板状态的智能检测.首先,对输入图像进行伽马校正和归一化,完成对输入图像的预处理;然后,利用HOG算法提取出图像的特征;最后,结合SVM分类器来识别图像中硬压板的状态.在此基础上,开发了一种智能辅助压板检测的应用程序,不需要对二次电力设备进行任何改造,就能完成变电站硬压板的状态检测和智能检查.实际使用表明,变电站硬压板的状态识别精度高,应用效果好.
-
-
Xin He;
何鑫;
Yonggang Wang;
王永刚;
Yuen Wang;
王宇恩;
Weigang Feng;
冯维纲
- 《2017第十六届全国保护和控制学术研讨会》
| 2017年
-
摘要:
近年来,基于机器学习的图像识别技术得到了广泛的应用.本文利用HOG特征和SVM分类器实现了对变电站硬压板状态的智能检测.首先,对输入图像进行伽马校正和归一化,完成对输入图像的预处理;然后,利用HOG算法提取出图像的特征;最后,结合SVM分类器来识别图像中硬压板的状态.在此基础上,开发了一种智能辅助压板检测的应用程序,不需要对二次电力设备进行任何改造,就能完成变电站硬压板的状态检测和智能检查.实际使用表明,变电站硬压板的状态识别精度高,应用效果好.
-
-
-
-
-