支撑矢量机

摘要： 为了有效的诊断出设备的故障,给出了一种基于参数优化的支撑矢量机算法.该算法首先引入免疫克隆选择机制,以两个十进制数表示一个抗体来构建抗体群,以漏报率为基础构造亲和度函数,实现支撑矢量机参数的优化.然后使用优化后的参数构造支撑矢量分类器对设备数据进行分类检测.通过在汽轮发电机组的数据集上进行仿真验证,实验结果表明,该算法相对传统的支撑矢量机算法不会显著增加训练时间,并且能够有效提高检测率和降低误检率.%In order to effectively diagnose the fault of the equipment,a support vector machine algorithm based on parameter optimization was proposed.Firstly,the immune clonal selection mechanism was.introduced.The antibody group was constructed,in which an antibody was expressed in two decimal numbers.Then,the affinity function was established on the basis of the missing report rate.Thus,the parameters of support vector machine were optimized.After that,the support vector classifier with optimized parameters was constructed and used to classify and detect the equipment data.Simulation verification was carried out on the data of turbo generator set.The simulation results indicate that the proposed algorithm does not significantly increase the training time,compared with the traditional support vector machine algorithm.Moreover,it can effectively improve the detection rate and reduce the false detection rate.

摘要： 针对极化合成孔径雷达分类过程中较难同时获得精确的边缘和光滑的同质区域的问题,提出了一种基于Wishart距离的高概率选择分类器与自适应马尔科夫随机场相结合的分类方法,对极化合成孔径雷达图像分类.首先,将Wishart分类器应用于概率输出的支撑矢量机中,根据高概率选择得到一个基于像素的初始分类结果,并将此结果结合不同的边缘检测方法得到一个精确的边缘;其次,采用自适应窗口的马尔科夫随机场对上一步的分类结果进行修正,该过程在得到平滑区域的同时,也保持了上一步分类结果的边缘.实验结果表明,该算法提高了极化合成孔径雷达图像分类的精度,并保持了图像的细节信息.%It is difficult to obtain the accurate boundaries and the smooth regions for polarimetric SAR image classification.In order to solve this problem,a novel classification scheme is proposed that combines the Wishart-based high-probabilistic support vector machine (SVM) and adaptive markov random fields (MRF).First,a Wishart classifier is applied with the probabilistic SVM,according to high-probalistic selection,an initial pixel-based classification result is obtained.Then by combining this result with other edge detection methods,it can access the accurate boundaries.Second,adaptive MRF is proposed based on the edge of the image to further revise the previous classification.In this way,smooth regions are obtained and accurate boundaries are maintained simultaneously. Experimental results show that the proposed method improves the classification performance and that details of the image are preserved.

摘要： 在垃圾短信过滤系统中，传统方法的短信息特征很难准确地考虑到词语的贡献。提出了一种新的特征词查找和特征构造方法，较好地反映了词语之间的关系和在短信中的贡献度。通过联合采用稀疏自编码器和支撑矢量机（SVM）进行学习和分类仿真实验，结果表明过滤效果比目前报道的类似分类器效果有显著的提升和改进。%In the spam messages filtering system,the traditional methods are difficult to consider the words contribution for short message feature correctly,so a new feature words search and feature construction method is proposed,which can reflect the relationship among the words and contribution in short messages. The simulation experiments of learning and classification were performed in combination with the sparse auto⁃encoder and support vector machine(SVM). The results show that,in com⁃parison with the reported similar classifiers,the filtering effect of the proposed method is promoted and improved significantly.

摘要： In order to boost the diversity among individual classifiers of an ensemble,a new ensemble method is proposed that combines two different classifier models via a transformation of rotation forest, named by isomerous multiple classifier ensemble.Firstly,the original samples are transformed and divided by the rotating forest to obtain new samples.Then support vector machine with the high accuracy of classification or kernel matching pursuit with the speedy classification is selected as a basic classifier model based on a special proportion,the selected classifier is used to classify the new samples,and the predictive labels are obtained.Finally,the predictive labels given by two different models are combined to obtain the final predictive labels of an ensemble.Particularly,the proposed method achieves the complementarity of accuracy and speed by combining two different classifier models, and it is important that isomerous classifier ensemble improve the generalization error of an ensemble and increases the classification performance.According to the experimental results of classification for UCI datasets and remote sensing image datasets,it is illustrated that the proposed method shortens obviously the running time and improves the accuracy of classification,compared with an ensemble based on the single classifier model.%为了增强集成系统中各分类器之间的差异性，提出了一种使用旋转森林策略集成两种不同模型分类器的方法，即异构多分类器集成学习算法。首先采用旋转森林对原始样本集进行变换划分，获得新的样本集；然后通过特定比例选择分类精度高的支撑矢量机或分类速度较快的核匹配追踪作为基本的集成个体分类器，并对新样本集进行分类，获得其预测标记；最后结合两种模型下的预测标记。该算法通过结合两种不同分类器模型，实现了精度和速度互补，将二者混合集成后改善了集成系统泛化误差，相比单个模型集成提高了系统分类性能。对 UCI数据集和遥感图像数据集的仿真实验结果表明，文中算法相比单一分类器集成缩短了运行时间，同时提高了系统的分类准确率。

摘要： 文章首先介绍了信号调制识别技术的研究内容、发展历史和趋势,阐述了研究的目的和意义。然后分析了OFDM技术的原理、优缺点和发展趋势。重点研究了低信噪比﹑多径瑞利衰落信道条件下,基于高阶累积量的OFDM信号盲识别技术。提出了利用奇数阶累积量区分OFDM信号与单载波信号的方法,并对基于三阶和五阶累积量的算法进行了仿真分析。结果表明基于三阶累积量的OFDM信号识别方法性能较好,具有一定的抗多径能力。

摘要： 文中基于雷达窄带信息提出了一种对海面舰船进行大小及吨位进行目标分类识别的算法。算法通过傅里叶-梅林变换及Fisher判别分析提取分类特征,采用支撑矢量机进行分类识别,最后利用实测的机载雷达数据验证了此方法的有效性。该分类识别算法能够在不影响雷达正常警戒工作任务的前提下,对视场内所有探测到的海面目标进行分类辨识,在工程上具备较高的实用意义。

摘要： This paper proposed a source number estimation algorithm based on support vector machine (SVM) for improving estimation performance in low ratio of signal to noise, small snapshots and color noise environment. This algorithm decomposes the received signal data covariance matrix to get the signal vector and the noise vector at first, and then abstracts the property sort of signal and noise with Gerschgorin circle algorithm by the orthotropic property of the antenna array manifold and the noise vectors. At last, the algorithm constructs and trains the SVM to get the number of the incidence signals. The paper compares the algorithm with some classic algorithms by simulation experiment in low ratio of signal to noise, small snapshots and color noise environment, and results show that the algorithm has higher precision than that of classic algorithms.%为了改善在低信噪比、小快拍、色噪声环境下盖氏圆准则信源数估计算法的估计性能,提出了基于支撑矢量机(SVM)的信源数估计算法.基于支撑矢量机的信源数估计算法应用天线阵列接收数据协方差矩阵经特征值分解后,噪声的特征矢量与天线阵列的阵列流型正交的特性,通过盖氏圆算法提取信号和噪声的分类特征,再构造和训练两类分类矢量机,将天线阵列接收的数据分为信号子空间和噪声子空间.通过仿真实验比较了本算法与其他经典算法在低信噪比、小快拍、色噪声环境下的信源数估计性能,结果证明本算法对信源数的估计精确度要高于其他经典算法.

摘要： 针对空间通信目标个体识别问题,在射频指纹分析的基础上提出了一种多维信号特征融合提取方法.首先分别在时域、频域和高阶谱域对截获的空间通信目标射频信号提取个体多维信号特征,然后对提取的特征进行融合,并应用支撑矢量机对个体进行分类识别,最后采用实测数据对这种识别方案进行了验证.实验表明,通过多维信号特征融合方法可以有效提取空间通信目标的个体信息,并能获得良好的识别效果.

摘要： Based on the segmentation of RMB banknote number,the recognition algorithm of the serial number is discussed in the paper.All the character images of the paper money are devided into two groups,the training set and the testing set.SVM is applied to recognize the banknote number and all pixels of images are used as characteristic vector.In the experiment,the banknote numbers are recognized in two ways（The letters and numbers are recognized in mixed or separated ways）.The results show that the later is more advisable than the former.The recognition of denomination numbers are also discussed in the dissertation.%在完整分割序列号的基础上,将所有字符图像分为训练数据和测试数据,以字符图像本身作为特征,利用支撑矢量机进行训练和识别。利用分类器对两种不同的策略进行了实验（即字母和数字混合识别;字母和数字分别识别）,结果表明,后者不但在时间上有所缩短,而且识别率更高,是更为可取的方法。

摘要： 目的 探讨在高强度聚焦超声(HIFU)辐照过程中,超声图像与HIFU辐照产生凝固性坏死的关系,以提高监控超声对HIFU凝固性坏死的判断灵敏度.方法 在相同声强、辐照时间、辐照深度情况下,HIFU定点辐照离体牛肝,观测靶区辐照前及辐照结束后即刻、1、2、3、4、5 min的声像图变化和灰度值变化,并进行靶区声像图相关函数运算,用支撑矢量机(support vector machine,SVM)筛选参数并得到决策超平面.结果超声图像相关系数可以评价HIFU凝固性坏死情况,其灵敏度高于用灰度评价(χ2=18.716,P<0.05).结论 声像图相关系数判断HIFU辐照的靶组织有无凝固性坏死优于灰度评价.

摘要： 基于Mercer核,提出了一种可以处理模糊模式的分类方法.该方法使用贴近度作为两个模糊模式之间的‘相似'的度量,构造了基于贴近度的半正定核矩阵.称使用基于贴近度的半正定核矩阵的支撑矢量机为模糊支撑矢量机.模糊支撑矢量机的优点是可以处理模糊模式数据或混合模式数据,并且在小样本集或不完全样本集条件下,可以利用用模糊IF-THEN规则表示的关于所处理问题的领域知识,从而改善常规支撑矢量机的推广性能.仿真实验结果表明,模糊支撑矢量机的推广性能要优于常规的支撑矢量机.

摘要： 本文对大型视频数据库的语义分类进行了探讨，提出了综合颜色、运动特征的语义分类方法。通过提取运动纹理和颜色直方图来表示视频特征,并采用以中心距离比值法进行支撑矢量预选取的支撑矢量机，设计了一种最优的多类分类器。实验结果表明，该方法用于自动视频分类是有效的。

摘要： 用支撑矢量机(SVM)分类时,针对大规模数据集,SVM的训练成为一个难题.提出了一种采用样本到某一类的马氏距离来提取可能为支撑矢量的数据的方法,同时阐明了如何解决在输入空间和特征空间中求马氏距离所遇到的问题.利用特征值、特征矢量及伪逆运算的并行计算方法,建立了一种提取支撑矢量的快速算法,用该方法对训练数据进行预处理后,可以加快SVM的训练速度.实验结果也表明了该方法的有效性.

摘要： 星系识别是天体光谱自动识别系统的重要组成部分.本文提出了一种新的基于支撑矢量机的星系光谱自动识别方法.在观测的星系光谱中,由于红移影响.在固定的观测波长段内,具有不同红移值的同类星系却有不同的光谱,之间的关系虽然满足红移公式,但却由于红移值的未知,使得星系的光谱自动识别问题成为难点.本文方法结合主分量分析法和支撑矢量机,能够对红移值未知的星系进行自动的光谱识别,从而对天文界的大型巡天计划中的海量观测数据自动处理有着重要的意义.

摘要： 用支撑矢量机(SVM)分类时,针对大规模数据集,SVM的训练成为一个难题.提出了一种采用样本到某一类的马氏距离来提取可能为支撑矢量的数据的方法,同时阐明了如何解决在输入空间和特征空间中求马氏距离所遇到的问题.利用特征值、特征矢量及伪逆运算的并行计算方法,建立了一种提取支撑矢量的快速算法.用该方法对训练数据进行预处理后,可以加快SVM的训练速度.实验结果也表明了该方法的有效性.

摘要： 支撑矢量机(SVM)是在VC理论的基础上根据结构风险最小归纳原理建立的一种比神经网络更强有力的学习机.但是其原始的训练算法需要求解二次规划问题,对以在实际工程问题中应用,因此,近年来提出了各种快速迭代算法.本文用标准数据库及工业现场收集的实际数据对它们进行了比较研究.

摘要： 本文基于支撑矢量机对二值遥感图像飞机目标进行了识别,识别结果表明对以高维二值为特征的图像识别问题,支持矢量基方法具有很好的推广能力.此外,我们发现图像的二值化取值范围对识别结果有着直接的影响.

摘要： 统计推断从20世纪60年代以来所取得的一系突破性成果导致现代统计学习理论－－VC理论的建立，这一理论不仅能在严格的数学基础上解签人工神经网络等基于启发式方法的学习机中存在的理论问题，而且导出了设计一种新的学习机一支撑矢量机(SVM)的系统方法。SVM已经在一些实际问题中获得了成功的应用，性能优于传统的神经网络方法。该文主要以模式识别问题为背景，介绍了VC理论的主要内容及支撑矢量机方法。

摘要： SAR图像目标识别是SAR图像解译的最终结果，具有计算量大、耗时长的特点。随着SAR技术的发展，SAR所能获取的信息数据量也越来越大，如何快速、准确地对SAR图像进行目标识别以及时获取有用信息显得日益迫切。本文根据不变矩特征提取和支撑矢量机分类的优势，提出了一种有效的图像目标识别方法。首先对样本图像进行预处理，然后提取目标区域的不变矩特征并计算灰度均值，将其组成特征向量训练分类器最后用训练好的分类器对要识别的图像进行目标识别采用该方法对一些含有桥梁的图像进行目标识别实验，取得了较好的识别结果。该方法为了克服识别速度慢的实际情况，也采用了并行计算计算不变矩特征及灰度均值。实验结果证明该方法能取得较好的目标识别效果，且速度较快。

摘要： 目前,从图片库、网络到视频图像数据库获取大量图像成为可能,对这些图像进行标识和检索是许多研究课题的热点和挑战.而此研究工作的主要方面是对图像进行适当的描述,要做到这一点就要首先进行图像目标识别.由于图像的二道化易于获取,因此本文选择图像的二值化值作为特征,研究一种能正确对给定图像进行识别的方法.

摘要： 本发明公开了一种基于支撑点拟合的复杂曲线电磁波矢量动态显示方法，包括以下子步骤：S1.从nastran网格文件中读取复杂曲线模型的点列表[P]N和点连接列表形成线元列表[Seg]M；S2.基于支撑点拟合，得到空间三维立体曲线的拟合函数；S3.根据用户设置的曲线采样点数Sn+1对复杂曲线模型进行均匀采样；S4.计算曲线在每个采样点Pi(xi,yi,zi)上的单位切向矢量然后计算与ti互为垂直的两正交单位向量与S5.构建一张维度为Sn+1×18的数据表格作为电磁波动态显示的数据结构格式；S6.根据数据表格实现复杂曲线电磁波矢量动态显示。本发明考虑了正交场之间的耦合情况，并能够将电磁波的波动耦合动态地进行显示。

摘要： 本发明涉及一种用于将冷却块(12)固定在履带式铸造机的环绕的支撑元件(13)上的夹紧系统(10)，该夹紧系统包括：至少一个连接元件(20)，所述连接元件通过弹簧(22)沿着其纵向方向上预紧；和卡紧器件(24)，通过所述卡紧器件能够将所述冷却块(12)固定在所述支撑元件(13)上，其中所述连接元件(20)可移动地支承地容纳在所述支撑元件(13)的内部。所述卡紧器件(24)通过被设置在所述连接元件(20)的上端面(26)上的头部(28)和被设置在所述冷却块(12)处或冷却块中的、能够与所述头部(28)相互作用的空隙(30)构成，其中所述连接元件(20)借助于所述弹簧(22)被朝所述支撑元件(13)预紧并且由此被转送到卡紧位置中，在所述卡紧位置中在所述连接元件(20)的头部(28)与所述被设置在冷却块(12)处或冷却块中的空隙(30)处于嵌合时所述冷却块(12)自主地与所述支撑元件(13)夹紧在一起。

摘要： 本发明公开了一种基于支撑点拟合的复杂曲线电磁波矢量动态显示方法，包括以下子步骤：S1.从nastran网格文件中读取复杂曲线模型的点列表[P]N和点连接列表形成线元列表[Seg]M；S2.基于支撑点拟合，得到空间三维立体曲线的拟合函数；S3.根据用户设置的曲线采样点数Sn+1对复杂曲线模型进行均匀采样；S4.计算曲线在每个采样点Pi(xi,yi,zi)上的单位切向矢量然后计算与ti互为垂直的两正交单位向量与S5.构建一张维度为Sn+1×18的数据表格作为电磁波动态显示的数据结构格式；S6.根据数据表格实现复杂曲线电磁波矢量动态显示。本发明考虑了正交场之间的耦合情况，并能够将电磁波的波动耦合动态地进行显示。

摘要： 本发明公开了一种自适应矢量控制的异步电机用减震支撑装置，包括C形板和顶板，所述C形板的两侧内壁均固定有固定框，且两个固定框的内壁之间设置有同一个安置板，所述安置板的顶部外壁两侧均开设有等距离分布的通口，且通口的内壁设置有限位杆，所述限位杆的顶部外壁套接有复位弹簧，且限位杆的顶端与固定框的顶部内壁固定连接，所述限位杆的底端与固定框的底部内壁固定连接，所述安置板的顶部外壁固定有四个呈矩形状分布的固定柱，且固定柱的顶部外壁开设有螺纹槽。本发明多个减震箱内的减震弹簧可对电机产生的震动进行缓冲，多个复位弹簧可对安置板复位时的力进行缓冲，从而实现对电机的减震效果，有效保障电机稳定运行。

摘要： 本实用新型公开了一种倾斜度可调支撑式矢量网络分析仪，包括矢量网络分析仪和底板，所述底板一端设有竖向的支撑柱，支撑柱顶端为倾斜面，所述矢量网络分析仪呈倾斜状设置且较低端与支撑柱的倾斜面接触，所述矢量网络分析较高端底部与底板之间设有升降机构，升降机构为竖向设置，所述升降机构向上或向下移动带动矢量网络分析仪较高端部竖直升降移动。本实用新型结构简单，对矢量网络分析仪倾斜度的调节简便灵活，实用性极强。

摘要： 本实用新型是一种钢结构抗风柱支撑矢量调节装置，包括弧形轨道一、弧形轨道二，弧形轨道一与弧形轨道二同轴心设置，弧形轨道一位于弧形轨道二上方且固定连接在抗风柱上，弧形轨道二固定在抗风柱的地基上，弧形轨道一滑动设有滑块一，弧形轨道二滑动设有滑块二，滑块一与滑块二之间设有用于调节抗风柱支撑矢量且长度可调的拉压杆，拉压杆的两端分别与滑块一和滑块二相连。本实用新型实现了抗风柱支撑力度、方向的可调，使其可以根据风力大小、风向变化调节抗风柱的支撑矢量，增强了抗风柱的抗风作用。

摘要： 本发明公开了一种基于集成支撑矢量机排序的信息检索方法，主要解决现有方法训练效率和排序精确度低的问题。实现步骤为：(1)将训练样本按照查询对象的不同分别进行模型训练得到初始模型组；(2)利用Ranking SVM算法中的排序算法根据模型组中各个模型对验证集分配排序分数，选择对集成之后排序分数的平均精确度有贡献的模型构成系统模型集；(3)系统模型集中的各模型给测试集中各特征向量分配排序分数，将对应于同一个特征向量的排序分数之和作为输出。本发明提高了排序学习方法用于信息检索的模型训练效率和排序的精确度，使其更具有通用性，可应用于网络搜索引擎、军事情报检索及机器翻译。

摘要： 本发明公开了一种基于支撑矢量机的合成孔径雷达遮挡目标识别方法，它涉及图像处理技术领域，其目的是为了克服目标的遮挡率超过70%的时候图像识别率会迅速下降的问题。采用该方法既可保证低遮挡率下的高识别率，又可以在高遮挡率下的识别率有很大的提升。本方法的具体实现步骤为：1、对输入的待识别SAR目标图像进行预处理，得到预处理后图像的ROI；2、在预处理后图像的ROI中寻找目标的峰值点；3、对预处理后的ROI，通过去掉目标的部分峰值点，用I类或II类方法添加相应数目的峰值点到ROI中，来模拟遮挡目标；4、选用分类器并对分类器进行训练，将测试图像输入训练好的分类器中，进行遮挡目标识别。该方法可用于坦克、火炮、碉堡等重要目标被部分遮挡情况下的军事目标的识别中。

摘要： 本发明公开了一种基于集成支撑矢量机排序的信息检索方法，主要解决现有方法训练效率和排序精确度低的问题。实现步骤为：(1)将训练样本按照查询对象的不同分别进行模型训练得到初始模型组；(2)利用Ranking SVM算法中的排序算法根据模型组中各个模型对验证集分配排序分数，选择对集成之后排序分数的平均精确度有贡献的模型构成系统模型集；(3)系统模型集中的各模型给测试集中各特征向量分配排序分数，将对应于同一个特征向量的排序分数之和作为输出。本发明提高了排序学习方法用于信息检索的模型训练效率和排序的精确度，使其更具有通用性，可应用于网络搜索引擎、军事情报检索及机器翻译。

摘要： 本发明公开了一种基于支撑矢量机的合成孔径雷达遮挡目标识别方法，它涉及图像处理技术领域，其目的是为了克服目标的遮挡率超过70％的时候图像识别率会迅速下降的问题。采用该方法既可保证低遮挡率下的高识别率，又可以在高遮挡率下的识别率有很大的提升。本方法的具体实现步骤为：1.对输入的待识别SAR目标图像进行预处理，得到预处理后图像的ROI；2.在预处理后图像的ROI中寻找目标的峰值点；3.对预处理后的ROI，通过去掉目标的部分峰值点，用I类或II类方法添加相应数目的峰值点到ROI中，来模拟遮挡目标；4.选用分类器并对分类器进行训练，将测试图像输入训练好的分类器中，进行遮挡目标识别。该方法可用于坦克、火炮、碉堡等重要目标被部分遮挡情况下的军事目标的识别中。