共查询到20条相似文献，搜索用时 15 毫秒
1.
支持向量机是一种有良好发展前景的学习机器。针对支持向量机训练过程中特征选择和参数优化的问题,提出一种基于蝙蝠算法和禁忌搜索算法相结合的算法的支持向量机特征选择和参数优化算法。将禁忌搜索算法理论引入蝙蝠算法中,可以有效提高BA算法的收敛速度和精度,得到更优的支持向量机模型。UCI标准数据集的分类实验结果表明,与基本的网格搜索,遗传算法等比较,TSBA算法可以获得更高的分类准确率和更好的稳定性。 相似文献
2.
3.
针对传统网络入侵算法在WLAN中的异常检测效率低,提出了一种SVM算法的WLAN入侵检测方法,首先对网络入侵的数据计算信息增益,从原始数据中选取对分类结果影响较大的特征属性,对SVM参数进行优化,最后采用优化的SVM算法对无线网络数据进行检测,得出网络入侵结果.实验结果表明,提出的算法检测正确率高、漏报率与误报率低,具有很好的应用前景. 相似文献
4.
支持向量机(SVM)是建立在统计学习理论基础上的一种通用的研究机器学习规律的方法。它具有很强的学习能力和泛化能力,可以有效地处理分类,回归等问题。SVM在处理非线性问题时,通过使用一个核函数来解决复杂计算问题。最小二乘支持向量机(LS_SVM)是SVM的一种改进,它提高了求解问题的速度和收敛精度。本文以太阳黑子为数据集,基于LS_SVM工具,使用了支持向量回归算法(SVR),实现了太阳黑子活动的预测。 相似文献
5.
6.
《科技通报》2017,(2)
目的:利用PCA和SVM对新疆哈萨克族食管癌X射线图像进行特征提取、特征选择及分类研究。方法:利用基于灰度共生矩阵的纹理特征和小波变换的频域特征提取法,提出将ROC曲线面积选择法和主成分分析法相结合的两步式特征选择法,利用Bayes和SVM分类器对图像进行分类以验证所提取特征的分类能力。结果:AUC0.7的特征经主成分分析后输入到SVM分类器和Bayes分类器中得到的分类准确率和AUC值最高,分别为91%和85%、0.945和0.915。结论:SVM具有较好的分类性能,两步式特征选择法能有效地消除特征之间的共线性,极大提高了特征的分类能力,本研究有望提高新疆哈萨克族食管癌CAD系统的整体性能。 相似文献
7.
目的:自美国将CPS的发展列为重点研究项目,引起了各国广泛的关注。不同于传统的系统,在通信方面,CPS融合了大量的异构网络,其规模远大于现有的控制网络。为提高对协议识别的效率和准确度,并对其进行分类,系统中大量数据传输带来的网络拥堵是我们要解决的主要问题。方法:基于网络流的特征,提出了对协议进行识别的变精度粗糙集的权值计算法和决策构造优化算法。结果:基于变精度粗糙集算法协议识别算法,其准确率可达98.7%。结论:基于变精度粗糙集的决策算法相较于普通决策算法,其识别准确度更高、更容易实现。 相似文献
8.
《科技通报》2016,(11)
针对标准支持向量机(SVM)算法在数字抠像的应用中还存在抠像精度低、点集分类效果不好等问题。本文设计了以快速分割核函数优化SVM算法为基础的数字抠像模型,最先将径向基函数(RBF)当成核函数对推理试验模型进行建立,之后再利用CMSVM设置较大的参数取值范围,对参数进行大间隔步长的循环取值,并通过一定训练和测试,以评分准则为依据对这种状况下建立的最优SVM分析模型所对应的参数值进行确定,指导最终确定出用来建立SVM分析模型的理想参数值,进而对分析模型进行确定。结果表明,本文提出的快速分割核函数优化SVM算法相比较标准SVM算法,具有更好的数字图像抠像效果。 相似文献
9.
为了提高文本分类的准确性和效率,提出了一种基于潜在语义分析和超球支持向量机的文本分类模型.针对SVM对大规模文本分类时收敛速度较慢这一缺点,本文将超球支持向量机应用于文本分类,采用基于增量学习的超球支持向量机分类学习算法进行训练和分类.实验结果表明,超球支持向量机是一种解决SVM问题的有效方法,在文本分类应用中具有与SVM相当的精度,但是明显降低了模型复杂度和训练时间. 相似文献
10.
线性判别分析（LDA）具有很好的分类性能,但是计算复杂度一般较高。为了有效地降低LDA算法的计算复杂度,本文提出了一种基于k-means聚类的快速学习算法。该算法首先根据k-means聚类算法对原始样本进行聚类,计算聚类簇的样本中心作为新训练样本,然后再利用LDA算法进行分类。由于通过聚类算法有效地压缩了训练样本集的规模,因此算法具有更高的效率。在语音识别数据集上的实验充分验证了本文算法具有较好的分类性能,而且效率更高。 相似文献
11.
《资源科学》2017,(3)
为实现高分辨率遥感影像低层特征的有效组织与优化,提高特征的可判别性,重点研究了基于稀疏编码的中层特征学习、基于支持向量机(Support Vector Machine,SVM)的分类技术,提出了基于软概率级联中层特征学习模型实现土地利用/土地覆盖(Land Use and Land Cover,LULC)分类。首先,提取影像的灰度共生矩阵(Graylevel Co-occurrence Matrix,GLCM)、光谱特征、密集尺度不变特征转换(Dense Scale Invariant Feature Transform,DSIFT)作为低层特征;然后由稀疏编码分别对GLCM、DSIFT和光谱特征进行稀疏编码,并结合最大平滑方法对稀疏系数进行优化,获得影像的中层特征,并通过SVM分类器分别计算LULC类别软概率,对其级联获得影像的特征表达;最后,利用SVM分类器再次分类获得LULC分类结果。选用武汉市远城区农村居民点作为实验样区,对该方法进行了验证,实验结果表明,该方法总体精度达到88%左右;相较于提取单一低层特征的分类方法,本文算法可有效提高LULC分类精度。 相似文献
12.
为了加强数字图像版权保护,提出一种基于离散余弦变换(DCT)和支持向量机(SVM)的数字图像水印算法.该算法首先充分利用SVM很强的非线性逼近能力,计算水印的嵌入强度,然后将水印自适应地嵌入到DCT变换各系数中,从而解决水印嵌入强度和DCT系数的选择难题.实验结果表明,该算法不仅具有水印具有不可感知性,而且抗各种攻击能力强. 相似文献
13.
14.
15.
针对人脸特征的提取问题,提出了在SVM的基础上结合局部二值模式(LBP)加权算法。首先描述了人脸图像的LBP和深度LBP特征,通过加权形成人脸特征向量,通过这些向量采用支持向量机进行分类,依托人脸数据库进行仿真。实验结果表明,本文算法提高了人脸平均识别率以及识别效率,具有一定的推广价值。 相似文献
16.
针对人脸特征的提取问题,提出了在SVM的基础上结合局部二值模式(LBP)加权算法。首先首先描述了人脸图像的LBP和深度LBP特征,通过加权形成人脸特征向量,通过这些向量采用支持向量机进行分类,依托人脸数据库进行仿真。实验结果表明,本文算法提高了人脸平均识别率以及识别效率,具有一定的推广价值。 相似文献
17.
文章介绍了支持向量机各种训练算法,在对SMO算法进行深入分析的基础上,提出基于样本抽取的优化SMO算法,较好地解决了训练过程中子问题的求解复杂度和迭代次数及效率之间的矛盾。实验表明,优化SMO算法大大的提高了SVM的训练速度。 相似文献
18.
最小二乘支持向量机（least squares support vector machine,LS—SVM）具有很好的非线形逼近能力和泛化能力,通过研究逆模型存在的条件,提出了基于LS—SVM的逆模型辨识方法。仿真结果表明基于LS—SVM的逆模型辨识方法在处理非线性对象时,辨识精度、辨识速度、泛化能力都要强于BP算法。 相似文献
19.
20.
为了能够有效的提高云计算下的资源负载预测精度,提出了一种改进的布谷鸟算法优化支持向量机的云计算资源模型(ICS-SVM)。首先介绍了基本的布谷鸟算法,并从种群初始化,引入粒子群-量子的概念改进算法,最后将改进后的算法优化SVM获得最优参数建立云计算负载模型。仿真实验说明,与其他的几种经典智能算法优化SVM相比,ICS-SVM能够有效的提高云计算的资源负载变化的预测精度,具有较好的推广价值。 相似文献