共查询到18条相似文献，搜索用时 148 毫秒
1.
提出一种基于主成分分析和支持向量机与线性判别分析结合算法的合成孔径雷达(synthetic aperture radar,SAR)图像目标鉴别方法. 利用主成分分析算法对SAR图像向量进行降维并提取其全局特征,对降维后的全局特征采用最小类内散度支持向量机算法进行变换,并对变换结果训练生成最佳分类器,进行分类完成目标鉴别. 实验结果表明该方法可以获得较高的分类正确率. 相似文献
2.
提出一种基于遗传规划的合成孔径雷达图像识别方法.首先提取SAR图像的5种特征作为原始特征,然后利用遗传规划算法在5种原始特征上合成新的特征,最后采用支持向量机进行分类.实验结果表明了算法的有效性. 相似文献
3.
支持向量机作为机器学习中一个经典的分类算法,一直广受数据科学家的喜爱。无论是处理线性可分还是非线性可分数据,传统的支持向量机能够很好地解决二分类问题。针对给定的样本,支持向量机通过最大化最小间隔得到最佳的决策分界面,从而实现对新样本的类别预测。然而现实中的数据更为复杂多样,一方面数据的类别往往多于两个,近年不乏有优秀的多分类支持向量机算法出现;另一方面不同领域的数据的特征集中可能存在相对特殊的变量（称之为主变量,targeted variable）,需要将其挑选出来并加以特殊处理,以保持主变量对最终分类结果的重要影响。考虑这两个方面,提出基于角度的变系数多分类支持向量机（TLAMSVM）模型以解决含有主变量的多分类问题。它使用具备更好几何解释能力的基于角度的间隔最大分类框架完成多分类,并引入变系数模型,通过选择合适的局部光滑函数处理主变量对模型的影响。把基于角度的变系数多分类支持向量机分别应用到模拟数据集和真实数据集上。数值结果显示,相比没有使用变系数思想或基于角度的多分类框架的多分类支持向量机,TLAMSVM模型具有更高的预测准确度。 相似文献
4.
为了保证和有效提升网络安全态势感知结果,提出一种基于改进支持向量机的网络安全态势感知算法.通过粒子群算法（PSO）对支持向量机内的参数进行优化,利用灰色关联分析法确定指标权重,将全部训练样本输入到改进支持向量机内进行训练,实现网络安全态势感知.和已有的网络安全态势感知算法相比,所提算法可以获取高准确率的网络安全态势感知结果,同时还可以有效减少运行时间,更加适用于解决网络攻击问题. 相似文献
5.
传统的欠采样方法容易丢失重要的样本信息,且其实验结果的稳定性较差。针对上述问题,提出一种基于类重叠度欠采样的不平衡数据模糊多类支持向量机算法。该算法首先采用LOF局部离群点因子和箱线图的方法清洗训练数据集中的噪声样本,然后根据类重叠度抽取对分类起关键作用的支持向量,并且将代表每个样本点重要程度的类重叠度作为隶属度值,构造模糊多类支持向量机。实验结果表明,该算法克服了随机欠采样的支持向量机容易丢失重要样本信息和实验结果不稳定的缺点,且很好地提升了支持向量机在不平衡且含噪声的数据集上的分类精度,并保持较高的计算效率。 相似文献
6.
为解决内河航道中具有不同运动模式的船舶轨迹识别问题,提出一种基于宽度学习系统(broad learning system, BLS)的船舶轨迹分类算法。对通航区域进行划分并制定轨迹筛选规则以构建标签矩阵。利用分段三次Hermite插值法分别从轨迹点记录时间上等时距和轨迹点空间分布上等间距两个角度,从原轨迹数据中进行特征点坐标的提取以构建轨迹特征矩阵。将标签矩阵和轨迹特征矩阵代入BLS以实现分类算法的训练与测试。以京杭运河淮安段交叉航道AIS数据为实例,进行轨迹分类实验。结果表明,基于BLS的船舶轨迹分类算法在分类精度和训练耗时上均优于基于反向传播神经网络和支持向量机的轨迹分类算法。 相似文献
7.
随着电子商务的迅速发展,推荐系统与算法已经成为理论研究的热点。支持向量机是一种强大的分类工具,由其衍生出的支持向量机回归方法能很好地解决非线性回归问题。文中以电影推荐为例,引入支持向量机回归方法来分析项目的内容,构建用户模型,进而给出推荐。实验结果和理论分析表明这种推荐算法与传统协同过滤算法相比,能够明显提高推荐精度,并显著缩短了推荐所需时间;在大样本量情况下也能同样高效。 相似文献
8.
对于支持向量机的小样本识别问题,给出了一个近似算法—乘子极大熵算法.首先把支持向量机模型的Wolfe对偶问题转化为极大极小模型,然后利用乘子极大熵算法来求这个极大极小问题的解.支持向量机的乘子极大熵算法是一个集极大熵法和乘子法两者优点于一身的算法,它可以把非光滑的问题变成光滑的,能在一定程度上减少迭代次数,提高计算速度,并且可以避免海森阵病态的问题.对于文中的两个例子,该算法都得到了比较好的实验结果,表明了该算法的有效性.乘子极大熵算法比较适用于小样本的识别问题,特别是医学上的癌前诊断问题的判别. 相似文献
9.
基于线性规划的回归支撑向量机 总被引：1，自引：1，他引：0
在结构风险中采用l∞-范数来控制模型复杂性的基础上,提出基于线性规划的支撑向量机,并通过求解对偶规划来提高单纯形学习算法的计算速度.数值试验结果表明,此类支撑向量机的学习效果与经典的支撑向量机的学习效果相似,当学习样本个数增加时线性规划支持向量机的学习时间增加的要少得多,但是支撑向量个数比较多. 相似文献
10.
曹丰文 《苏州市职业大学学报》2007,18(2):41-44
基于支持向量机的变压器故障诊断分类方法,通过有限的学习样本,建立变压器故障特征与其溶解气体之间的关系。利用获得的故障变压器数据建立了故障分类器,通过对样本的分类输出检验,验证了该故障诊断方法的可行性。 相似文献
11.
基于支持向量机(SVM)的相关反馈算法在反馈过程中只利用SVM的分类器,反馈结果排序会出现一定错误, 提出一种改进的相关反馈策略,将图像的视觉特征度量函数和SVM分类器函数进行线性加权,作为相关反馈中的相似性度量准则. 实验表明,改进策略能够优化遥感图像检索排序结果,提高检索的精度. 相似文献
12.
朱昌明 《上海海事大学学报》2017,38(4):93-100
为弥补具有径向基函数(radial basis function, RBF)核的支持向量机(support vector machine, SVM)的不足,即如何获得合适的RBF核并且包含更多的数据信息,提出一个关于核聚类的有效方法。该方法通过关于核数目、中心、宽度的一些公式来生成核。这个生成方法可以容易、合理、优化地获得核。在美国邮政手写数字数据集(记为USPS)和字母识别数据集(记为Letter)上的试验可以验证,具有这些新生成的RBF核的SVM拥有更少更合理的核以及更高的分类性能。通过这个新提出的方法,可以处理更多的大规模分类问题。 相似文献
13.
为提升极化合成孔径雷达(SAR)地物分类精度,提出一种基于AdaBoost改进型随机森林和支持向量机(SVM)结合的二级分类结构。首先将AdaBoost改进型随机森林作为初级分类器,该分类器能根据决策树的分类能力赋予权重,分类能力越强则权重越高,从而提升初级分类精度。初级分类器还能评估输入特征的重要性,获得重要性排名。根据重要性排名进行特征筛选,用筛选后的特征训练SVM分类器,获取二级分类结果。最后利用邻域投票法将两级分类结果融合。AIRSAR极化数据对比实验表明,该分类结构可有效提升极化SAR地物分类精度。 相似文献
14.
基于SVM分类器的集装箱箱号识别法 总被引：1，自引：1，他引：0
为准确、高效地识别集装箱箱号,提出基于支持向量机(Support Vector Machine,SVM)分类器的集装箱箱号识别法.在对大量箱号图片进行实验并统计各种特征识别率的基础上,经过预处理、箱号定位、字符分割,得到36×22像素大小的二值化图像;提取箱号字符的边界和质心特征、改进的灰度直方图特征以及边缘方向直方图... 相似文献
15.
为解决岸桥起升电动机的状态识别和实时监测问题,分析起升电动机的大量样本集,提出基于标准差的模糊C均值(standard deviation-based fuzzy C-means,S-FCM)聚类算法对起升电动机的状态进行聚类分析,并构建两种SVM模型。实验结果表明:起升电动机振动烈度可以聚类为4类。对两种SVM模型进行对比和验证,选出最理想的实时监测模型。该方法可以为设备维护保养提供依据并且可以实时在线监测岸桥起升电动机的工作状态。 相似文献
16.
为提高船舶航迹预测精度,解决准确建模难度大和神经网络易陷入局部最优的问题,考虑实时获取目标船AIS数据较少的特点,提出一种基于支持向量机(support vector machine,SVM)的航迹预测模型。选择AIS数据中的航速、航向和船舶经纬度作为样本特征变量;采用小波阈值去噪的方法处理训练数据;采用差分进化(differential evolution,DE)算法对模型内部参数寻优以提高模型收敛速度和预测精度。选取天津港实船某段航迹的AIS数据,比较基于DE-SVM与基于BP神经网络的航迹预测模型的仿真结果。结果表明,基于DE-SVM的航迹预测模型具有更高的预测精度,简单、可行、高效,且耗时少。 相似文献
17.
针对现有SVM模型选择方法中人为指定核函数类型导致SVM模型性能难以达到最优的问题,提出了核函数原型的概念,并在此基础上提出一种基于核函数原型和自适应遗传算法的SVM模型选择方法. 该方法针对具体问题选择最优的核函数,有效地提高了SVM模型的性能;同时该方法通过动态调整遗传算法的控制参数,提高了SVM模型选择方法的稳定性. 在5个标准SVM数据集和遥感图像上的实验证明了该方法的有效性和稳定性. 相似文献
18.
集成算法是机器学习领域的研究热点。随机子空间算法是集成算法的一个主要算法。随机子空间生成的特征子集可能含有冗余特征、噪声特征,影响算法的分类精度。为此,本文提出了一种基于假设间隔的弱随机特征子空间生成算法（WRSSimba）,有效去除了特征子集中冗余特征和噪声特征。在UCI数据集上的实验结果表明,WRSSimba的分类性能优于随机子空间算法和Simba算法。 相似文献