共查询到20条相似文献，搜索用时 15 毫秒
1.
比较最大似然法与“结合分层技术和SVM监督分类”方法,从神木县OLI图像上识别7种主要植被类型的精度。将神木县7种主要植被类型划入5个专题图层,对图像进行LBV变换后,通过阈值分割获取目标植被类型的概貌图像,以波段L、V、B作为有效特征进行面向对象分割和SVM监督分类,并在分类后执行开、闭运算操作,获得目标植被类型的精确提取结果,将该提取结果作为掩膜区域从原图上去除,重复上述过程依次处理5个专题图层,将各专题层提取结果叠加形成分类图,与最大似然法分类结果进行比较。结果表明,“结合分层技术和SVM监督分类”的方法能够有效降低OLI图像分类后的“椒盐效应”,准确识别神木县7种植被类型,总体分类精度和Kappa系数分别为85.32 %、0.796,较最大似然法分类结果分别提高了16.46%和17.93%。 相似文献
2.
SVM算法只使用已归类的数据训练分类器,而EM算法用少量已归类数据,结合大量的未归类数据来训练分类器,在减少已归类数据的同时保证了分类器的精度。本文基于EM算法的思想,根据SVM文本分类模型,提出一种新的迭代SVM文本分类算法。实验结果表明,迭代SVM算法分类精度高于传统的SVM文本分类算法,具有较好的性能。 相似文献
3.
支持向量机用于二类问题的识别研究,但在实际应用中多类分类问题更为普遍。文章先对现有的几种多类SVM作以介绍和比较,并提出基于层次SVM结构构造正态分层SVM分类树解决多类分类问题,通过自顶向下逐层依次构造SVM分类器,将所得子类进一步平均分成两个次级子类的方法。获得分类器结构的简化和分类速度的提高。 相似文献
4.
在文本分类过程中,为解决传统支持向量机（SVM）多类分类的不可分区域问题及提高分类性能,提出了一种改进的偏二叉树多类SVM算法。算法依据根据样本的分布情况计算训练集文本特征参数的信息熵,并将熵值结合欧式距离公式以确定各类文本间的相似性测度;以相似性测度作为偏二叉树结构的分类走向,对训练集进行学习,构建各个二类子SVM分类器。实验结果表明,该算法具有较高的分类性能,能更好地解决实际文本分类过程中的问题。 相似文献
5.
词向量在自然语言处理中起着重要作用,近年来受到越来越多学者关注。然而,在词向量研究中,基于Word2vec词向量的应用研究居多,对于GloVe词向量的应用研究却很少。因此,将GloVe词向量模型与支持向量机（SVM）相结合,利用GloVe词向量模型进行特征提取与选择,利用SVM进行分类,并与Word2vec词向量结合SVM作实验对比。实验结果表明,GloVe词向量特征提取与SVM分类相结合的方法能够取得较好的准确率、召回率及F值,因此在新闻文本分类中具有一定应用价值。 相似文献
6.
针对数据挖掘中高维数据多分类问题,提出了一种基于二分K均值的SVM决策树的高维数据分类方法.该方法先利用二分K-均值将高维数据基本聚为k类,再构造SVM多分类模型,利用它对各类进行细分.本文给出了该模型的构造及应用方法,并在标准数据集上验证了该方法的有效性. 相似文献
7.
分析了基于支持向量机（SVM）的文本分类方法,在此基础上,提出一种由SVM和概率统计方法相结合的文本分类方法。详细介绍该方法的实现原理、算法描述和工作流程,并进行实验测试。 相似文献
8.
9.
针对FPGA在运算时会产生电磁泄露的现象,以简单逻辑运算为攻击目标,提出了一种基于支持向量机(SVM)的旁路攻击方法。通过电磁泄露信息采集平台实现电磁泄露信息的采集,以电磁泄露信息为特征信号,通过独立成分分析(ICA)对其进行特征提取。将经过ICA处理之后的信号作为新的特征向量,用已知逻辑运算情况下的样本训练多分类SVM,用训练好的多分类SVM对未知的简单逻辑运算的电磁泄漏信号进行分类。实验结果表明该方法能成功识别加、减、异或、左移、右移运算,其准确率达到了91.4%。 相似文献
10.
《嘉应学院学报》2016,(5):16-20
针对传统Android恶意应用检测方法在处理大规模样本时存在的训练时间长、存储空间消耗大的问题,提出一种基于增量学习SVM的Android恶意应用检测方法.该方法提取Android应用的权限申请和API函数调用特征,利用增量学习SVM理论将训练样本集随机划分为初始样本集和若干个增量样本集,利用循环迭代方法训练SVM分类器,每次新的训练仅保留上一轮训练得到的支持向量集并合并到新增样本集中,舍弃大量对分类结果不产生影响的样本以提高分类器学习效率,同时产生新的支持向量集,并最终得到一个高精度的SVM分类器.通过将增量学习SVM算法与基本SVM算法进行对比实验,结果表明,该算法可以有效降低分类器学习时间,减少样本存储的空间占用,同时随着样本规模的积累逐步提高分类精度. 相似文献
11.
通过机器学习方法辅助分析生物信息学中的数据,使用微阵列测试技术所获得的基因表达数据能够将任何给定条件下的基因表达模式表现出来,有利于研究人员更加深入地对众多生物过程的本质进行了解和掌握。文章对基因功能分类方法和基因表达数据的肿瘤分类进行了分析。对于基因表达数据的基因功能分类,按照功能类的隶属关系,提出基于功能树的优势因子决策和基于功能树的置信度调整准则,按照这两种标准进行基因功能树的基因功能分类算法改进。对于基因表达数据的肿瘤分类,将传统SVM算法和kNN算法两者进行结合,形成一种新型的分类算法,主要适用于肿瘤的分类。 相似文献
12.
如何从小样本、高维度特性的功能磁共振成像（fMRI）数据中识别出内在的脑区活动模式,对理解人脑意义重大。随着模式识别技术和机器学习算法的发展,fMRI的分类研究也引起了人们的重视。提出一种对fMRI数据分类的加权随机SVM集群（WRSVMC）算法。该算法分为两步,首先通过随机选择样本和特征建立多个SVM,以构建集成分类器;然后在投票过程中,对每个SVM赋权重,以优化模型的集成性能。结合fMRI数据和图论特征,采用WRSVMC算法对轻度认知障碍（MCI）患者数据展开分类研究。结果表明,准确率最高可达87.67%。该方法能帮助医师对MCI患者进行辅助诊断。 相似文献
13.
乳腺癌是现代女性最常见的恶性肿瘤之一。支持向量机SVM是一种基于统计学习理论的机器学习算法,它能在训练样本很少的情况下达到良好的分类效果。本文提出一个基于支持向量机的超声乳腺肿瘤图像计算机辅助诊断系统,它由图像预处理、ROI特征提取和SVM分类器异常诊断三个模块构成。通过实验证明,在处理相同的样本数据集时,基于SVM算法的计算机辅助诊断系统相对于BP神经网络,有更高的诊断灵敏度。统计学习理论的发展将更加完善SVM,具有高分类性能的分类器将使计算机辅助诊断的能力进一步提高。 相似文献
14.
熊思 《湖北第二师范学院学报》2009,26(8):87-90
乳腺癌是现代女性最常见的恶性肿瘤之一。支持向量机SVM是一种基于统计学习理论的机器学习算法,它能在训练样本很少的情况下达到良好的分类效果。本文提出一个基于支持向量机的超声乳腺肿瘤图像计算机辅助诊断系统,它由图像预处理、ROI特征提取和SVM分类器异常诊断三个模块构成。通过实验证明,在处理相同的样本数据集时,基于SVM算法的计算机辅助诊断系统相对于BP神经网络,有更高的诊断灵敏度。统计学习理论的发展将更加完善SVM,具有高分类性能的分类器将使计算机辅助诊断的能力进一步提高。 相似文献
15.
为提高大数据集粗分类识别率,提出一种基于聚类分析的SVM-Kd-tree树型粗分类方法。首先根据数据集特征分布进行k-means两簇聚类,对聚类后的数据集进行类别分析,同时将属于两簇的同一类别样本划分出来;然后使用两簇中剩余样本训练SVM二分类器并作为树型结构根节点,将两簇数据分别合并,将划分出来的样本作为左右子孩子迭代构建子节点,直到满足终止条件后,叶子节点开始训练Kd-tree。实验结果表明,迭代构建树型粗分类方法使训练单一SVM平均时间减少了61.977 4%,比Kd-tree同近邻数量的准确率提高了0.03%。在进行大规模数据集粗分类时,使用聚类分析迭代构建组合分类器时间更短、准确率更高。 相似文献
16.
本文采用了图像的KGB特征进行人脸识别。所用的是ORL头像数据库．先对其进行图像预处理来增强图像特征．然后采用PCA方法将其降维,取出其主特征信息．用这个主特征向量空间进行SVM训练得到支持向量机模型．识别的时候先将要识别的头像进行相同的预处理．之后映射到样本空间再进行识别．同时使用了SVM的默认多分类．也采用了一种基于二叉树方法的多分类．并比较其异同． 相似文献
17.
SVM方法是在统计学习理论的基础上发展起来的一种新的机器学习算法,它是统计学习理论的具体应用．讨论了SVM方法在故障诊断领域中应用的分类算法,并以滚动轴承为例进行了试验论证． 相似文献
18.
支持向量机(Support Vector Machine,SVM)是上世纪九十年代提出的一种基于小样本的新的统计学习方法,较好地解决了非线性、高维数、局部极小点等实际问题.文中分析了SVM基础理论并总结了目前存在的基于支持向量机的主要分类方法,包括一对多方法、一对一方法、决策有向无环图方法、基于二叉树的多类分类方法和其它方法,并对各自的优缺点及性能做了比较. 相似文献
19.
在介绍SVM和KNN分类算法的基础上,提出了一种新的、较简单的,但更为合理的基于表模型的文档表示方法,阐述了一种基于表模型的分类算法——TableKNN算法。通过实验比较TableKNN算法与传统KNN算法应用于文本分类的效果,证实了TableKNN算法在处理文本分类问题上的优越性。 相似文献
20.
传统自动柜员机（ATM）监控系统以摄像为主,不能及时检测用户身份是否异常。提出一种基于行为特征的ATM机用户身份实时识别方法,采集用户输入密码时的触屏行为特征数据,通过SVM分类算法判断该用户行为是否属于合法用户。该方法不仅要求用户输入的账户密码正确,还要求该用户的行为特征与预设定的合法用户行为特征一致。实验结果表明,通过数据预处理和SVM分类算法参数优化后的ATM机用户身份识别系统识别精确度达到97.9769%,比没通过数据预处理和SVM分类算法参数优化后的识别精确度高出4.5769%。 相似文献