共查询到20条相似文献，搜索用时 203 毫秒
1.
《赣南师范学院学报》2020,(3):26-32
模糊支持向量机是在支持向量机的基础上给每个样本赋予一个隶属度,从而减少孤立点以及噪声对最优决策面的影响,广泛应用于模式识别和人工智能领域.本文综述模糊支持向量机的理论基础以及研究现状,详细介绍模糊支持向量机中几种隶属度函数的设计方法以及在现实领域中的应用,最后针对模糊支持向量机算法的关键问题,即模糊隶属度函数的设计,给出一些未来研究方向的展望. 相似文献
2.
抗压能力大小判定是一个多指标、多目标的评价系统,传统计算方法存在繁琐、客观性差的问题。提出了一种改进的模糊支持向量机的评价模型,对抗压能力进行评价。建立模糊隶属度函数,在减少训练集中异常样本点对分类超平面干扰的同时,并没有降低边缘样本点对分类超平面的影响。实验表明,改进的模糊支持向量机提高了抗压能力评价的准确率,模糊支持向量机的泛化能力也得到了提高。 相似文献
3.
《佳木斯教育学院学报》2016,(6)
由于孤立点和原始样本的选取对于支持向量机的分类性能具有较大的影响,所以本文旨在设计一种区别于以往的支持向量机的算法来解决这个问题。首要步骤是通过主成分分析法对原始数据样本进行处理,以达到用最好的方式对原始数据进行表达,从而达到使高维特征空间的维数降低的目的。然后使用类均值法,依据样本在特征空间的投影到特征空间中本类样本均值的距离,来确定其模糊隶属度,为达到使孤立点对最优分类超平面的影响最小,本文通过赋予较小隶属度的方式来实现这一目标。通过进行仿真实验,我们可以发现,这种算法能够比较有效地降低分类误差,而且在一定程度上也能够使支持向量机的鲁棒性得到提高。 相似文献
4.
基于模糊支持向量机的语音情感识别 总被引：1，自引：0，他引：1
根据输入样本对分类结果不同的影响程度,引入模糊隶属度,探讨了模糊支持向量机(FSVM)原理,并将其应用于汉语语音信号中生气、高兴、悲伤、惊奇4种主要情感类型的识别。仿真实验结果表明FSVM比支持向量机(SVM)有着更好的分类性能和更高的识别率。 相似文献
5.
针对智能监控中行人行为难于识别的问题,提出了一种基于改进支持向量机的行人行为分类的解决方法.针对背景建模和前景提取精确度的难题,把视频中有活动的部分表示成一组时空兴趣点;针对行动方式具有无固定方式和模糊特点的问题,先采用模糊聚类求每类行为样本聚类中心,再加入决策树思想,构建一种支持向量机决策树多值分离器进行行为分类.在国际上通用行为KTH数据库进行了实验,获得较高的识别率. 相似文献
6.
林关成 《渭南师范学院学报》2012,(2):83-86
传统的支持向量机分类算法在优化过程中对所有支持向量都进行优化,增加了计算量,降低了训练效率.针对上述缺点,在分析样本模糊隶属关系的基础上,采用改进的K近邻算法为已知样本分配隶属度,根据训练样本的隶属关系,剔除非支持向量,减少训练样本,并将其用于中文网页的分类中,得到了较好的分类效果.仿真实验结果表明,改进后的方法不仅相对简单,而且在保证分类器性能的情况下,能有效地减少支持向量机的训练样本数,从而提高支持向量机的训练和测试速度. 相似文献
7.
支持向量机是一种新的机器学习方法,是在统计学习理论基础上发展起来的。经典的支持向量机算法主要是针对两分类问题,但是在实际生活中经常需要求解多分类问题,这就需要将支持向量机的算法推广到求解多分类问题。通过阐述支持向量机模型及其算法的基本原理,对多分类支持向量机几种算法进行分析,系统地比较了各种算法的性能,探讨了多分类支持向量机算法的进一步研究方向。 相似文献
8.
9.
客户满意度是客户关系管理的重要内容,对其研究能帮助企业把有限的资源集中到客户最看重的特性方面。针对移动通讯客户满意度问题,建立了模糊加权支持向量机模型。通过对量化后的总体满意度和各项指标数据进行训练,获得二者之间的关系。用最优隶属度函数客观地反映出客户的满意程度大小,并且对指标的敏感系数和贡献程度进行分析。 相似文献
10.
分析了支持向量机(SVM)的工作原理和将其推广到多类分类时会遇到的问题,对用模糊SVM(FSVM)解决此问题时的模糊策略作了详细论证,说明此模糊策略是非常完美的一个解决方案,并指出了进一步的研究方向。 相似文献
11.
支持向量机方法在解决小样本,非线性及高维模式识别中表现出许多特有的优势。目前主要用于二元分类问题中,而对于其在多类分类应用仍是一个值得研究的问题。在目前存在的各种多类支持向量机分类问题中,一对一方法是一种最符合实际的方法。文章提出了一种改进的支持向量机,并将其应用于图像分割。这种改进的支持向量机它对一对一方法进行了改进,实验表明,支持向量机的方法是一种很有潜力的图像分割技术。 相似文献
12.
支持向量机方法是一种基于统计学理论的机器学习的新方法,它在解决小样本,非线性及高维模式识别中表现出许多特有的优势。目前它主要用于二元分类问题中,而对于其在多类分类应用仍是一个值得研究的问题。在目前存在的各种多类支持向量机分类问题中,一对一方法是一种最符合实际的方法。本文提出了一种改进的支持向量机,并将其应用于图像分割。这种改进的支持向量机它对一对一方法进行了改进,实验表明,支持向量机的方法是一种很有潜力的图像分割技术。 相似文献
13.
RBF-SVM是场景分类中主流的分类算法之一,C和γ是其优化参数。本文分析了场景分类中RBF-SVM优化参数的形态分布,从实验结果发现场景分类中RBF-SVM参数优化属于多峰值的优化问题。参数与分类精确度之间不具有显式的函数关系,并且最优解的搜索空间很大,用传统的网格算法和枚举法很难满足需求。演化算法具有自组织、自适应、自学习等智能特征,是解决场景分类中RBF-SVM参数优化的有效途径。 相似文献
14.
1 Introduction Support vector machine (SVM) is a powerful ma-chine learning tool capable of representing non-linearrelationships and producing models that generalizeswell to unseen data .SVMhave been applied widelyinmany fields[1]such as hand-written character recogni-tion ,text categorization,computer vision,speechrec-ognition and gene classification,etc. Despite this , using an SVM requires a certainamount of model selection,i.e.,selection of the ac-tual kernel and its parameters .In rec… 相似文献
15.
Currently there are two approaches for a multi-class support vector classifier （SVC）. One is to construct and combine several binary classifiers while the other is to directly consider all classes of data in one optimization formulation. For a K-class problem （K〉2）, the first approach has to construct at least K classifiers, and the second approach has to solve a much larger optimization problem proportional to K by the algorithms developed so far. In this paper, following the second approach, we present a novel multi-class large margin classifier （MLMC）. This new machine can solve K-class problems in one optimization formulation without increasing the size of the quadratic programming （QP） problem proportional to K. This property allows us to construct just one classifier with as few variables in the QP problem as possible to classify multi-class data, and we can gain the advantage of speed from it especially when K is large. Our experiments indicate that MLMC almost works as well as （sometimes better than） many other multi-class SVCs for some benchmark data classification problems, and obtains a reasonable performance in face recognition application on the AR face database. 相似文献
16.
为促进农业向精准农业、智慧农业方向发展,针对种业中衡量种子质量的重要指标千粒重,为提高其精确度,提出基于非负矩阵分解与支持向量机的粘连种子分类算法,在利用机器视觉与图像识别等技术进行种子颗粒计数时,解决种子因严重粘连（经图像预处理、形态学操作等仍粘连）使系统出现误判,导致计数结果误差较大的问题。实验以玉米种子为研究对象,研究3种常见粘连类型。采用基于NMF的方法实现种子粘连图像有效特征的提取,再运用SVM构建多分类器,解决种子粘连类型的三分类问题,最后通过实验验证,该方法的分类准确率为98%。 相似文献
17.
本文首先把AHP与模糊数学中的隶属函数结合起来 ,对我国 1 995年内 30个省、自治区的主要灾情进行评价和排序 ;其次 ,由聚类分析法分类 ;并通过统计检验显示出该分类是合适的 ;它提供了一种正确评价灾情的有效方法 . 相似文献
18.
Parameters selection in gene selection using Gaussian kernel support vector machines by genetic algorithm 总被引：2，自引：0，他引：2
INTRODUCTION Recent techniques based on oligonucleotide or cDNA microarrays allow the expression level of thousands of genes to be monitored in parallel (Golub et al., 1999). A critically important factor for cancer diagnosis and treatment is the reliable prediction of tumor progression. A remarkable advance for mo- lecular biology and for cancer research is cDNA mi- croarray technology. cDNA microarray datasets havea high dimensionality corresponding to the large number of genes monit… 相似文献
19.
SVM(Support Vector Machine,支持向量机)是由Vapnik等人提出的一种新的机器学习方法。以结构误差理论、条件二次优化理论与核空间理论作为理论基础,能够较地的解决机器学习的问题,如模型选择、过学习、非线性问题和灾难维数等,很适合应用在文本分类领域。针对文本分类技术的新问题,研究了已有的主动学习方法并对其进行改进,提出了一种新的主动学习算法,很好地解决了小规模标注样本集的分类问题。该方法尤其在难以获得大量类标签或者标注样本耗费较大的领域,更能显示出它的优越性,适合日新月异的互联网的应用。 相似文献
20.
随着数据库技术的迅速发展以及数据库管理系统的广泛应用,人们积累的数据越来越多.激增的数据背后隐藏着许多重要的信息,人们希望能够对其进行更高层次的分析,以便更好地利用这些数据.将目前先进的机器学习技术支持向量机,与数据挖掘结合起来,提出了一个改进的支持向量机训练算法,进行了支持向量机自动分类的模拟试验.试验结果显示,新算法的训练速度明显提高,并获得了比较理想的分类结果. 相似文献