简介：对SVM分类模型参数选择问题进行了研究,将免疫网络算法与SVM相结合形成一个AIN-SVM算法。数值测试结果表明该方法能够更快速地在更大的空间内进行有效搜索,与传统的交叉验证方法相比,在搜索速度与稀疏性上具有较大的优势。

简介：本文对支持向量机的原理、核函数及分类方式进行了详细的介绍，给合实例探讨了支持向量机在分类中的具体应用，并根据应用结果指出了支持向量机的优缺点，最后展望了支持向量机在分类应用的前景。

简介：

简介：随着样本数量的增加,算法的复杂度也随着增高,支持向量机算法需要解决一个关于样本维度的二次规划问题,文章提出一个新的算法:基于SVM的单类线性分类算法,通过增强约束不等式和为拉格朗日中的惩罚参数加平方,将二次规划问题转化为相对简单的线性问题,该算法能很好地应用于层次聚类和核聚类中。实验结果表明,本文提出的算法与单类SVM分类算法相比,在正确率几乎相同的情况下,运算速度有了很大的提高。

简介：本文针对传统公安情报工作中的不足,介绍了情报自动分类原理,结合多Agent思想构建了基于支持向量机的公安情报自动分类系统模型。

简介：如何选取训练样本使得SVM达到更好的效果是机器学习中的一个难题。本文提出一种改进AP聚类算法，通过二分法不断扫描偏向参数P空间，得到最优的偏向参数P，以期得到更准确的聚类效果，从而选取更高质量的训练样本，使SVM达到更好的分类效果。实验结果显示与传统的SVM及AP—SVM分类器相比，本文的BAP—SVM能够得到更高质量的训练样本，从而得到更好的分类效果。

简介：针对传统分类方法精度不高、感兴趣目标分类不理想等缺陷，采用多特征组合的支持向量机影像分类方法，利用颜色矩、颜色集和灰度共生矩阵进行特征提取，总体精度、Kappa系数和混淆矩阵作为评价指标对单一特征、组合特征的不同分类结果进行分析。实验结果表明，该方法有效地解决了单数据源分类不完整、精度低等问题，对高维输入向量具有较高的推广力。

简介：摘要：电力线路是供电系统中的重要组成部分，而线路故障的检测和分类对于电力系统的运行和维护至关重要。传统的故障检测方法主要基于模式识别算法，但面对复杂的线路故障类型和大量的数据，传统方法存在准确性和效率上的限制。为了解决这一问题，本研究提出了一种基于HHO-SVM的电力线路故障检测分类系统，该系统利用混合模式搜索算法进行特征选择，并结合支持向量机作为分类器，实现对电力线路故障的准确检测和分类。

简介：摘要：在设有感应器的系统中，对感应器触发信号的上下缘均进行了高探测。当高度探测由图像辨识系统进行时，传感器侦测到讯号，并将讯号传送至控制系统，因为载具的长度是固定的，所以该感测器会维持一段时间的触发。本文对HHO-SVM的电力线路故障检测分类系统进行分析，以供参考。

简介：针对两连杆三自由度机械臂的电机故障和碰撞故障的分类，将残余动量信号时域中的均值、方差、相关系数与频域中的小波包能量谱组合成高维特征向量；搭建ADAMS机械臂虚拟样机，分析故障引起的残余动量特征值变化情况；虚拟样机与Matlab/Simulink进行联合仿真和支持向量机故障分类器训练，测试表明采用时频特征向量得到的故障分类准确率为98%；在工业机械臂上开展了碰撞故障实验，得到的故障分类结果表明,基于残余动量时频特征和支持向量机分类器的故障检测算法能有效检测出碰撞故障.

简介：在AI领域中,备受关注的一个问题是如何获得更好的分类,尤其是对于多分类的情形。目前,针对多分类算法已取得了大量的研究成果,很多较为高效的多分类算法也已应用到实践中,而对于多分类算法的研究仍然备受关注。以BT-SVM为基分类器,提出一种带阈值的新型动态加权多分类器集成的方法,并通过模拟和实证分析验证该算法的有效性,研究表明该算法对于平衡和非平衡数据的分类效果表现得都比较优良。

简介：首先利用支持向量机（SVM）和人工神经网络（ANN）对Landsat8OLI多光谱影像进行基于光谱信息的土地利用监督分类;然后,对多波段进行主成分变换,提取第一主成分的主要纹理信息,与光谱信息一起进行融合光谱和纹理信息的SVM和ANN影像监督分类.对比分析发现：对中原地区,SVM是Landsat8多光谱遥感影像分类的较优方法,尤其适用于农业用地信息提取;光谱分类即可达到较高精度,纹理信息对提高分类精度的作用十分有限.

简介：选取覆盖桂林城区的美国Landsat5卫星TM图像,利用支持向量机SVM提取土地利用信息,同时与最大似然法、决策树和人工神经网络的分类结果比较,研究提高喀斯特城市遥感分类精度的方法,并分析1989~2006年桂林城区土地利用的变化。结果表明,SVM可提高喀斯特城市土地利用信息遥感分类的精度,可有效地动态监测喀斯特城市土地利用的变化。SVM的地物分类精度和Kappa系数最高,总体分类精度为91.7%,超过90%,Kappa系数为0.827,明显高于人工神经网络、决策树和最大似然法的分类结果。1989~2

简介：基于内容的图像检索和分类在多媒体数据库管理中得到了越来越多的重视。在体统的基于内容的图像检索方法中，语义间隔（semanticgap）常常会导致检索的效果不佳，利用支持向量机（SVM）可以很好的解决图像中的语义间隔。本文介绍了我们设计的基于SVM分别利用颜色特征和纹理特征的两种分类方法，在此基础上，我们提出了一种综合利用上述两个特征共同进行分类的方法。实验结果表明。综合特征要比单一特征分类效果更好。

简介：摘要目的研究一种用于inter-patient范式下对心律失常心电（ECG）信号进行分类的分类器，提高自动分类的准确度，解决心律失常人工诊断的局限性。方法构建包括预处理、特征提取、支持向量机（SVM）训练和集成分类4个模块的SVM+XGBoost集成分类器。具体步骤为：对ECG信号进行预处理，将R-R间期、高阶统计量、局部二值模式、小波分量作为特征，分别训练独立SVM分类器；使用XGBoost算法对各独立SVM分类器进行集成，输出心律失常分类结果；在MIT-BIH数据库上对集成分类器进行训练和测试。结果集成分类器对心律失常的总体分类准确度为0.867、平均灵敏度为0.782。结论所提出的集成分类器能实现inter-patient范式下心律失常ECG信号的自动、准确分类，可用于临床辅助诊断。

简介：摘要：人口老龄化加剧，阿尔茨海默病病人逐年上升，医疗系统面临越来越严峻的挑战，早期是治疗的黄金时间，早发现、早治疗，可以控制病情发展。影像检查可辅助诊断，如头CT（薄层扫描）可显示脑皮质萎缩明显，特别是海马及内侧颞叶，支持AD的临床诊断。MRI对检测皮质下血管改变（例如关键部位梗死）和提示有特殊疾病（如多发性硬化、进行性核上性麻痹、多系统萎缩、皮质基底节变性、朊蛋白病、额颞叶痴呆等）的改变更敏感。

简介：支持向量机器(SVM)方法能被用来建立一个非线性的功能预言模型。学习理论基于小样品。核功能能被使用SVM方法基于实际样品数据自动地构造。作为结果，功能不仅得到更高合适的精确而且也更好概括。频率光谱和地震波形由Fourier变换是相关的，因此他们是一样的物理现象的二种不同形式。波形特性的变化反映差别反映的stratigraphic差别和频率光谱岩性学，液体作文，和形成厚度的变化。它直接用地震波形预言沙岩厚度。这充分不仅利用地震信息而且极大地增加预言的精确性。模型例子和实际应用显示出这个方法的适用性。

简介：摘要人脸表情识别是情感识别的一个重要研究内容，而微笑作为人类基本表情之一，有着重要的研究价值，所以本文采用机器学习支持向量机（SVM）技术和HOG特征提取技术对图像进行分类，来判断图片人物是否微笑。

简介：Ahandgesturerecognitionmethodispresentedforhuman-computerinteraction,whichisbasedonfingertiplocalization.First,handgestureissegmentedfromthebackgroundbasedonskincolorcharacteristics.Second,featurevectorsareselectedwithequalintervalsontheboundaryofthegesture,andthengestures'lengthnormalizationisaccomplished.Third,thefingertippositionsaredeterminedbythefeaturevectors'parameters,andanglesoffeaturevectorsarenormalized.Finallythegesturesareclassifiedbysupportvectormachine.Theexperimentalresultsdemonstratethattheproposedmethodcanrecognize9gestureswithanaccuracyof94.1%.

简介：Microarray数据基于肿瘤诊断是在生物信息学的一个很有趣的话题。关键问题之一是一个肿瘤的增进知识的基因的发现和分析。尽管解决这个问题有许多精致的途径，仅仅与microarray数据为肿瘤诊断选择增进知识的基因的一个合理集合仍然是困难的。在这份报纸，我们分类经由敏感对手惩罚了竞争学习的距离(DSRPCL)通过microarray数据表示进很多簇的基因算法然后在支持向量机器(SVM)的帮助下检测增进知识的基因簇或集合。而且，批评或强大的增进知识的基因能在获得的增进知识的基因簇上通过进一步的分类和察觉被发现。它是我们的建议DSRPCL-SVM途径为肿瘤诊断导致增进知识的基因的一种合理选择的冒号，白血病，和乳癌数据集的实验表明的井。