一种基于支持向量机的带钢表面缺陷识别方法

鉴于支持向量机（SVM）在小样本、高维模式分类中具有的优良分类性能,可以基于多分类支持向量机来检测带铜表面的缺陷。本文构造了一类有向无环图支持向量机（DAGSVM）,利用交叉验证进行了参数和模型的选取,对冷轧带钢中几种现场易出现的缺陷进行分类,并与BP神经网络进行比较分析。实验结果表明,这类基于SVM的算法识别效率较高,较好地解决了小样本学习问题,避免了BP神经网络出现的过学习、收敛速度慢、泛化能力弱等缺点,可有效地应用于带铜表面缺陷检测。     

汉语语音识别技术在机器人控制中的应用

研究实用的机器人汉语语音识别系统，对于机器人的广泛应用具有重要意义。利用TMS320VC5416DSK板为平台，可实现一种机器人的汉语语音控制。在此应用中，确定端点检测算法、特征矢量的提取算法，并采用当今语音识别领域的主流技术——隐马尔可夫模型(HMM)技术进行模型训练和匹配。同时采用LPC倒谱和Mel倒谱系数分别建立系统，并对两个系统的识别性能进行比较。实验证明在多个人的语音样本对系统的训练识别下，系统在词汇量为40的非特定人、孤立词识别上取得很好的效果。     

粗糙集与支持向量机在冠心病诊断中的应用

提出了一种基于粗糙集(RS)与支持向量机(SVM)的冠心病诊断方法。利用粗糙集对原始数据进行属性约简,得到优化后的特征属性集和新的数据集,采用支持向量机对新的数据集进行分类训练和预测。结果表明该方法对冠心病预测的准确率达到91%以上,具有较好的应用前景。     

基于主成分分析与多分类支持向量机的单沟泥石流危险性预测

泥石流是一种常见的地质灾害,对人类的生命和财产都会造成极大危害。泥石流危险性预测是防灾减灾的关键。以白龙江流域泥石流为例,首先利用主成分分析对原始数据进行分析,提取主成分,然后采用交叉验证的方式抽取训练样本与预测样本进行多分类支持向量机预测,建立预测模型,对泥石流危险性等级进行分类预测。结果表明:基于5折交叉验证的主成分分析与多分类支持向量机预测模型准确率可达到90%,可为泥石流危险性预测的研究提供计算模型依据。     

基于遗传支持向量机算法的文本分类

支持向量机具有良好的泛化和高维模式识别能力,广泛地应用于文本分类中.然而,文本分类的准确性却很大程度上依赖于参数惩罚因子(C)和核函数(γ)的正确选择.运用遗传算法优化支持向量机参数,选取文本分类准确率作为适应度函数,通过种群进化实现支持向量机参数寻优,构造基于遗传向量机算法的文本分类器(GA-SVM).实验表明,改进后的文本分类器(GA-SVM)在准确度和运行速度都有明显的提高,具有较强的可行性和实用性.     

距离相似度在支持向量数据描述中的应用

支持向量数据描述的分类边界是由分类边界上的支持向量决定的,通过对支持向量的理论研究,提出一种基于距离相似度的支持向量数据描述约减算法。实验结果表明,该算法在小规模样本数据中具有一定的优越性和实用性。     

基于增量支持向量回归机的股价预测模型研究

随着越来越多的人加入到股票投资中,有效的股票预测方法就显得尤为重要。本文利用增量支持向量回归机对上证指数的收盘价进行预测,并同神经网络方法进行比较分析、实证研究,可发现,基于增量支持向量回归机的股价预测模型表现较佳,为股价预测模型研究提供了一种新的方法,进而为投资者提供了一定的参考信息。     

基于支持向量机的上市公司信用风险评估

提出一种新型模糊支持向量机算法,并将其应用于上市公司信用风险研究中.分析对比选取不同核函数的实验结果,实验结果表明,相对于支持向量机方法(SVM)、模糊支持向量机模型和神经网络模型,新型模糊SVM模型更具有效性和优越性,并且具有更好的泛化能力.     

基于级联型组合分类器的人脸识别研究

该文提出了一种将支持向量机（SVM）与神经网络相结合的方法，得到一种新型的级联型组合分类器．此组合分类器先利用神经网络或SVM对人脸图像进行预分类，得到不同性别的两类人脸图像；然后分别针对其中某一类人脸图像进行K-I。变换以提取有效特征，再使用SVM进行细分，得到最终的识别结果．应用该组合分类器方法在本文整合得到的人脸样本库上进行测试，结果显示该方法不但可以有效地提高识别速度，而且还可以在一定程度上提高识别率，因此方法是有成效和有价值的．     

基于主成分分析法和遗传算法优化支持向量机模型的泥石流危险度预测

为准确预测泥石流危险度,提出了基于主成分分析法(PCA)和遗传算法(GA)优化的支持向量机(SVM)模型。首先利用主成分分析法对7个泥石流危险度影响因子进行数据降维,将提取出的主成分作为支持向量机模型的输入向量,以泥石流危险度作为输出向量,并运用遗传算法寻优获得最佳支持向量机模型参数,最终建立了基于PCA-GA-SVM的泥石流危险度预测模型,并对9条泥石流沟的危险度进行预测,结果表明:PCA-GA-SVM模型的预测准确率达88.9%,满足工程要求。     

浅析语音识别原理

多媒体应用时代的到来,各项新技术应运而生,一直在被研究的语音识别技术也被更加广泛地应用在实际生活中。本文简单介绍和分析了语音识别技术原理,并且通过应用windows7的语音识别系统,使读者对语音识别技术有进一步的认识了解。     

从学习者角度看DynEd教学软件的设计特征

多媒体软件的引入给外语教学带来了巨大的变革。DynEd教学软件具有交互性、侧重点、自主学习管理、阶段性测试、语音识别、方便性与经济性等设计特征。     

基于多类SVM的网络故障诊断

在分析网络故障诊断的工作原理的基础上，提出基于多类支持向量机处理网络故障的方法，这种方法只需要小样本训练故障分类器便可进行多故障的识别和诊断。实验表明：利用本方法实现的系统在进行网络故障诊断时可取得较好的效果。     

AdaBoost集成SVM的供应链金融信用风险评估

为了实现供应链金融信用风险的科学定量管理,建立了一种AdaBoost集成的支持向量机（SVM）算法。该方法首先采用SVM方法对信用风险数据进行分类学习,建立基学习器;接着通过AdaBoost集成算法对基学习器迭代训练,生成最终的供应链金融信用风险评估模型。实证结果表明,AdaBoost集成SVM分类器较模糊积分SVM集成等方法具有更高的分类准确率,因此该模型具有很好的应用前景。     

基于项目化教学的高职生学业评价模式调查研究——以无锡商业职业技术学院为例

文章以无锡商业职业技术学院为例,采用问卷调查与深度访谈相结合的方法,对项目化教学法视角下高职生学业评价模式中的若干问题进行调查。这些问题涉及学生对项目化教学法的认可度、对相应的高职生学业评价模式的认可度、项目化教学法视角下高职生学业评价模式给学生学习过程带来的变化、高职生学业评价模式的价值取向、项目小组人数的设定、项目小组学习性任务完成中“搭便车”问题的化解等．文章对调查结果进行整理、分析．得出构建科学的高职生学业评价模式的有益启示．     

论英语言语行为语篇教学

文章从言语行为成功实施的语篇结构、社会与文化因素出发,提出汉语环境下培养学生英语交际能力应注重语境因素,言语行为英语教学应采用语篇教学法。     

移动电子商务环境下基于语音的数字签名应用

随着移动电子商务应用的普及,保证信息安全是一个亟需解决的技术问题。数字签名技术可以用来解决这一问题;同时考虑到移动终端设备的输入特性和语音信号的唯一性、难丢失性,将人的语音信号与数字签名技术相结合——在DSA数字签名算法的基础上,将数字化处理后的语音信号作为其私钥使用。这样既保证了移动电子商务环境下信息的安全性,又充分实现了在移动终端上使用密钥的便利性。     

免疫粒子群算法下向量机参数选择及金融应用

针对粒子群算法易陷入局部最优值的缺点,将免疫原理引入粒子群算法中,利用免疫记忆与自我调节机制促使各适应度层次的粒子维持一定浓度,保证群体的多样性,从而避免算法陷入局部最优。随后将这种改进的算法应用于支持向量机参数的选择,并在BreaStCancer等数据集上进行了实验,实验结果表明利用免疫粒子群算法选取支持向量机最优参数,能够提高支持向量机的分类正确率,具有一定的实用性,特别在经济金融应用上前景可观。