基于特征聚集度的FCM-RSVM算法及其在人工焊点缺陷识别中的应用

针对人工焊点缺陷识别方法进行研究,提出了一种基于特征聚集度的模糊C均值聚类(FCM)与松弛约束支持向量机(RSVM)联用的分类识别算法。在提取人工焊点特征向量的基础上,算法首先对样本特征数据进行模糊C均值聚类,依据样本隶属度函数计算不同特征的特征聚集度,并由特征聚集度指标改进RSVM算法中的松弛量参数,建立最终的分类器模型。实验结果表明:本文提出的算法建立了泛化能力更强的分类模型,能有效抑制噪声及模糊边界点对分类模型的影响,在人工焊点缺陷识别的应用中获得了满意的识别结果。     

基于模糊隶属度与支持向量机心律失常分类模型

目的:基于心电信号波形特点,运用模糊隶属度与支持向量机技术,探索实现心律失常自动分类的方法.方法:对MIT-BIH心律失常标准数据库的心电信号预处理,识别并定位QRS波;以QRS波为核心,利用心电信号波形相似性进行心电信号聚类;心电信号提取特征参数并模糊化,构建心律失常特征参数集;利用支持向量机技术建立心律失常分类器.结果:通过MIT-BIH心律失常标准数据库检验分类效果,总体准确率达到97.2%.结论:对MIT-BIH心律失常标准数据库的心电信号具有较高的分类准确率和较好的实用性.     

基于支持向量机的脊柱离体组织电阻抗识别

目的 测量不同脊柱组织的电阻抗,基于支持向量机建立电阻抗数据的组织分类算法并验证算法的准确性,寻找不同组织电阻抗分类阈值。 方法 取离体脊柱组织,应用电化学分析仪采集10~100 kHz频率范围内皮质骨、松质骨、脊髓、肌肉、髓核的电阻抗。将两只猪采集的数据集分别作为训练集和测试集,应用主成分分析降维至二维数据,训练和验证基于支持向量机(SVM)建立的分类算法,应用集成学习的方法计算不同组织分类的电阻抗阈值。 结果 5种组织在10~100 kHz的测量频率内,电阻抗值差异有统计学意义(P<0.001)。应用主成分分析降维的数据集建立的支持向量机分类算法识别不同组织的准确率为100%。应用集成学习建立的多个分类器计算出了不同组织的电阻抗分类阈值。 结论 基于支持向量机可以实现脊柱术区组织电阻抗的准确识别,有望应用于临床协助医生提升组织识别准确率。     

基于混合核函数的PSO-SVM分类算法

在数据挖掘中,支持向量机是被广泛应用的一种分类算法,其核函数的选择及参数的设定没有有效的标准。本文采用混合核函数构造兼顾学习能力和泛化性能的支持向量机算法,并利用粒子群算法来确定支持向量机的参数。应用基于混合核函数的PSO SVM算法对一个经典的分类测试数据集进行分类,将该算法与单一核函数支持向量机算法的分类结果进行比较,结果表明所提出的算法的分类性能有明显提升。     

基于BP神经网络和支持向量机的荨麻疹证候分类探讨

从知网、万方、维普等数据库中收集临床中医治疗荨麻疹有效的案例资料,基于BP神经网络和支持向量机模型探讨构建荨麻疹证候分类模型,并比较分析两种证候分类模型的精确度。结果显示,BP神经网络证候分类模型测试的准确率为83.13%,支持向量机证候分类模型测试准确率为92.3%,支持向量机证候分类模型的精确度高于BP神经网络证候分类模型。提示利用BP神经网络与支持向量机分类器进行荨麻疹证候分类均可取得较好的结果。但因本研究尚处在理论模型探讨阶段,故其准确度仍需更大的样本量及智能优化算法等以进一步提高。     

一种新的支持向量机增量算法

分析了增量学习过程中支持向量和非支持向量的转化情况。在此基础上提出一种误分点回溯SVM增量算法,该算法先找出新增样本中被误分的样本,然后在原样本集寻找距误分点最近的样本作为训练集的一部分,重新构建分类器,这样能有效保留样本的分类信息。实验结果表明:该算法比传统的支持向量机增量算法有更高的分类精度。     

基于核谱回归与随机森林的脑电情感识别

利用DEAP情感数据库研究脑电的情感识别问题。首先,使用聚类算法确定情感状态的目标类别;然后,比较了两种不同的特征提取方法：一种是小波变换,另一种是非线性动力学,并研究了基线特征对情感分类效果的影响;最后,研究了5种特征降维方法对分类性能的影响,同时比较了4种不同分类器的性能,包括K-最近邻（KNN）、朴素贝叶斯（NB）、支持向量机（SVM）和随机森林（RF）。研究结果表明,核谱回归（KSR）降维方法和随机森林分类器的组合对情感状态的分类效果最好。通过对脑区与情感关系的研究发现,只使用部分脑区的少量电极也可以达到90%的分类准确度,这些电极主要分布在额叶皮层。     

人miR-134真核表达载体的构建及其鉴定

针对人工识别汽车轮胎标识点颜色效率低、误差大的问题,研究了一种基于支持向量机的轮胎标识点颜色识别方法,利用PLC 工业相机图像采集系统获取轮胎标识点图像信息,对获取的标识点图像进行图像降噪、标识点分割、颜色特征向量提取等处理,将提取的轮胎标识点颜色特征向量输入到支持向量机颜色分类器中进行颜色识别。实验结果表明,该方法能够有效地识别出轮胎标识点颜色信息。     

基于改进多类支持向量机的印刷缺陷检测

针对印刷品缺陷检测问题,为了对缺陷位置、形状、类型等信息进行有效的识别和分析,提出了一种基于改进多类支持向量机的印刷缺陷检测方法。首先根据人眼视觉特性,将配准后的印刷图像通过基于动态阈值的差分运算,快速地得到二值缺陷图像;然后采用由缺陷几何特征和形状特征构成的特征向量对缺陷信息进行分析和描述;最终通过改进的多类支持向量机实现印刷缺陷的准确识别。实验结果表明,相对于一对一型支持向量机（OVOSVM）和一对多型支持向量机（OVRSVM）,在实际训练样本较少的情况下,该方法具有检测速度快、识别准确率高的特点,能够有效解决印刷品缺陷检测问题。     

基于生物信息特征提取的中医辨证

目的伴随着科技的发展,在多学科交叉的今天,选择合适的计算方法对中医证候进行辨证是实现中医规范化的重要任务。方法将多类支持向量机与基于互信息的特征提取方法相结合,用特征提取方法多源数据进行处理,获得信息量最大的症状组合,然后利用这些症状组合作为多类支持向量机的输入进行分类,根据支持向量机的输出就可得到相应的证候。该方法的有效性通过一个中医实例得到证实。结果通过对各种方法获得的症状组合的正确辨证率对比发现,用基于互信息的特征提取方法获得的症状组合较为理想。结论特征提取的结果优于单纯的基于互信息选择症状组合的结果,同时看出支持向量机适合中医证候的小样本研究,客观说明了互信息、特征提取和支持向量机3种方法的结合适用于中医辨证分类。