基于文化算法的KPCA特征提取方法

如何选择最优或接近最优的核函数使分类错误率降低,是KPCA(Kenel Principle Com-portent Analysis)应用于特征提取的关键.本文在研究了文化算法(Cultural Algorithms,CA)相关文献的基础上,提出了一种训练核函数参数的文化算法流程,实现了KPCA和CA的集成,有效地提高了核函数的优化选择.仿真结果表明该方法具有较好的结果和更少的计算量.     

基于虚特征分解的PQ图像隐写专用检测技术

提出了基于虚特征分解(IED)特征、针对抖动量化(PQ)隐写术的专用隐写分析方法。利用统计学理论,分析了JPEG图像经PQ嵌入秘密信息后,其空域行和列的线性相关性降低; 并在实验结果中得到验证。采用支持向量机(SVM)作为分类器,建立了一个测试数据库;对基于IED特征隐写分析方法进行了隐藏信息检测的仿真实验。实验结果表明：该方法比其他现有的隐写分析方法更有效,对PQ隐写术检测率超过70%,且该方法具有较好的盲检测性能。     

基于支持向量机的Windows主机入侵检测系统

提出了一种基于支持向量机的W indow s主机入侵检测方法。讨论了以W indow s注册表作为数据源的入侵检测系统的结构及特征向量的提取方法。给出了基于支持向量机的入侵分类算法,通过建立支持向量描述模型进行预测。实验表明:该方法对已知样本有很高的检测率,对未知样本也有一定检测能力。     

基于核函数主元分析的SVM建模方法及应用

为有效克服线性建模方法在非线性建模方面的不足,将核函数思想引入到主元分析方法(PCA)中,有效提取实验数据中的非线性特征信息,并将其作为支持向量机(SVM)的输入变量,建立工业过程软测量模型。该方法应用于丙烯腈聚合过程中转化率的预报,结果表明:该方法的预测精度优于PCA-SVM方法和KPCA-NN方法。     

基于改进果蝇算法优化的SVM风电功率短期预测

由于风力发电功率预测的准确性直接关系到电网的供需平衡,直接影响着并网系统的运营成本,因此风电功率预测的准确性非常重要。对于预测精度不高的问题,提出了一种改进的果蝇算法优化的支持向量机的预测方法。由于支持向量机的惩罚因子和核函数参数选择对预测精度有很大影响,因而利用改进的果蝇算法对支持向量机参数进行优化,用优化好的参数进行建模训练,然后把建好的模型应用于功率预测,最后对数据进行评估。预测结果表明:改进的果蝇算法优化的支持向量机对风力发电功率预测有更好的准确性。     

重尾分布的网络流量SVM分类

网络流量表现出突发和自相似等动态特性,使得网络应用很难进行准确分类。本文分析了流量动态特性产生的不平衡性及其重尾分布,提出了基于重尾分布的流量分类定量分析模型。基于该分析模型,研究分类算法中训练集采集位置和规模大小的选取。考虑到混合流量中的次要数据流通常是小样本,选用支持向量机(SVM)算法进行流量分类。实验结果表明：重尾分布的流量分类训练集可以选择最佳采集位置和规模,以获得较好的分类模型,该定量分析模型对流量分类及提高分类精度有指导意义。     

基于离散粒子群和支持向量机的故障诊断方法

针对与故障不相关的变量会影响分类器性能，从而导致故障诊断正确率下降，提出一种将离散粒子群算法（PSO）与支持向量机（SVM）相结合寻找故障特征变量的优化算法。该算法实现了数据降维和故障特征保留，有效地提高了故障诊断性能。基于连续搅拌釜式反应器（CSTR）的仿真实例验证了该算法古白有诗性．     

继发胶质母细胞瘤前体肿瘤MRI特征探索及预测复发的SVM模型的构建

目的探索继发胶质母细胞瘤(sGBM)前体低级别胶质瘤MRI的特征值,基于机器学习构建预测复发的支持向量机(SVM)模型。方法回顾性分析2011年10月至2019年10月郑州大学第一附属医院神经外科收治的89例复发胶质瘤患者临床资料。分析MRI T_2 FLAIR像。3D slicer软件半自动确定肿瘤范围。python程序包pyradiomics提取各自特征值,数据标准化后主成分分析(PCA),由R包e1071构建SVM模型,选择径向基函数,网络搜索及交叉验证选择最佳参数并绘制模型ROC曲线。结果将89例样本分为sGBM组(40例)和非sGBM组(49例)。两组性别、年龄、肿瘤原发部位差异无统计学意义(均P>0.05),两组IDH、ATRX及TP53的突变差异无统计学意义(均P>0.05),1p19q的联合缺失是肿瘤复发进展为sGBM的保护因素。3D slicer圈定ROI后Python程序包pyradiomics提取得到包含7种像素矩阵共107个特征值,其中30个特征值在两组间差异有统计学意义(均P<0.05),定义为sGBM前体胶质瘤的MRI特征值。SVM模型参数:惩罚系数C为7,γ值为7,degree值为3,coef0值为0。ROC曲线示AUC面积为0.864。结论 sGBM前体胶质瘤患者的MRI T_2 FLAIR像较复发后未进展为sGBM的患者均一性较差,纹理粗糙且有较大面积的低信号区域。基于影像组学的机器学习模型可有效预测胶质瘤复发转归,有利于评估预后及早期诊断和干预。     

构造稀疏最小二乘支持向量机的网络入侵检测模型

从最小二乘支持向量机的稀疏表达出发,构建高效的基于稀疏最小二乘支持向量机的网络入侵检测模型,提出了一种通过基于核空间近似策略的有效低秩逼近来有效减小原始训练样本集中的支持向量数来实现最终模型的稀疏表达.以MIT KDD99数据集为基础,对所提出方法进行有效性验证,并与利用剪枝策略通过递归过程中不断减少模型中支持向量个数的稀疏化方法、基本最小二乘支持向量机以及标准支持向量机方法的性能进行对比.结果表明:基于核空间近似的最小二乘支持向量机稀疏化与标准最小二乘支持向量机相当;此外稀疏最小二乘支持向量机能够提高入侵检测响应速度.     

基于改进蝙蝠算法的工业控制系统入侵检测

针对蝙蝠算法（BA）易陷入局部极小的缺点,提出了两点改进：（1）在蝙蝠位置更新时考虑了当前局部最优解分布对算法的影响;（2）将差分进化算法（DE）中的变异操作迁移到蝙蝠算法中,采用随机性变异的方式增加了种群多样性,提升了算法局部搜索能力,并通过典型测试函数验证了本文算法的优越性。将该算法用于工业控制系统（ICS）入侵检测中支持向量机（SVM）分类器的参数优化,使用工控入侵检测标准数据集进行仿真研究。结果表明,与DE、粒子群算法（PSO）和遗传算法（GA）等优化算法相比,其优化的SVM入侵检测模型在检测率、漏报率和误报率等指标上都有显著提升。     

Classification of EMG Signals Using PCA and FFT

In this study, the fast Fourier transform (FFT) analysis was applied to EMG signals recorded from ulnar nerves of 59 patients to interpret data. The data of the patients were diagnosed by the neurologists as 19 patients were normal, 20 patients had neuropathy and 20 patients had myopathy. The amount of FFT coefficients had been reduced by using principal components analysis (PCA). This would facilitate calculation and storage of EMG data. PCA coefficients were applied to multilayer perceptron (MLP) and support vector machine (SVM) and both classified systems of performance values were computed. Consequently, the results show that SVM has high anticipation level in the diagnosis of neuromuscular disorders. It is proved that its test performance is high compared with MLP.     

模式分析的核函数设计方法及应用

利用卷积算子和H1(R)核函数给出了一种设计Hn(R)核函数的新方法,该方法简便易行。运用该方法设计的核函数,应用在轴承正常振动信号数据、轴承内圈、外圈以及滚动体故障振动信号数据进行核主成分分析(KPCA)中,仿真结果表明:该方法可以有效地识别轴承正常和内圈、外圈以及滚动体故障。     

一种基于进化神经网络的入侵检测实验系统

参照MIT Lincoln实验室的入侵检测实验方案，建立了一个基于Linux主机的入侵检测实验环境，提出了相应的入侵特征选择方案，并应用进化神经网络检测入侵，实现了对多种攻击的实时特征抽取及检测。实验表明：系统设计合理，特征抽取及检测方法有效，能较好地检测已知和未知入侵。     

模式识别在白芍质量控制中的应用

目的旨在通过通用性强的中药色谱数据特征的抽取和神经网络识别,建立白芍的质量评价模式。方法首先通过实验获取同一品种不同质量29个白芍样本的高效液相色谱数据,然后依照非线性的核主成分分析(KP-CA)进行数学特征提取,将取得的压缩数据,输入BP神经网络进行学习,运用训练后的网络识别白芍的质量分类。并探讨了模式识别中人工神经网络的数据预处理、网络隐含层数、隐节点数、激励函数和过拟合现象等。结果通过改良后网络训练,已成功地识别白芍药材质量类别(识别率100%)。结论非线性特征提取KPCA法与人工神经网络结合适用于白芍整体质量分析。     

基于模式识别建立的动脉钙化影像计算机辅助诊断系统

目的血管钙化可用于早起冠状动脉硬化的诊断,本研究旨在利用冠状动脉血管造影(CTA)图像,开发用于血管钙化灶筛查的计算机辅助诊断系统。方法采用模式识别(pattern recognition)中的主成分分析技术(principalcomponents analysis,PCA)和Canny算法,对10例主动脉硬化患者的CTA增强造影图片进行建模。通过边缘检测和骨架提取获得钙化的可能区域,对其进行主成分分析建立钙化模型。结果利用建立完成的自动CTA钙化灶分析技术对所有10例患者160张CT照片进行自动识别,并且以患者冠脉造影资料所得结论作为判定标准。在总共214个钙化灶中,有207个钙化灶获得正确判断,判定敏感度为96.7%,同时有10个钙化灶未判断出来,阳性检出率为95.4%。结论基于PCA和Canny算法开发的辅助诊断系统能准确、高效的完成CTA影像中的血管钙化灶筛查工作,具有较好的临床应用前景。     

基于复值小波模和幅角经验正交分解的奇异性特征提取

提出了基于Hermitian复值小波模和幅角经验正交分解方法,采用这种方法可以提取信号奇异性特征。通过在滚动轴承故障诊断应用表明:小波模和幅角协方差矩阵的特征值向量反映了在时间-尺度平面上的分布结构,不受时间平移影响,便于信号的奇异性特征提取;用主成分重构信号小波模和幅角,能更清晰地反映信号的奇异性特征,便于分类识别.     

不同产地麦冬1H-NMR模式识别研究

目的 建立一种基于氢核磁共振-模式识别的不同产地麦冬鉴别新方法。方法 以¹H-NMR技术测定样品的全成分信息,并转化成数据矩阵,采用模式识别法中的主成分分析(PCA)、偏最小二乘法-判别分析(PLS-DA)以及聚类分析(HCA)进行识别分析。结果 氢核磁共振-模式识别法能有效地鉴别不同产地的麦冬样本。结论 氢核磁共振-模式识别法是一种有效的药材分类鉴别方法,可作为药材质量控制的手段之一。