吴涛[1]2003年在《核函数的性质、方法及其在障碍检测中的应用》文中研究表明近几年来，基于统计学习理论的支持向量机的研究逐渐成为机器学习领域中一个重要的方向。核函数方法正是在支持向量机的研究中提出并逐步得到发展的一种构造非线性变换的方法。由于核函数的好坏直接影响着支持向量机的性能，因此有关核函数的研究也就成为大家关注的焦点，成为支持向量机研究中需要解决的核心问题之一。 本文内容分为理论研究和实践应用两个部分。 在理论部分，主要分析研究了核函数的性质、核函数的选择、核函数的构造等叁个方面。 支持向量机引入核函数的目的是为了解决线性不可分样本的分类问题。然而并不是所有的核函数都能使线性不可分的样本变得线性可分。本文给出了核函数使样本线性可分的充要条件，并进一步给出了一个具有可操作性的充分条件。在此基础上不仅证明了高斯核函数能够通过选择半径参数实现对任意给定样本的线性划分，还给出了一种通用的核函数改造方法。用该方法改造后的核函数能够将训练样本线性分开。 给定训练样本后，选择什么样的核函数将直接影响所构造的支持向量机的性能。本文分别针对模式分类和函数逼近两类问题，给出了对核函数参数进行选择的简便方法。 本文在核函数的构造方法上进行了初步探索，给出了一种基于离散数据插值的核函数构造方法。 在实践应用部分，本文利用核函数方法，改造了现有的单类判别方法，并结合双目视觉技术中的重投影方法，实现了单、双目信息的有效融合，研制了一个自然场景下的障碍检测实验演示系统。
魏佳璇[2]2018年在《BPSO-SVM特征选择及其在分类中的应用》文中进行了进一步梳理使用数据分类技术处理大规模数据已经逐渐成为机器学习和数据挖掘领域中的一个重要研究方向,同时随着人们对数据信息的掌握和分析的需求不断增加,对分类方法的性能提出了更高的要求。因此,针对提高分类方法效率,特征选择方法成为重要研究手段之一。特征选择方法可以从数据样本中筛选出重要的特征子集,根据特征子集分类,不但可以满足初始数据样本的分类需求,还可以提高数据分类的准确度,使得数据的决策分析结果更具精准性、更具指导意义。本文主要在特征选择算法及其在分类算法中不同类型数据的应用方面展开了研究,主要工作包括以下方面:(1)根据对特征选择算法的研究,以二进制粒子群优化算法(BPSO)为基础,分析了BPSO算法在特征选择过程中产生影响的各个因素,通过对算法改进,一方面尽可能减少所选属性个数,另一方面同时提高分类算法的性能,提出了基于记忆更新和变异增强的ME-BPSO-SVM的特征选择方法。该算法能在一定程度上能够克服粒子过早收敛问题,并通过判断粒子陷入局部最优的时机,使粒子及时跳出局部最优。实验结果表明,ME-BPSO-SVM在找到更加有效的属性特征子集的同时,可以保持良好的分类性能,阻止粒子过早收敛效果明显。(2)基于算法ME-BPSO-SVM设计了新的解决不均衡数据分类问题的算法思路:先对SMOTE采样方法进行修改,在特征选择的寻优过程中重新定义了ME-BPSO-SVM算法评价函数,然后提出了混合改进的SMOTE和ME-BPSOSVM的MSM(Modified SMOTE with ME-BPSO-SVM)算法。MSM算法只针对少数类中有效的样本进行采样,从而减少生成无关样本的时间,以消除生成无关样本对算法复杂度的影响,使其适用于不平衡数据的分类模型,提升分类算法性能。实验结果表明,混合算法MSM能够选择更加有效的特征子集,同时验证了算法MSM在分类性能上有显着提高。(3)高维小样本数据给传统的机器学习和数据挖掘方法带来了挑战,特别是数据中不断增长的维度会使得数据包含大量的冗余和不相关信息,这类信息会导致机器学习算法的性能大幅降低,引起“维度灾难”。而在现实中,又不得不面对大量的高维小样本数据,尤其是生物信息学中的DNA微阵列数据近年来研究较为广泛。针对解决高维小样本数据的特征选择和数据分类问题,考虑结合算法ME-BPSO-SVM和MSM,提出一种新的混合特征选择方法。该方法采用改进的过滤型方法RT(SVM-RFE with Information Gain),分别混合两种包装型算法MEBPSO和MSM。并且将混合算法应用于公共数据集中有关DNA的数据进行研究,通过大量实验验证了提出算法的有效性和可靠性。同时,在实际的孤独症病理诊断的DNA微阵列数据上应用该算法进行分析,并和对文中提出的叁种演进方法的实验结果进行比较分析。实验结果表明,混合算法RT-MEB和RT-MSM能有效解决此类高维小样本的数据分类问题。
朱家群[3]2007年在《支持向量机及其在医学图像可视化中图像分割的应用研究》文中认为支持向量机(Support Vector Machines,简称SVM)是Vapnik等人提出的一类新型机器学习方法。由于其出色的学习性能,该技术己成为机器学习界的研究热点,并在很多领域都得到了成功的应用,如人脸检测、手写体数字识别、文本自动分类等。但是作为一种新兴技术,SVM在很多应用领域的研究还有待探索和完善。例如:训练算法缺乏容噪性能、训练集大小具有上界、训练算法的完善、不支持增量学习、缺乏和先验知识的整合能力等等。这些问题的存在,使得SVM在很多领域的应用受到了很大限制。本文提出了用基于支持向量机的方法来实现核磁共振左心室图像的自动分割方法。首先用经过训练的支持向量机(SVM)在二维图像中进行识别和定位左心室目标区域并进一步找出边缘区域,采用一种改进的训练方法来提高SVM识别率,然后在足够准确的区域中利用梯度方法找出边缘点,并把他们连接起来,找出目标的边缘,达到分割的目的。实验表明,这种分割方法降低了SVM对背景图像的敏感度,提高了SVM识别率。
阎庆[4]2014年在《基于局部线性嵌入的降维算法研究及其在精准农业中的应用》文中认为传统的粗放型农业生产模式效率低下且对生态环境的污染严重,已经不适应新世纪农业发展的需求。现代农业逐渐摆脱原始农业、传统农业和工业化农业的束缚,进入以知识高度密集为主要特点的知识农业发展新阶段。将现代信息技术、生物技术和工程装备技术应用于农业生产的“精准农业(Precision Agriculture)"已经成为现代农业的重要生产形式。将图像处理和机器视觉等技术的应用是精准农业实施中的主要特色之一。通过对光学图像或者高光谱图像的智能分析,有效提高作业效率。但是光学图像数据提供的信息有限,在很多应用中存在局限性。而高光谱遥感图像因为波段众多,光谱分辨率和空间分辨率都很高,因此对地物的分辨更加准确,在精准农业的应用中具有其他数据无法比拟的优势,已经成为未来精准农业应用中的主要数据形式。这些新的数据分析手段虽然给农业生产带来了革命性的变化,但是另一方面也因为其数据量巨大,不仅给存储和传输带来了困难,同时也给数据的分析和处理带来了巨大的挑战。因此如何有效降低数据的维数,减少数据量是精准农业图像分析中的一个重要课题。本文主要研究局部线性嵌入算法在精准农业数据降维问题中的应用。结合精准农业实施中如杂草识别等问题的需要,主要围绕局部线性嵌入算法监督性的实现、近邻参数自适应选择、适当的分类算法的设计等问题进行了深入研究。主要的研究工作与创新成果如下：(1)信息技术、模式识别技术在精准农业中的主要应用之一就是依据图像和光谱数据完成对作物属性的自动识别。而常规的局部线性嵌入算法是一种非监督算法,直接应用于分类识别中往往效果不佳。针对这个缺陷,提出一种基于Fisher准则的监督局部线性嵌入算法。算法首先对训练样本进行Fisher投影变换,寻找最佳投影方向。在此方向上各类样本具有最大可分性。利用训练样本在该投影轴上的投影距离来构造邻域结构,则可以最大程度得利用训练样本的监督信息指导降维,从而有效提高识别率。实验结果表明,基于Fisher准则的监督局部线性嵌入算法比常规局部线性嵌入算法具有更优异的降维效果,用简单的分类算法就可以实现较高的识别率。(2)局部线性嵌入算法应用于分类识别问题时,其精度还受到另外一个因素的影响,即局部线性嵌入算法主要参数之一的近邻参数κ。该参数选择的恰当与否将严重影响识别结果。但是目前还没有特别成熟的选择算法出现,多数情况下是根据实验结果进行多次反复人工尝试。这也成为局部线性嵌入算法发展中的瓶颈。针对精准农业中所处理数据的特点以及局部线性嵌入算法邻域构造对识别效果的影响,设计一种基于监督局部线性嵌入方法的近邻参数自适应调整的算法。实验结果表明,该方法可以根据所采集数据的分布特点自动确定近邻参数,在保证高识别率的前提下又增强了算法的稳定性和实用性。(3)降维算法只是数据处理的第一步,确保高识别率的另外一个重要环节是分类算法的选择。而局部线性嵌入算法对于新增测试样本必须和训练样本重新训练完成降维后才能进行分类,计算量大,效率低下。根据局部线性嵌入算法利用重构误差构造邻域结构的特点,将测试样本与正负类流形重构误差的大小作为判断训练样本类别属性的根据。这种分类方法是直接基于数据流形本身的特点构造的,又不需要引入新的未知参数,具有应用方便的特点。实验结果证实监督局部线性嵌入和这种分类算法的结合可以保证较高的识别精度。(4)杂草识别是精准农业应用中的主要问题之一。因为自然界生物的多样性,即使同种植物形态颜色上也具有一定的差异,而异类植物却又可能具有相似性。利用传统的机器视觉方法,通过颜色,形态等特征识别精度不高,而且容易受到自然环境的影响。本文主要面向玉米田间实地采集的图像数据完成杂草识别任务。该组图像中环境很复杂,玉米和多种杂草共生。设计了根据形态学方法自动分割杂草和玉米的方法,然后利用监督局部线性嵌入对分割后的图像进行降维,并用支持向量机完成分类识别,最终取得了理想的实验结果。证明了基于Fisher准则的局部线性嵌入算法在非实验室环境下也具有很好的适应性。(5)高光谱数据结合了光谱分析和图像处理的优势,在精准农业中的病虫害监测,品质检测等多个问题中都取得了成功的应用。针对实验室采集的患有条锈病的小麦叶片成像高光谱数据,根据“图谱合一”的思想,将一种图像纹理特征分析手段——灰度共生矩阵和光谱信息进行联合分析,充分利用了成像光谱数据的优势。实验结果表明,这种将传统图像分析手段和光谱数据结合的方法能够更好地发现作物受病害影响的程度,尤其是作物受病害影响初期或者称为隐性病时期,识别效果更优于传统的光谱分析方法。
熊慧娟[5]2009年在《min-max-min规划的凝聚同伦方法及其在数据挖掘中的应用》文中提出min-max-min规划是一类重要的非光滑非凸优化问题,在工程优化设计、电子线路设计、数据挖掘等领域有着重要应用.本文的工作在已有的凝聚同伦算法的基础上进行.第一章主要介绍min-max-min规划模型及其应用背景,并回顾一些相关理论与算法.第二章提出了数值跟踪凝聚同伦的一个基于截断策略的高效率算法.在算法的每步迭代,只用到max-min函数的组成函数中的一小部分的凝聚函数,这一部分组成函数对应的下标集合在每步迭代过程中随着截断精度控制准则自适应调整.以尽可能地减少函数的梯度及海赛阵的计算量.我们给出保持校正算法的二次收敛性和预估步的有效性的截断凝聚精度控制准则,该精度控制准则不涉及梯度和海赛阵的计算.只与max-min函数的组成函数的函数值有关.基于该精度控制准则,我们证明了截断凝聚同伦算法的收敛性及每步校正的局部二次收敛性.第叁章基于二次凝聚函数,对min-max-min规划构造了一种动约束函数,使得原问题的可行集可以由一个凸球约束连续形变过去,进而给出了一类新的凝聚形变同伦方法.新算法不要求可行集满足弱法锥条件,并且不要求初始点是内点.第四章基于离散化相容逼近的策略,将半无限min-max-min问题转化为有限min-max-min规划问题,再用截断凝聚同伦方法求解.可以证明:当离散点充分稠密时.离散化子问题的稳定点是原问题的6-次稳定点.第五章将半无限min-max-min问题写成一个双层规划问题.在底层问题严格凸的假设下,建立了原问题的一阶最优性条件,并构造凝聚同伦方法求解该问题.在一定条件下.可以证明通向原问题的广义KKT点的光滑同伦路径的存在性和收敛性.第六章考虑了截断凝聚同伦算法在数据挖掘的支持向量机模型求解中的一些应用.首先考虑了半监督分类问题.将已有的求解半监督分类问题的一个支持向量机模型加以变形,得到一个由max型以及max-min型的非光滑函数组合得到的无约束非光滑非凸优化问题,并构造了截断凝聚同伦算法求解该模型.其次考虑了多示例分类问题.该问题是线性min-max-min规划问题,即组成函数均为线性函数.我们证明该问题满足弱法锥条件,因此可以用截断凝聚同伦方法求解该问题.文中所有的算法,都用Matlab编程实现,并通过数值实验与已有的一些算法相比较,结果表明本文给出的算法是有效的.
佚名[6]2007年在《自动化技术、计算机技术》文中指出TP132007042003一种智能PID复合控制器的设计/伍铁斌,刘祖润,徐学军,李文(湖南科技大学信息与电气工程学院)//自动化与仪表.―2006,21(4).―45～48.提出一种新型PID复合控制算法,将模糊控制和混沌PID控制结合起来,既具有模糊控制快速、鲁棒性强的优点,又具有PID稳态精度高的优点。仿真表明该算法使用可靠、精度高,而且具有较强的抗干扰能力和较好的鲁棒性,优于常规的PID控制与模糊控制。图2表1参13
沈杰[7]2011年在《药物ADMET理论预测方法开发和靶向雌激素受体的药物设计研究》文中认为本文主要针对目前计算机辅助药物设计中的几个重要问题进行了研究,包括小分子药代动力学性质和毒性(ADMET)理论预测方法的发展和针对雌激素受体进行的相关药物设计研究。论文首先介绍了工作的研究背景和基本概念。在第1章主要介绍了小分子药代动力学理论预测的基本原理和一般方法,包括分子描述、支持向量机、遗传算法等。此外,还介绍了本文涉及到的一些分子模拟和药物设计方法的基本概念和科学原理,包括分子动力学模拟,虚拟筛选等。最后我们还讨论了我国药物设计研究的现状和展望。小分子的ADMET'性质是药物研发过程中最关键的问题之一。本论文利用化学信息学的基本方法和技术,发展了新的小分子ADMET预测方法：论文第2章介绍了针对ADMET预测建模过程中的变量选择问题,发展了一种基于遗传算法的变量选择方法,在该方法中,我们在适应度评价函数中引入了交叉验证相关系数,并采用了“精英仓库”策略,避免了传统遗传算法中可能出现了较优解变异以及搜寻空间缩小的问题,利用该方法,我们建立小分子化合物血脑分布系数的预测模型；大多数ADMET预测方法都采用了分子描述符作为小分子的描述方法,然而小分子描述符本身存在着一些问题,论文第3章介绍了一种基于子结构模式识别的分类预测方法,我们采用了基于子结构字典的分子指纹描述小分子,从而避免了描述符的使用,利用一种类似模式识别的思想,通过对特征子结构的识别进行建模。同时,我们引入了信息增益方法,分析了每一个子结构的重要性从而可以从药物化学家的角度帮助解释我们所得到的机器学习模型。我们利用该方法建立了小分子肠吸收和血脑屏障通透性的模型,此外我们的方法还应用到毒性以及代谢相关的理论预测研究中。雌激素受体属于核受体超家族,对维持人体正常生理活动具有非常重要的作用,也是包括乳腺癌等在内的一些重要疾病的靶标之一。目前临床上使用的选择性雌激素受体调节剂,如他莫昔芬,它们可以选择性地作用于不同的组织,虽然机理尚不明确,但在一定程度上减轻了药物的副作用。随着1996年发现了雌激素受体的第二个亚型,人们的注意力开始转移到亚型选择性的小分子调节剂上。近年来该领域的研究主要集中在研究两种亚型的生理功能的区别和各自对应的专一性调控通路。此外,寻找具有亚型选择性的小分子调节剂也是非常热门的研究领域,一方面为功能研究提供小分子探针工具,另一方面可以发现功能更专一,副作用更小的新药。论文的第二部分主要介绍了利用多种分子模拟和计算机辅助药物设计方法,发现选择性雌激素受体的小分子配体。论文第4章主要介绍了利用分子动力学模拟重现了选择性雌激素配体从受体中解离的动态过程,在此过程中,我们发现了雌激素的选择性与这一过程也有着一定的联系。我们据此提出了两个可能提高配体对于ERβ选择性的改造意见。论文第5章中,我们利用虚拟筛选和分子动力学模拟的方法发现了18个高效的ERβ选择性配体,对这些活性化合物的构效关系分析也验证了我们前面提出的改造意见的合理性。本研究将基础理论研究和实验结合起来,理论模型为实验提供了明确的指导方向,而实验结果又进一步验证了理论模型。
胡文静[8]2006年在《自动人脸识别技术研究及其在人员身份认证系统中的实现》文中认为自动人脸识别技术(AFR)是一项极具挑战性的前沿研究课题。它试图通过计算机分析人脸图像并从中提取有效识别信息，达到辨认人员身份的目的。对AFR技术的研究不仅具有重大的理论和学术研究意义，而且具有潜在的巨大应用价值。 经过近几十年特别是近几年来的研究，自动人脸识别技术已经取得了长足发展，用于人脸识别商业系统已经面市，但对应用条件的限制相当严格；在非理想可控情况下的自动人脸识别技术还远未达到实用化的程度，有很多研究工作要做。 本文作为上海市应用材料科技国际合作共同计划(上海市科委AM基金)项目(《基于ARM和RFID芯片的自组织安全监控系统的研制》编号：0512)的主要研究内容之一，从构建自动人脸识别系统需要解决的若干关键问题入手，重点探讨了实时人脸检测与跟踪、面部关键特征定位、高效的人脸特征描述、鲁棒的人脸识别分类器及自动人脸识别系统设计等问题。 1、提出了结合肤色校验的Haar特征级联分类器实时人脸检测算法(SCC-HCC)和基于人脸约束的人脸实时跟踪算法(AM-CamShift) 人脸检测是自动人脸识别系统首先需要解决的关键问题。Viola于2001年提出的基于Haar特征级联强分类器的人脸检测算法，通过抽取人脸的Haar特征训练分类器，达到人脸检测的目的，但由于其仅仅利用了人脸的灰度信息，没有考虑人脸的肤色分布，因而对复杂背景中类人脸结构的物体对象区分的鲁棒性较差。鉴于此，论文第叁章提出了基于肤色模型校验和Haar特征级联强分类器的快速人脸检测算法(SCC-HCC)。 人脸跟踪是基于视频的人脸识别、视频监控等典型应用中必不可少的环节，CamShift算法对于目标物体的跟踪具有较强的鲁棒性，但其存在跟踪窗口(Tracking Window)必须通过手工标定的缺陷，而且对背景中类肤色区域的鲁棒性欠佳。我们在CamShift算法的基础上提出了基于人脸约束的实时跟踪算法(AM-CamShift)，实现了跟踪窗口自动标定及多目标的快速自动跟踪，有效提高了对背景中类肤色区域的鲁棒性。 2、针对传统线性判别分析法存在的小样本问题(SSS)，通过调整Fisher判别准则，实现了自适应线性判别分析(A-LDA)算法，提出了基于A-LDA算法的分类判决准则及相应的人脸识别方法
参考文献：
[1]. 核函数的性质、方法及其在障碍检测中的应用[D]. 吴涛. 中国人民解放军国防科学技术大学. 2003
[2]. BPSO-SVM特征选择及其在分类中的应用[D]. 魏佳璇. 兰州大学. 2018
[3]. 支持向量机及其在医学图像可视化中图像分割的应用研究[D]. 朱家群. 南京理工大学. 2007
[4]. 基于局部线性嵌入的降维算法研究及其在精准农业中的应用[D]. 阎庆. 安徽大学. 2014
[5]. min-max-min规划的凝聚同伦方法及其在数据挖掘中的应用[D]. 熊慧娟. 大连理工大学. 2009
[6]. 自动化技术、计算机技术[J]. 佚名. 中国无线电电子学文摘. 2007
[7]. 药物ADMET理论预测方法开发和靶向雌激素受体的药物设计研究[D]. 沈杰. 华东理工大学. 2011
[8]. 自动人脸识别技术研究及其在人员身份认证系统中的实现[D]. 胡文静. 华东师范大学. 2006
标签：自动化技术论文; 支持向量机论文; 核函数论文; 人脸识别算法论文; svm算法论文; 人脸检测技术论文; 特征选择论文; 线性模型论文; 图像融合论文; 函数图像论文; 分类数据论文; 监督学习论文; 图像识别论文; 算法论文;