基于改进Mask RCNN和SVR的无接触梭子蟹体质量预测研究

提出了一个改进Mask RCNN目标检测算法用以对养殖梭子蟹进行视觉特征测量. 通过在养殖区域采集梭子蟹图像, 用上位机识别梭子蟹旋转角度以及甲长和甲宽方向, 对输出的Mask进行模板修补, 提高模板内区域的置信度. 通过图像-实景对应关系换算梭子蟹的真实尺寸, 并估算其投影面积、甲宽与甲长, 结果准确率高于85%. 同时, 对视觉算法得到的梭子蟹尺寸特征与其体质量进行拟合, 引入k-means聚类, 实现双模型支持向量回归机(SVR)预测结构. 通过差分进化算法对SVR适应度函数进行寻优, 设计了随迭代次数、寻优效果同步变化的缩放因子, 以及适者更易生存策略的交叉概率因子, 以验证改进算法的寻优能力. 测试时, 对新传入的数据首先进行归一化处理, 然后判断所归属的聚类中心, 再传至相应的SVR模型进行预测. 测试结果相对误差小于18%.     

基于自主扰动变异差分视频的关键帧提取算法

针对传统的支持向量机学习算法(SVM)在对视频关键帧提取过程中普遍存在学习参数不易确定,准确度偏低的问题,提出一种自主扰动变异差分SVM算法用来对视频进行关键帧提取.首先,对差分进化算法的生物学机理进行研究,提出一种改进的自主扰动变异方式.其次,结合改进形式的自主扰动差分进化算法对SVM参数进行选取优化,设计了基于该改进差分SVM算法的视频关键帧提取算法.通过在标准测试函数及视频测试数据库中的实验表明,改进的自主扰动变异差分视频关键帧提取算法能够更加有效地优化支持向量机参数,从而有助于改善视频检索的查全(准)率两个算法性能评价标准.     

基于SVM的固化土无侧限抗压强度模型

为实现较少试验次数下固化土无侧限抗压强度(qu)的准确预测, 提出了基于支持向量机(SVM)的固化土qu的预测模型. 以固化剂各组分掺入比、龄期、初始含水量、固化剂掺量等因素为输入量, 固化土的qu作为输出量, 以径向基为核函数, 采用网格搜索法和交叉验证法进行参数优化, 建立了基于SVM的固化土qu的预测模型. 算例分析表明: 该模型适用于任意条件下固化土qu的精确预测, 且在较小试验成本下实现与响应面法相当的预测精度.     

基于LBP和共生矩阵的图像拼接篡改检测

为了进一步提高图像拼接篡改检测的准确率,本文通过对图像拼接技术进行分析,提出一种基于纹理描述的图像拼接篡改检测方法.该方法将局部二值模式(LBP)和共生矩阵两种现有技术相结合,在残差图像的基础上利用改进的LBP技术对图像纹理进行描述,然后借助两类共生矩阵获取不同的图像特征,通过对这些特征向量的组合来提高检测精度.提取特征后利用支持向量机(SVM)或集成分类器进行分类预测.实验结果表明,所提出的方法在IEEE IFS-TC图像取证竞赛库和中国科学院彩色图像库分别达到了0.911和0.938的最高检测准确率.     

基于视觉显著度的说话检测

现有基于视觉信息的说话检测方法中往往依赖预定参数或者阈值作为分类平面,鲁棒性差且泛化能力不强.针对这一问题,本文提出了一种基于显著度的视觉说话检测方法,利用像素的色彩信息和嘴唇的空间位置特性检测嘴唇,通过分析嘴唇运动和说话假设的关系,将图像能量作为特征,并结合经典的隐马尔科夫模型(hidden Markov models,HMM)和支持向量机(support vector machine,SVM)作为判决方法来进行检测.实验结果表明,本文提出的嘴唇检测方法正确率可达到92%.     

基于IFOA-FSVM的WRF模式台风期阵风精细化预报

为提高天气预报模式(Weather Research and Forecasting Model, WRF)输出中台风期阵风的预测精度,将WRF模式输出与某观测站实况数据相结合,提出一种台风期阵风精细化预报方法.针对影响台风风速的因素众多,而传统依据人工经验预判的风速存在较大误差的现状,该方法构建了台风期阵风预测的模糊支持向量回归模型,同时为解决模糊支持向量回归模型中惩罚因子C和核参数g难于确定的问题,将果蝇优化算法(Fruit Fly Optimization Algorithm, FOA)引入到模糊支持向量机(FuzzySupportVectorMachine,FSVM)的参数寻优中,并根据风速回归的特点,把果蝇优化算法引入到三维空间,结合增强因子γ以提高传统果蝇优化算法的全局寻优能力.实验结果表明,本文构建的模型预测风速与实际风速基本一致,相关性达到99%,不仅提高了WRF模式风速的适用性,而且风速预测精度明显优于传统FOA-FSVM和FOA-SVM方法,具有更强的泛化能力.     

基于支持向量机的核磁共振左心室图像自动检测与分割

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。     

基于Riesz基的再生核及支持向量机

在支持向量机(SVM)技术中,再生核的选择起着重要作用.利用L2(R)中的一组Riesz基构造再生核,并将其推广到应用广泛的正交小波.在基于正交小波的再生核Hilbert空间中考虑函数的正则化逼近,对基于正交小波再生核的SVM结合小波分析进行探讨,得到SVM的离散逼近,离散细节均只与支持向量有关.     

模糊聚类支持向量机的区域空气PM_(2.5)浓度预报

在分析模糊C均值聚类算法与支持向量机回归的特点后,将二者结合,提出了模糊聚类支持向量机回归(FCM-SVR)算法,对空气中颗粒物浓度PM2.5进行预测.该方法首先利用模糊C均值聚类算法把一个复杂的数据集分成多个群体,再在每个群体上建立支持向量机回归(SVR)模型,然后进行集成,对区域空气的PM2.5浓度进行预测.预测结果分别与自组织竞争神经网络支持向量机回归(SOM-SVR)模型和单一的支持向量机回归(SVR)的结果进行比较.结果表明,FCM-SVR模型的预报准确率高于SOM-SVR模型和SVR模型.     

基于改进蛙跳算法优化的支持向量回归机ORP预测

氧化还原电位是生物氧化提金预处理过程中的一个重要工艺参数,为了实现对氧化还原电位的准确预测,提出一种基于改进的蛙跳算法优化支持向量回归机的预测方法.该算法是在标准蛙跳算法的基础上,参照反向差分的思想对种群进行初始化,将粒子群个体认知引入算法的局部寻优.通过改进的算法优化支持向量回归机的关键参数,并以新疆某金矿的实际生产数据进行仿真,结果表明该方法具有较高的预测精度.     

基于支持向量机泛化误差界的多核学习方法

基于支持向量机（SVM）泛化误差界,提出了一种精确且有效的多核学习方法.首先,应用SVM泛化误差界推导多核学习优化形式,并给出求解其目标函数微分的计算公式.然后,设计高效的迭代算法来求解该优化问题.最后,分析了算法的时间复杂度,并基于Rademacher复杂度给出了算法的泛化误差界,该泛化界在基核个数很大时依然有效.在标准数据集上的实验表明,相对于一致组合方法以及当前流行的单核和多核学习方法,所提出的方法具有较高的准确率.     

基于小波包Shannon熵与GA-SVM的船舶轴系故障诊断方法

针对船舶推进轴系的振动问题, 基于小波包、Shannon熵、遗传算法(GA)和支持向量机(SVM)理论, 提出了一种船舶轴系故障诊断的新方法, 简称WPS-GS方法. 该方法依托船舶螺旋桨状态监测模拟实验平台, 利用小波包分解技术分析船舶轴系发生故障时的振动信号, 将其Shannon熵作为SVM的输入特征向量. 在训练SVM时, 采用遗传算法对SVM的参数进行全局寻优, 使SVM具有更高的识别准确率. 实验结果表明, WPS-GS方法对故障诊断的准确度和识别率较传统SVM和交叉验证SVM方法高, 适用于船舶轴系故障诊断.     

基于支持向量机及遗传算法的光刻热点检测

提出一种基于支持向量机（SVM）及遗传算法（GA）的集成电路版图光刻热点检测方法.首先对版图样本进行离散余弦变换（DCT）以提取样本的频域特征,然后基于这些样本训练SVM分类器以实现对光刻热点的检测.为了提高光刻热点检测的精度及效率,采用遗传算法（GA）对频域特征进行选择,并同时优化SVM参数.实验结果表明,基于SVM及版图频域特征并结合遗传算法进行优化的光刻热点检测方法可以有效提高版图光刻热点的检测精度.     

带特征染色体的遗传算法与支持向量机结合进行生物水质预警的研究

近年来水污染事件频发, 给人类饮用水安全带来巨大隐患, 而生物监测法能够从生物学角度对水质状况做出综合分析. 选取斑马鱼作为受试生物, 当水质发生变化时, 鱼群在毒性物质作用下产生应激反应, 此时运用图像处理技术量化鱼类群体行为参数; 并用带特征染色体的遗传算法与支持向量机相融合的方法进行特征选择和SVM参数优化, 分析影响水质预警的关键量化参数. 结果显示, 新方法与网格搜索法、不带特征染色体的遗传算法与SVM结合的方法相比较, 有更高的准确率.     

基于SVM和LS-SVM的住宅工程造价预测研究

为在方案设计初期与工程造价相关信息很少的条件下,准确快速地预测住宅工程造价,在分析既往相关理论和方法优劣的基础上,选取支持向量机构建住宅工程造价预测模型,并通过主成分分析对原始数据进行降噪处理.选取住宅工程造价预测指标集与样本,对输入指标的数据进行主成分分析,消除指标相关性的同时对原始数据降维,将处理后的数据分别导入到"标准支持向量机"和"最小二乘支持向量机"模型中进行训练和预测,并对预测结果进行对比分析,选取较为合理的预测模型,通过参数寻优进一步优化预测效果.所构建预测模型的相对误差均控制在±7%以内,预测精度较高,结果稳定.     

基于FSVM法分岩性解释砂砾岩储层渗透率

在砂砾岩油藏中,砂岩和砂砾岩均可作为储层,不同岩性储层的渗透率特征差异大,分岩性解释渗透率是较为有效的手段,但常规方法岩性识别精度差,导致建立的渗透率模型效果不理想.本文将支持向量机(SVM)非线性识别方法推广,通过在高维空间中构造分段带状隶属函数,获得模糊支持向量机(FSVM)分类器,实现砂砾岩储层岩性精确定量识别,并以此为基础,运用多种数理统计方法分岩性建立砂砾岩储层的渗透率模型,以寻求预测砂砾岩储层渗透率的最优测井解释模型.克拉玛依油田五2东区克上组层段的应用结果表明,基于FSVM法优秀的回归能力,在砂砾岩油藏岩性识别时FSVM法的准确率更高;在砂砾岩油藏渗透率解释上,FSVM法分岩性多元逐步回归渗透率模型具有误差小、适用性强、效果好的特点.     

基于支持向量机的多因子风速预测

针对目前数值模式预报的风速普遍存在小风预报偏大、大风预报偏小的问题,本文基于支持向量机的方法,结合WRF模式预报和自动观测站的实况数据资料,建立多因子SVM风速预测模型,对渔业避风港锚地风速进行预测修正.实验结果表明,新模型预测的风速和实际风速基本一致,相关性达到了99%,很好地表达了风速与WRF模式预报因子之间的非线性关系,验证了该模型能改进WRF模式输出的风速数据.与仅利用历史风速的非数值SVM和LSSVM风速预报的结果进行比较,进一步证实了多因子SVM风速预测的优越性.     

乌龟形态性状对体重的影响效果

选择I龄乌龟291只,测定背甲长、背甲宽、甲桥长、腹甲长、腹甲宽、体高和体重共7个性状,采用相关分析和通径分析方法,计算了以形态性状为自变量对体重做依变量的相关系数、通径系数、决定系数及相关指数,定量地分析了形态性状对体重的影响效果。结果表明,乌龟7个形态性状与体重的相关系数达到极显著水平(p﹤0.01);通径分析揭示了多元分析中多个自变量与依变量的真实关系,背甲长、背甲宽、体高和腹甲长对体重的通径系数达到显著水平,它们是影响体重的重要指标,其中背甲长对体重的直接影响(0.597**)最大,是影响体重的主要因素,其次是背甲宽(0.193**)和体高(0.159**),腹甲长对体重的影响(0.063*)较小;甲桥宽与体重的相关程度很大(0.873),但它与腹甲宽对体重的直接影响都非常小,主要通过其他性状间接影响体重,是影响体重的次要因素,均被剔除;决定系数分析结果与通径分析结果有一致的变化趋势;所选形态性状与体重的复相关指数R2=0.940,说明影响体重的主要自变量指标已经找到,多元回归分析建立了背甲长(X1)、背甲宽(X2)、腹甲长(X4)、体高(X6)对体重(Y)的回归方程,回归截距和相应的回归系数分别是-236.255,2.421,1.188,0.162,1.680;建立回归方程为Y=-236.255+2.421 X1+1.188 X2+0.162 X4+1.680 X6;为乌龟遗传育种提供一定的理论依据和测度指标。     

基于支持向量机的网站服务质量实时监控方法

利用支持向量机(support vector machine,SVM)在两类模式识别中所表现出的良好适应性,采用SVM把网站服务质量的评价信息分成两类:服务投诉和非服务投诉.通过服务质址监控表格对投诉率的上限进行控制,实现了系统对服务质量的自动监控.实验结果表明,采用基于SVM网站服务质量监控方法能够对网站的服务质量进行实时临控,并且优于基于指标的服务质量监控方法.     

基于支持向量机的字符编码识别系统

基于支持向量机设计了一种产品字符编码识别系统,该系统通过CCD视觉传感器采集图像信息,经过目标提取、字符分割、编码识别过程,最后输出识别结果.其中,识别过程采用支持向量机作为判别函数分类器,该方法能较好的解决小样本、非线性、高维数等实际问题,并且较传统的神经网络识别方法训练速度更快.实验结果表明,该方法识别率高,可以达到98.3%,并且具有较高的实时性.