基于SVM的语音情感识别研究

随着计算机技术的发展,人们对和谐人机交互的要求不断提高,这就要求计算机能理解说话人的情感信息,即能进行语音情感识别。本文提出了一种基于支持向量机（SVM）的语音情感识别方法,主要对人类的6种基本情感：高兴、惊奇、愤怒、悲伤、恐惧、平静进行研究。首先对自建语音情感数据库的情感语句提取特征,然后运用序列前向选择（SFS）算...     

基于多尺度LBP和SVM的掌纹识别算法研究

为了提高掌纹识别算法识别率,降低特征向量维数,采用基于关键点定位对掌纹进行预处理,利用双向直方图均衡化增强掌纹图像的对比度和纹理细节。使用纹理频谱度量的方法寻找掌纹主线方向,确定Ga-bor滤波器的方向参数,在此基础上,结合多尺度的LBP算子对Gabor变换后的掌纹特征进行提取。最后利用GA优化SVM参数的方法对掌纹图像进行分类。实验结果表明,本文算法能够获得高达97.5%的正确识别率。     

基于改进混合蛙跳算法的SVM分类算法

支持向量机的训练需要求解一个带约束的二次规划问题,但在数据规模很大情况下,经典训练方法将变得很困难。本文提出一种基于改进的混合蛙跳算法的SVM训练算法。针对混合蛙跳算法搜索速度慢且容易陷入局部极值的缺陷,将模拟退火思想引入到混合蛙跳算法中,提出一种改进的混合蛙跳算法。该算法保持了混合蛙跳算法参数少和容易实现的特点,同时通过模拟退火的降温过程来提高算法的进化速度和精度。实验结果表明,该算法能显著提高收敛速度,并能有效克服局部极值,在SVM训练中具有良好效果。     

基于SVM的网络文本分类

文章首先介绍文本分类预处理的几种方法及其不足之处,并提出一种改进的特征提取方法。然后,介绍几种文本分类算法,并指出其缺点。最后本文介绍支持向量机算法,结合改进后的文本预处理方法对网络文本进行分类,并通过与KNN对比分析说明了该算法的高效性能。     

基于Python的新浪微博爬虫研究

对比新浪提供的API及传统的爬虫方式获取微博的优缺点,采用模拟登陆和网页解析技术,将获取的信息存入数据库中并进行分析。基于Python设计实现了新浪微博爬虫程序,可以根据指定的关键词获取相应的微博内容及用户信息。     

融合超像素聚类与SVM分类的非结构化道路识别算法

为解决移动机器人对非结构化道路识别的准确性、实时性问题,提出了改进的超像素聚类与支持向量机融合的监督修正算法.首先对采集的道路图像进行预处理,仅在此道路的显著性区域内进行图像的平滑处理,然后基于改进的线性迭代聚类算法,将图像分割为内部像素较为一致的若干超像素单元,根据灰度差准则进行超像素的合并,以超像素块作为训练样本集...     

基于多普勒频谱特性的雷达目标分类识别研究

目标特征提取是雷达目标识别过程中至关重要的一步,而所提取的特征是否稳定有效则直接决定了提取特征的质量。本文中的炸点、风轮机与气象杂波目标都具有多普勒频谱展宽的特点。在回波预处理过程中提取目标回波频谱,在此基础上,提取目标相对RCS、频谱熵值与频谱标准差三类特征,最后以支持向量机(SVM)对三类目标实现分类识别。基于实测数据的分类识别结果表明,本文中的三类特征对各类目标的分类都具有有效性。     

基于亮度检测检测和SVM的人脸表情识别算法

针对包含表情信息的静态图像,提出基于皮肤检测和SVM的人脸表情识别算法。首先根据先验知识,并使用皮肤检测和积分投影相结合定位眉毛眼睛区域和嘴巴区域,自动分割出表情子区域。接着,对分割出的表情子区域进行Gabor小波特征提取,在利用Fisher线性判别对特征进行降维,去除冗余和相关。最后利用支持向量机对人脸表情进行分类。用该算法在日本表情数据库上进行测试,获得了较高的识别准确率。证明了该算法的有效性。     

基于SVM的骨质疏松识别算法

文中讨论了基于模式分类的算法,通过常规的体检参数对骨质疏松情况进行预测和识别.由于常规体检参数和骨质疏松诊断结果之间的线性相关度小、参数方差大等问题,基于线性分类边界模型得到的分类器误差大,文中利用数据和骨质疏松之间的非线性关联特性,使用高斯核函数将原始训练数据映射到核空间进行分类,较好地实现了用体检参数预测骨质疏松.此外文中给出了利用多个分类器的分类结果进行组合方法,使得不同分类器分类结果相互矛盾时能够输出唯一的诊断结论.     

基于中文微博的产品评价分类算法

在中文微博产品评价分类算法中,由于常规SVM分类器在对少量标记数据的样本进行训练时,泛化能力无法满足要求,无法直接应用于微博文本的数据挖掘中,而传统的半监督TSVM算法的改造是通过对未标记数据增加惩罚函数完成的,这样会产生非凸函数优化问题。因此该文研究一种半监督高斯混合模型核的支持向量机分类算法。使用高斯混合模型对已标记和未标记数据进行训练,求取概率分布。最后通过一个对于i Phone手机的评价实例进行分析,验证了该文研究方法的优势。     

基于Gabor小波和SVM的人脸表情识别算法

针对包含表情信息的静态图像,提出基于Gabor小波和SVM的人脸表情识别算法。根据先验知识,并使用形态学和积分投影相结合定位眉毛眼睛区域,采用模板内计算均值定位嘴巴区域,自动分割出表情子区域。对分割出的表情子区域进行Gabor小波特征提取,在利用Fisher线性判别对特征进行降维,去除冗余和相关。利用支持向量机对人脸表情进行分类。用该算法在日本表情数据库上进行测试,获得了较高的识别准确率。证明了该算法的有效性。     

基于混合SVM与AdaBoost分类的面部表情识别的人机交互

基于二维主元分析（2DPCA）方法提出一种混合支持向量机（SVM）与AdaBoost算法的面部表情分类方法。首先,该方法对灰度图像进行人脸检测,通过小波变换和二维主元分析得到特征数据,有效地减少了计算量;然后,采用SVM方法对特征数据进行分类学习,得到初始分类器;最后,通过AdaBoost算法对SVM分类结果进行进一步加强,形成强分类器,提升了分类能力,确保了表情识别工作,并实现基于面部表情识别的智能轮椅的人机交互的鲁棒性。实验结果表明：该方法不仅有效地提高了样本的分类能力,而且降低了计算的复杂度,在智能轮椅人机交互实验中的平均识别率达到92.5%。     

基于信息熵和SVM多分类的商用车类型识别

针对商业车的车辆应用类型识别,采用了基于信息熵特性权值分配和支持向量机(support vector machines,SVM)多分类的类型识别方法.首先提取了车联网发动机(controller area network,CAN)总线大数据的统计特征,然后通过计算特征信息熵为特征分配相应权值,将权值较大的特征作为支持向...     

基于不变性特征的SVM遥感图像飞机类型识别

根据遥感图像飞机目标的特点,提出一种基于不变性特征的支持向量机(SVM)识别算法。首先结合小波分解进行平移、旋转、缩放不变性特征提取;然后对基于遗传算法(GA)的SVM模型参数选择方法在核函数的选择、搜索空间的确定等方面进行改进,并用改进后的算法实现SVM模型参数选择。对480幅遥感图像进行仿真实验,得到97.56%的正确识别率。与BP神经网络相比,识别率高,验证了算法的有效性。     

基于主动学习和SVM方法的网络协议识别技术

针对未知网络协议数据流的获取与标记工作主要依赖于领域专家。然而,样本数据量的增加会导致人工成本超过实际负荷。提出了一种新颖的未知网络协议识别方法。该方法基于主动学习算法,仅依靠原始网络数据流的载荷部分实现对未知网络协议的有效识别。实验结果表明,采用该方法设计的识别系统在保证识别准确率和召回率的前提下,能够有效地降低学习过程中标记的样本数目,更适用于实际的网络应用环境。     

基于SVM的新生儿疼痛表情识别

近十年来新生儿疼痛引起医护人员的广泛关注。由于新生儿不能自述疼痛的感受,疼痛评估成为新生儿科学中最具挑战性的一个难题。新生儿“疼痛面容”（蹙眉、挤眼、鼻唇沟加深、张口）被认为是最可靠的疼痛指标,且持续时间最长,因而被国际上常用的新生儿疼痛评估工具作为评估指标。然而,这些疼痛评估工具往往受到临床医护人员主观因素的影响。文中旨在解决上述问题,提出利用支持向量机（SVM）技术对新生儿疼痛与非疼痛面部表情进行分类识别。对210幅照片的表情图像进行了研究,比较了线性核函数SVM、多项式核函数SVM（d=2,3,4）以及径向基函数SVM等5种不同分类器的性能。实验结果表明,阶数d=3的多项式核函数SVM分类器的性能最佳,对疼痛和非疼痛表情分类的识别率达到93．33％,对疼痛与安静表情的分类识别率为94．17％,对疼痛与哭表情的分类识别率为83．13％,初步具备了在新生儿疼痛评估中的潜在应用价值。     

基于SVM热轧板形识别

本文提出了一种热轧板形缺陷分类识别方法,利用支持向量机(SVM)多分类方法中的一对一策略实现了对常见几种板形缺陷的识别,并使用网格搜索法对参数进行了优化。仿真实验证明,该方法行之有效。     

监控视频中运动目标识别分类系统研究

提出了一种监控视频中运动目标识别分类算法,通过提取视频中运动目标的Zernike矩的7个高阶矩、长宽比和占空比,然后利用支持向量机(SVM)进行训练识别分类.实验结果表明,该算法具有较高的运动目标分类正确率,且通过对比显示该算法优于运用运动目标的Hu矩的高阶矩、长宽比和占空比进行分类的方法.     

直扩系统中基于SVM的干扰自动分类识别方法

针对实际直接序列扩频系统中的干扰类型总是未知的,难以采用相应的干扰抑制措施有效提高系统性能的问题,提出了直接序列扩频系统中基于支持向量机的干扰自动分类识别方法。首先对直扩系统中八种主要干扰情况进行干扰信号建模;然后分别从时域、频域和时频域提取待识别干扰信号的特征参数;最后使用决策树支持向量机构造了一个5级干扰自动分类识别系统,实现了干扰信号的自动分类识别。仿真结果表明,干信比大于等于9dB时,分类器可以准确识别干扰类型。