支持向量机(SVM)

摘要： 直肠癌T分期对患者的术前评估有重要作用.然而,传统的放射科医生根据患者磁共振图像直接判断分期的方法效果欠佳.本文提出使用影像组学的方法预测直肠癌T分期,首先获取105例直肠癌患者影像数据,根据病理报告中的T分期结果将T1、T2期患者划分为未突破肌层组,将T3、T4期患者分为突破肌层组,整理数据得到未突破肌层组31例,突破肌层组74例.在患者的轴向位T2WI图像中勾画病灶区域,并在病灶上使用pyradiomics工具包提取影像组学特征,使用最小绝对值收敛和选择算子(LASSO)对高维特征做特征选择,得到与T分期高度相关的特征数据,使用随机森林、支持向量机(SVM)、逻辑回归、梯度提升树(GBDT)分别建模,进行交叉验证调参,评估模型性能.每层图像提取100维特征,经LASSO特征选择后得到7个与T分期高度相关的特征,使用4种模型分别建模,其中SVM算法表现最优,平均受试者操作特征曲线下面积(AUC)、准确率、灵敏度、特异度分别为0.9685、0.8864、0.9625、0.8992,测试集准确率达到了0.9047.结果表明,使用影像组学方法可以提高直肠癌T分期预测的准确率.

摘要： 为解决传统污秽检测方法对输电线路绝缘子污闪防治的局限性,通常采用非接触式、高分辨率的高光谱技术研究污秽在线检测技术。为有效提取反应污秽度的光谱特征,削弱冗余与干扰信息的影响,文中提出一种基于小波包能量谱特征优化的绝缘子污秽等级识别技术。首先,对不同污秽等级的绝缘子样品的光谱图像进行背景分割,提取均匀覆污区像素点的光谱均值曲线;其次,对不同图像的光强均匀度差异、环境噪声进行预处理,并通过对数变换提升不同污秽等级间的可区分性;再次,对预处理后的光谱曲线进行小波包能量谱特征提取;最后,基于所提特征建立基于支持向量机(SVM)的污秽等级识别模型。实验结果表明,相比于采用全波段数据或主成分分析(PCA)特征数据作为输入,基于小波包能量谱特征建立的SVM污秽等级识别模型对样品识别准确率更高,可以达到99.8%。

摘要： 为解决在自然场景中进行汽车油箱盖定位的问题,提出一种非结构环境下基于HoG与SVM的汽车油箱盖视觉检测方法。对汽车图像进行预处理并采用多尺度底帽变换提取图像暗细节特征;利用改进的最大熵阈值分割法分割图像;采用连通区域标记法对二值图进行统计,并在原图中确定目标候选区域;采用HoG特征和支持向量机对候选区域进行分类判决,从而定位汽车油箱盖。结果表明:该方法可以准确地检测出油箱盖位置,即使图像存在光照不均匀、汽车覆盖件表面灰尘、细节模糊等情况,也有较好的定位效果。

摘要： 极化合成孔径雷达(PolSAR,polarimetric synthetic aperture radar)图像具有强相干斑噪声和大场景特点,为此提出一种面向对象的支持向量机(SVM, support vector machine)分类算法。算法首先通过超像素分割产生待分类对象,以此减少分类处理单元,同时实现特征滤波降噪;然后通过转换矩阵提取信息完备且具有简单统计描述的雷达散射截面积特征;最后,选择在小样本条件下仍具有较强学习能力和泛化能力的SVM分类器实现图像分类。用公开的实测San Francisco数据进行实验,实验结果表明:该算法相对于对比算法在准确率上提升约10%。

摘要： 选择坡度、坡向、曲率、年降雨量、归一化植被指数、地层岩性、距构造距离、土地利用、居民密度以及路网密度这10个泥石流灾害的主控因素作为评价因子,采用麻雀搜索算法(Sparrow Search Algorithm,SSA)优化BP神经网络,并用SVM,SSA-SVM,BP,SSA-BP这4种机器学习模型评价云南省昆明市东川区的泥石流敏感性。结果表明:SSA-BP神经网络模型对东川区泥石流的预测成功率可以达到85.9%,相较于SVM,SSA-SVM,BP神经网络模型的预测准确率分别提高了3.9%,1.6%和3.3%。本文用泥石流灾害点对所生成的泥石流敏感性图进行验证,表明大部分的泥石流灾害点落在了敏感性为高和极高的区域内,证明了所生成的敏感性图对东川区的城乡规划、道路规划、防灾减灾等方面具有实际指导意义。

摘要： 采用变分模态分解(Variational Mode Decomposition,VMD)和散布熵(Dispersion Entropie,DE)相结合的方法提出了故障特征提取新方法,以提高变速箱齿轮故障识别的准确率。同时,根据波形法明确了VMD分解层数,获得了固有模态分量(Intrinsic Mode Function,IMF)值和若干IMF重构信号,通过以粒子群优化(Partical Swarm Optimization,PSO)和多分类支持向量机(Multiclass Support Vector Machine,SVM)识别故障,实践证实该方法识别故障的准确率达到了100%,且计算时间短。最后,在此方法的基础上提出了变速箱故障处理对策。

摘要： 为有效提取非平稳性、复杂性的滚动轴承振动信号特征,提出一种基于变分模态分解、改进烟花算法(IFWA)优化支持向量机(SVM)的滚动轴承故障诊断方法。利用VMD对原始信号进行分解,计算得到各IMF的样本熵,将原始信号的时域特征与其结合组成特征矩阵。为提高故障诊断效率,采用IFWA优化SVM,建立IFWA-SVM模型。使用训练集特征矩阵训练诊断模型,实现滚动轴承的故障诊断。利用实测信号验证该方法,并与粒子群算法优化进行比较。结果表明:利用该方法进行诊断,正确率提高了3.33%、训练时间缩短了21.55 s,验证了该方法的可行性。

摘要： 【目的】探求一种无损的、非侵入性的、快速的胚胎性别鉴定方法。【方法】以207个猪卵胞质内单精子显微注射(intracytoplasmic sperm injection,ICSI)胚胎及其培养液为研究对象,单个胚胎经巢式PCR扩增鉴定其性别后随机分成训练集和测试集,同时利用拉曼光谱技术获取单个ICSI胚胎培养液的拉曼光谱。原始光谱经过处理后,采用支持向量机(support vector machine,SVM)算法构建分类模型,先用训练样本进行训练和建模,然后预测测试样本的性别,结合PCR性别鉴定的结果,计算分类准确率。【结果】通过巢式PCR对207个胚胎进行性别鉴定,鉴定出71个雄性胚胎、128个雌性胚胎,8个样品扩增失败。猪ICSI雄性胚胎培养液在1082和1360 cm^(-1)拉曼位移处特征峰强度明显高于雌性胚胎,构建的胚胎性别鉴定模型的分类准确率为81.5%,雌性和雄性胚胎的分类准确率分别为81.3%和81.8%。【结论】本研究将拉曼光谱技术与SVM法相结合构建了胚胎性别鉴定模型,分类准确率达到81.5%,提供了一种新的、无损的胚胎性别鉴定方法。

摘要： 带钢边部的缺陷会直接影响冷轧板的生产,为了冷轧板的生产需求,提出一种改进的韦伯描述符和支持向量机(SVM)相结合的缺陷识别方法。该方法通过改进的韦伯描述符(L-WLD)提取带钢边部的缺陷纹理特征使用SVM来分类识别。

摘要： 癫痫发作具有突发性和反复性,给患者的生命安全带来巨大隐患。为了给患者提供有效的预警,结合时间和空间两个维度,选取模糊熵和皮尔逊相关性作为特征参数,分别衡量时序信号复杂度和空间通道间的相关性;利用F-score筛选出最优特征组合,既增加了预测的准确率又去除冗余信息;利用支持向量机(support vector machine,SVM)分类器识别癫痫发作前期和发作间期的颅内脑电信号。为验证该特征的预测效果,进行了模糊熵或皮尔逊相关性单独作为特征参数的对比试验。实验结果表明,与单一特征相比,时空特征的预测效果更好,准确率高达91.26%,误报率仅为2.32%。该方法能有效提取癫痫特征信息,为癫痫的临床预警提供新思路。

摘要： 本文提出一种LLE和SVM结合的人像识别方法。本文采用PCA与LLE相结合算法对光照归一化处理过的人脸图像进行特征提取,利用SVM的分类机制对人脸图像样本集进行训练和识别。LLE算法解决了非线性映射,能够降低数据维数,减少运算量,又很好的保留了各类人脸样本的拓扑结果。避免了人脸图像光照、姿态等因素对人脸识别的影响。在ORL人脸数据库上实验表明,本文方法在识别率上取得了较好的结果。

摘要： 本文提出一种LLE和SVM结合的人像识别方法。本文采用PCA与LLE相结合算法对光照归一化处理过的人脸图像进行特征提取,利用SVM的分类机制对人脸图像样本集进行训练和识别。LLE算法解决了非线性映射,能够降低数据维数,减少运算量,又很好的保留了各类人脸样本的拓扑结果。避免了人脸图像光照、姿态等因素对人脸识别的影响。在ORL人脸数据库上实验表明,本文方法在识别率上取得了较好的结果。

摘要： 本文提出一种LLE和SVM结合的人像识别方法。本文采用PCA与LLE相结合算法对光照归一化处理过的人脸图像进行特征提取,利用SVM的分类机制对人脸图像样本集进行训练和识别。LLE算法解决了非线性映射,能够降低数据维数,减少运算量,又很好的保留了各类人脸样本的拓扑结果。避免了人脸图像光照、姿态等因素对人脸识别的影响。在ORL人脸数据库上实验表明,本文方法在识别率上取得了较好的结果。

摘要： 本文提出一种LLE和SVM结合的人像识别方法。本文采用PCA与LLE相结合算法对光照归一化处理过的人脸图像进行特征提取,利用SVM的分类机制对人脸图像样本集进行训练和识别。LLE算法解决了非线性映射,能够降低数据维数,减少运算量,又很好的保留了各类人脸样本的拓扑结果。避免了人脸图像光照、姿态等因素对人脸识别的影响。在ORL人脸数据库上实验表明,本文方法在识别率上取得了较好的结果。

摘要： 在总结分析马田系统阀值确定方法的基础上，应用超球面支持向量机原理，构建了超椭球面支持向量机算法模型，并从理论上证明了此模型为二次锥规划模型。最后通过实例将超椭球面支持向量机算法应用于马田系统的阈值确定，得到了较高的判别正确率。

摘要： 在总结分析马田系统阀值确定方法的基础上，应用超球面支持向量机原理，构建了超椭球面支持向量机算法模型，并从理论上证明了此模型为二次锥规划模型。最后通过实例将超椭球面支持向量机算法应用于马田系统的阈值确定，得到了较高的判别正确率。

摘要： 在总结分析马田系统阀值确定方法的基础上，应用超球面支持向量机原理，构建了超椭球面支持向量机算法模型，并从理论上证明了此模型为二次锥规划模型。最后通过实例将超椭球面支持向量机算法应用于马田系统的阈值确定，得到了较高的判别正确率。

摘要： 在总结分析马田系统阀值确定方法的基础上，应用超球面支持向量机原理，构建了超椭球面支持向量机算法模型，并从理论上证明了此模型为二次锥规划模型。最后通过实例将超椭球面支持向量机算法应用于马田系统的阈值确定，得到了较高的判别正确率。

摘要： 在总结分析马田系统阀值确定方法的基础上，应用超球面支持向量机原理，构建了超椭球面支持向量机算法模型，并从理论上证明了此模型为二次锥规划模型。最后通过实例将超椭球面支持向量机算法应用于马田系统的阈值确定，得到了较高的判别正确率。

摘要： 提出了一种基于支持向量机(SVM)的FET非线性等效电路建模方法。本征元件模型建立采用Taylor级数展开式,其系数直接由各元件的支持向量回归(SVR)模型预测结果得出,具有较好物理意义。利用该方法建立了SiCMESFET非线性模型,计算得到的S参数和谐波特性与经验模型非常吻合。

摘要： 本发明提出一种基于SVM和GA‑SVM支持向量机的火炮发射系统故障诊断方法，尤其涉及SVM和GA‑SVM支持向量机针对火炮发射装置故障诊断的方法，属于军事自动化领域；为了解决火炮发射装置致身管温度过高、击发次数过大和击发速度过导致的故障问题，基于SVM和GA‑SVM支持向量机的火炮发射系统故障诊断方法，故障诊断过程包括结合SVM支持向量机来对火炮发射装置的身管构件和开关闭锁机构进行故障监测；以及通过多分类器将故障区进行故障监测；本发明能够准确确定故障出现的位置和具体故障的名称，相比于人工实时诊断，具有自动化程度高，耗时短，在实际战场中能高效地完成故障维修工作，确保火炮发射装置的使用顺利。

摘要： 本发明公开一种基于SVM支持向量机的单相接地故障判别方法和装置，方法包括：连续采集线路零序电压电流数据；响应于线路零序电压电流发生突变，获取突变时刻、突变时刻前一周波以及突变时刻后一周波的零序电压电流数据，并分别计算零序电压和零序电流的偏差值；基于零序电压电流偏差值，分别计算故障隶属度值；响应于突变时刻、突变时刻前一周波和后一周波对应的故障隶属度值中，存在任意一个不为0的情况，则将故障隶属度值及其所属时刻/时段信息作为预先训练得到的支持向量机分类器的输入，进而根据支持向量机分类器的输出判断是否发生单相接地故障。利用本发明可对系统发生的单相接地故障进行判别，判别结果准确可靠。

摘要： 本申请提供了基于支持向量机SVM的边坡系统失效概率计算方法，提出强度折减法SRM对稳定性系数进行评估，并采用初始采样点策略和主动学习函数，构建了原始极限状态函数LSF的主动学习支持向量机ASVM代理模型，将蒙特卡罗模拟MCS和ASVM代理模型相结合来评估边坡系统的失效概率，可以量化随机变量及其相关参数对边坡稳定性的影响，大大减少了初始样本点数，有效提高了计算效率，可自动识别土质边坡中任意形状的滑动面，在对具有复杂几何形状的层状边坡进行可靠度分析时更为方便。

摘要： 一种基于支持向量机SVM分类的连铸坯纵裂纹预测方法，属于钢铁冶金连铸检测技术领域。该方法分别提取纵裂纹和正常工况下温度的典型特征，构成温度典型特征样本库；利用支持向量机算法对特征样本库进行多轮训练和测试，得到最优SVM分类预测模型；利用最优SVM分类预测模型对在线实时温度的特征样本进行分类，以此预测连铸坯纵裂纹。本发明分别提取对纵裂纹温度较为敏感的第一、二排热电偶温度的典型变化特征，利用SVM分类方法对典型特征温度变化特征样本库进行训练和测试，最终得到最优的SVM分类预测模型，进而对在线实时温度进行预测，具有良好的鲁棒性和预测准确率，对提高铸坯质量和得到无缺陷铸坯具有重要意义。

摘要： 本发明公开了一种基于SVM算法的多声道超声流量计误差补偿方法，包括通过多声道超声流量计测量获取多个声道流量数据，同时提取环境温度与介质温度；将声道流量数据进行预处理得到不对称系数和积分速度；输入相关参数到支持向量机模型中，并设定误差作为输出，将输出的误差加到测量得到的示值上进行补偿，得到补偿结果；将补偿后的数据与原始数据进行对比，通过对比补偿前和补偿后的相对误差进行方法验证。本发明可以显著提高超声流量计的测量精度，降低影响因素产生的误差。

摘要： 本发明公布了一种基于支持向量机SVM的P帧中Intra预测模式快速判定方法，该方法利用支持向量机分类器决策P帧中是否选择Intra预测模式，在所述决策过程中，利用了帧间预测过程中产生的辅助特征，降低了P帧中Intra预测模式判定的误判率。本发明所提出的基于支持向量机的P帧中Intra预测模式快速判定方法能够在保证编码质量的前提下，显著提高编码速度。

摘要： 本发明提出一种基于SVM和GA‑SVM支持向量机的火炮发射系统故障诊断方法，尤其涉及SVM和GA‑SVM支持向量机针对火炮发射装置故障诊断的方法，属于军事自动化领域；为了解决火炮发射装置致身管温度过高、击发次数过大和击发速度过导致的故障问题，基于SVM和GA‑SVM支持向量机的火炮发射系统故障诊断方法，故障诊断过程包括结合SVM支持向量机来对火炮发射装置的身管构件和开关闭锁机构进行故障监测；以及通过多分类器将故障区进行故障监测；本发明能够准确确定故障出现的位置和具体故障的名称，相比于人工实时诊断，具有自动化程度高，耗时短，在实际战场中能高效地完成故障维修工作，确保火炮发射装置的使用顺利。

摘要： 本发明公开了一种基于支持向量机SVM的电子商务推荐方法，涉及电子商务推荐技术领域，包括以下步骤：预先对电子商务商品进行筛选，获取当前周期商品流行度信息和基于商品流行度订单的用户信息；获取基于商品流行度订单的用户信息，并基于该用户筛选评价信息，基于获取的有效信息，基于用户项目矩阵，使用关联推荐算法，计算待推荐对象之间的相似度，将获取的预测结果作为推荐结果。本发明实现解决了用户数据稀疏性问题，达到最佳预测评分效果，不仅通过基于商品流行度订单的用户信息，将将分数较高的商品推荐给用户，而且其增加推荐的精确度以及商品的流行度。

摘要： 本申请提供了基于支持向量机SVM的边坡系统失效概率计算方法，提出强度折减法SRM对稳定性系数进行评估，并采用初始采样点策略和主动学习函数，构建了原始极限状态函数LSF的主动学习支持向量机ASVM代理模型，将蒙特卡罗模拟MCS和ASVM代理模型相结合来评估边坡系统的失效概率，可以量化随机变量及其相关参数对边坡稳定性的影响，大大减少了初始样本点数，有效提高了计算效率，可自动识别土质边坡中任意形状的滑动面，在对具有复杂几何形状的层状边坡进行可靠度分析时更为方便。

摘要： 本实用新型涉及一种基于支持向量机SVM分类的自动故障诊断内燃机，包括安装于内燃机本体上的启动系统、燃油供给系统、冷却系统、配气机构和活塞组件，所述内燃机还包括分别与启动系统、燃油供给系统、冷却系统、配气机构、活塞组件连接的信号获取器，以采集各系统的运行数据；所述信号获取器由A/D转换器与信号处理器连接；所述信号处理器顺序连接SVM故障模式分类器和故障诊断显示器，该内燃机可自行诊断其故障，作出准确的判断并显示出来，方便人们对内燃机进行修理维护。