基于粒子群优化鲁棒支持向量回归机的中长期负荷预测 被引量：21

1

作者 张雪君 陈刚 +2 位作者 周杰 马爱军 张忠静 《电力系统保护与控制》 EI CSCD 北大核心 2009年第21期77-81,共5页

支持向量机(SVM)已经成功地应用于解决非线性回归和时间序列问题,并且已经开始用于中长期负荷预测。提出了一种基于鲁棒支持向量回归机RSVR(Robust Support Vector Regression)的中长期负荷预测的新方法。给出利用粒子群优化算法对鲁棒... 支持向量机(SVM)已经成功地应用于解决非线性回归和时间序列问题,并且已经开始用于中长期负荷预测。提出了一种基于鲁棒支持向量回归机RSVR(Robust Support Vector Regression)的中长期负荷预测的新方法。给出利用粒子群优化算法对鲁棒支持向量机系数优化选择的方法。建立基于此原理的中长期负荷预测模型,算例分析比较验证本文方法具有预测精度高、计算量小等特点和优势。 展开更多

关键词 中长期负荷预测 鲁棒性 支持向量机 回归估计 粒子群优化算法

下载PDF 职称材料

融合Hu矩与BoF-SURF支持向量机的手势识别 被引量：18

2

作者 隋云衡 郭元术 《计算机应用研究》 CSCD 北大核心 2014年第3期953-956,960,共5页

基于尺度不变特征变换的特征包(BoF-SIFT)支持向量机的分类方法具有较好的手势识别效果,但是计算复杂度高、实时性较差。为此,提出了融合Hu矩与基于快速鲁棒特征的特征包(BoF-SURF)支持向量机(SVM)的手势识别方法。特征包模型中用快速... 基于尺度不变特征变换的特征包(BoF-SIFT)支持向量机的分类方法具有较好的手势识别效果,但是计算复杂度高、实时性较差。为此,提出了融合Hu矩与基于快速鲁棒特征的特征包(BoF-SURF)支持向量机(SVM)的手势识别方法。特征包模型中用快速鲁棒性特征(SURF)算法替换尺度不变特征变换(SIFT)算法提取特征,提高了实时性,并引入Hu矩描述手势全局特征,进一步提高识别率。实验结果表明,算法无论是实时性还是识别率都要高于BoF-SIFT支持向量机方法。 展开更多

关键词 手势识别 特征包模型 快速鲁棒特征 HU不变矩 支持向量机

下载PDF 职称材料

基于SURF和全局特征融合的图像分类研究 被引量：10

3

作者 梁进 刘泉 艾青松 《计算机工程与应用》 CSCD 2013年第17期174-177,194,共5页

针对SURF对图像局部特征具有极好的描述能力,但对于全局特征描述能力不强的缺点,提出将SURF和全局颜色特征相融合的图像分类算法,提取图像的SURF特征向量集,并利用随机直方图算法将该向量集进行数据归约成单一高维特征向量;提取图像HSV... 针对SURF对图像局部特征具有极好的描述能力,但对于全局特征描述能力不强的缺点,提出将SURF和全局颜色特征相融合的图像分类算法,提取图像的SURF特征向量集,并利用随机直方图算法将该向量集进行数据归约成单一高维特征向量;提取图像HSV颜色直方图;分别利用支持向量机(SVM)对这两种特征进行分类;将两个分类结果进行高层特征融合得到最终分类结果。实验结果表明,该算法显著提高了图像分类的准确率。 展开更多

关键词 快速鲁棒特征(SURF) 全局特征 随机直方图 支持向量机 特征融合

下载PDF 职称材料

基于模糊核聚类和支持向量机的鲁棒协同推荐算法 被引量：7

4

作者 伊华伟 张付志 巢进波 《电子与信息学报》 EI CSCD 北大核心 2017年第8期1942-1949,共8页

该文针对现有推荐算法在面对托攻击时鲁棒性不高的问题,提出一种基于模糊核聚类和支持向量机的鲁棒推荐算法。首先,根据攻击概貌间高度相关的特性,利用模糊核聚类方法在高维特征空间对用户概貌进行聚类,实现攻击概貌的第1阶段检测。然后... 该文针对现有推荐算法在面对托攻击时鲁棒性不高的问题,提出一种基于模糊核聚类和支持向量机的鲁棒推荐算法。首先,根据攻击概貌间高度相关的特性,利用模糊核聚类方法在高维特征空间对用户概貌进行聚类,实现攻击概貌的第1阶段检测。然后,利用支持向量机分类器对含有攻击概貌的聚类进行分类,实现攻击概貌的第2阶段检测。最后,基于攻击概貌检测结果,通过构造指示函数排除攻击概貌在推荐过程中产生的影响,并引入矩阵分解技术设计相应的鲁棒协同推荐算法。实验结果表明,与现有的基于矩阵分解模型的推荐算法相比,所提算法不但具有很好的鲁棒性,而且准确性也有提高。 展开更多

关键词 鲁棒推荐算法 托攻击 矩阵分解 模糊核聚类 支持向量机

下载PDF 职称材料

基于快速鲁棒特征集合统计特征的图像分类方法 被引量：5

5

作者 王澍 吕学强 +1 位作者 张凯 李卓 《计算机应用》 CSCD 北大核心 2015年第1期224-230,共7页

针对现有利用快速鲁棒特征(SURF)进行图像分类的方法中存在的效率低、正确率低的问题,提出一种利用图像SURF集合的统计特征进行图像分类的方法。该方法将SURF的各个维度及尺度信息视为各自独立的随机变量,并利用拉普拉斯响应区分不同数... 针对现有利用快速鲁棒特征(SURF)进行图像分类的方法中存在的效率低、正确率低的问题,提出一种利用图像SURF集合的统计特征进行图像分类的方法。该方法将SURF的各个维度及尺度信息视为各自独立的随机变量,并利用拉普拉斯响应区分不同数据。首先,获取图像的SURF向量集合;然后,分维度计算SURF向量集合的一阶中心绝对矩、带权一阶中心绝对矩等统计特征,并构建特征向量;最后,结合支持向量机(SVM)进行图像分类。在Corel 1K图像库上的实验结果表明,该方法查准率较SURF直方图方法和三通道Gabor纹理特征方法分别提高17.6%和5.4%。通过与HSV直方图特征进行高级特征融合,可获得良好的分类性能。与SURF直方图结合HSV直方图方法、三通道Gabor纹理特征结合HSV直方图方法、基于视觉词袋(Bo VW)模型的多示例学习方法相比,查准率分别提高了5.2%,6.8%,3.2%。 展开更多

关键词 快速鲁棒特征 图像分类 统计特征 随机变量 支持向量机

下载PDF 职称材料

基于主成分分析和支持向量机的鲁棒稀疏线性判别分析方法 被引量：3

6

作者 鞠厦轶 吕开云 +1 位作者 龚循强 鲁铁定 《科学技术与工程》 北大核心 2022年第26期11515-11523,共9页

线性判别分析(linear discriminant analysis,LDA)是一种基于监督学习的模式识别方法,在图像识别领域应用广泛。针对经典的LDA识别率不高、识别效率低以及鲁棒性不强的问题,提出了一种基于主成分分析(principal component analysis,PCA... 线性判别分析(linear discriminant analysis,LDA)是一种基于监督学习的模式识别方法,在图像识别领域应用广泛。针对经典的LDA识别率不高、识别效率低以及鲁棒性不强的问题,提出了一种基于主成分分析(principal component analysis,PCA)和支持向量机(support vector machine,SVM)的鲁棒稀疏线性判别分析方法。通过ORL人脸图像库、YaleB人脸图像库、COIL20物体图像库和UCI机器学习库中部分图像集,将本文方法与线性判别分析、鲁棒线性判别分析、基于L1范数和巴氏距离的鲁棒线性判别分析、鲁棒自适应线性判别分析和鲁棒稀疏线性判别分析6种方法进行比较。实验结果表明,在ORL人脸库、COIL20物体库和UCI机器学习库中的部分图像集中,本文方法的识别率和识别效率均高于其他5种方法。在YaleB人脸库加入椒盐噪声的条件下,本文方法的识别率均值为81.35%,说明提出方法的识别率和鲁棒性均优于其他5种方法。 展开更多

关键词 鲁棒稀疏线性判别分析 主成分分析(PCA) 图像识别 监督分类 支持向量机(svm)

下载PDF 职称材料

基于动量加速零阶减小方差的鲁棒支持向量机 被引量：4

7

作者 鲁淑霞 蔡莲香 张罗幻 《计算机工程》 CAS CSCD 北大核心 2020年第12期88-95,104,共9页

在实际分类问题中,由于人为或其他因素的影响,数据中往往存在一定的噪声,而传统支持向量机(SVM)使用的铰链损失函数对噪声数据敏感,且分类性能较差。为消除噪声数据的影响,提出一种新的鲁棒SVM算法。通过引入新形式的损失函数,并基于间... 在实际分类问题中,由于人为或其他因素的影响,数据中往往存在一定的噪声,而传统支持向量机(SVM)使用的铰链损失函数对噪声数据敏感,且分类性能较差。为消除噪声数据的影响,提出一种新的鲁棒SVM算法。通过引入新形式的损失函数,并基于间隔分布的思想,建立鲁棒SVM优化模型提高SVM的抗噪性,运用零阶减小方差算法并结合动量加速技术,给出一种新的优化模型求解方法。实验结果表明,该方法通过引入梯度修正项降低了方差对算法的影响,同时结合动量加速技术,明显提高了算法的收敛速度。 展开更多

关键词 噪声 零阶梯度 方差 动量加速 鲁棒支持向量机

下载PDF 职称材料

不平衡数据分类问题的基于间隔放大损失的支持向量机 被引量：1

8

作者 王众 鲁淑霞 《重庆邮电大学学报（自然科学版）》 CSCD 北大核心 2023年第1期70-78,共9页

针对不平衡数据分类问题,提出了一种带有间隔感知标签分布损失函数的支持向量机,称为基于间隔放大损失的支持向量机(support vector machine with margin magnification loss,MM-SVM)。考虑各类样本的分布情况以及数据不平衡比,设计了... 针对不平衡数据分类问题,提出了一种带有间隔感知标签分布损失函数的支持向量机,称为基于间隔放大损失的支持向量机(support vector machine with margin magnification loss,MM-SVM)。考虑各类样本的分布情况以及数据不平衡比,设计了一种间隔放大损失函数,最小化基于间隔的泛化误差界;将间隔放大损失函数应用于SVM模型中,增强了少数类样本对分类超平面的影响,实现对少数类样本的准确分类。在Keel和UCI数据库上的实验表明,MM-SVM在不平衡数据分类精度和时间效率上均优于其他5种对比方法,实现了对不平衡数据的有效分类。 展开更多

关键词 非平衡 间隔 鲁棒性 支持向量机(svm)

下载PDF 职称材料

一种鲁棒水声基阵波束形成方法的研究 被引量：3

9

作者 崔琳 李亚安 房媛媛 《计算机仿真》 CSCD 北大核心 2013年第6期335-339,共5页

研究水声基阵波束形成器的鲁棒性问题。由于水声信号的复杂性以及波束形成方法在处理水声基阵的实际问题时存在各种误差,为提高波束形成器的鲁棒性,提出一种改进SVM的方法。首先在支持向量回归运算模型中引入加载量,再利用拉格朗日法来... 研究水声基阵波束形成器的鲁棒性问题。由于水声信号的复杂性以及波束形成方法在处理水声基阵的实际问题时存在各种误差,为提高波束形成器的鲁棒性,提出一种改进SVM的方法。首先在支持向量回归运算模型中引入加载量,再利用拉格朗日法来对含有Hubert损失函数的回归模型进行计算,并将改进方法应用于水声基阵,不仅可以减小运算量,同时可以提高波束形成器的鲁棒性。最后通过计算机仿真和水池实验数据验证,并与加载采样矩阵求逆(Loading Sample MatrixInversion,LSMI)方法进行对比。实验结果表明:在无失配、水声基阵接收信号的方向存在偏差以及基阵阵元存在轻微扰动的各种情况下,都具有比LSMI强的鲁棒性。 展开更多

关键词 水声基阵 鲁棒性 支持向量机 加载采样矩阵求逆

下载PDF 职称材料

基于稀疏最小二乘支持向量回归的非线性自适应波束形成 被引量：2

10

作者 王录涛 金钢 +1 位作者 徐红兵 王文平 《电子与信息学报》 EI CSCD 北大核心 2012年第9期2045-2050,共6页

该文基于最小二乘支持向量回归(LS-SVR)模型提出一种非线性自适应波束形成算法,以提高模型失配、小样本数、复杂多干扰等情况下的自适应波束形成器的鲁棒性。推导了高维矩阵逆矩阵求解的递推快速算法,实现了回归参数的实时求解。采用奇... 该文基于最小二乘支持向量回归(LS-SVR)模型提出一种非线性自适应波束形成算法,以提高模型失配、小样本数、复杂多干扰等情况下的自适应波束形成器的鲁棒性。推导了高维矩阵逆矩阵求解的递推快速算法,实现了回归参数的实时求解。采用奇异性准则实时寻找输入样本集的具有较小信息冗余度的子集,并在该子集上完成波束形成计算,使得LS-SVR波束形成的求解得以稀疏化,提高了学习效率,降低了计算复杂度与系统存储空间需求。对比仿真结果验证了所提算法的正确性和有效性。 展开更多

关键词 信号处理 鲁棒自适应波束形成 最小二乘回归 支持向量机 稀疏化

下载PDF 职称材料

基于加速鲁棒特征和多示例学习的目标跟踪算法

11

作者 白晓红 温静 +1 位作者 赵雪 陈金广 《计算机应用》 CSCD 北大核心 2016年第11期2974-2978,共5页

针对照明变化、形状变化、外观变化和遮挡对目标跟踪的影响,提出一种基于加速鲁棒特征(SURF)和多示例学习(MIL)的目标跟踪算法。首先,提取目标及其周围图像的SURF特征;然后,将SURF描述子引入到MIL中作为正负包中的示例;其次,将提取到的... 针对照明变化、形状变化、外观变化和遮挡对目标跟踪的影响,提出一种基于加速鲁棒特征(SURF)和多示例学习(MIL)的目标跟踪算法。首先,提取目标及其周围图像的SURF特征;然后,将SURF描述子引入到MIL中作为正负包中的示例;其次,将提取到的所有SURF特征采用聚类算法实现聚类,建立视觉词汇表;再次,通过计算视觉字在多示例包的重要程度,建立"词-文档"矩阵,并且求出包的潜在语义特征通过潜在语义分析(LSA);最后,通过包的潜在语义特征训练支持向量机(SVM),使得MIL问题可以依照有监督学习问题进行解决,进而判断是否为感兴趣目标,最终实现视觉跟踪的目的。通过实验,明确了所提算法对于目标的尺度缩放以及短时局部遮挡的情况都有一定的鲁棒性。 展开更多

关键词 加速鲁棒特征 多示例学习 潜在语义分析 目标跟踪 支持向量机

下载PDF 职称材料