摘要：为解决数据源中相似重复记录样本稀少问题,提出一种基于多目标蚁群优化的单类支持向量机相似重复记录分类检测方法。根据记录对中2条记录是否相似,将相似重复记录检测建模为二分类问题,用单类支持向量机进行分类,并且只用不相似重复记录样本对进行训练;选择合适的属性相似度函数计算记录对之间的相似特征向量,将其作为单类支持向量机分类器的输入进行二分类检测;建立以查准率、查全率、特征数量综合最优为目标的多目标特征选择模型,结合训练样本为单类样本的特点,将启发式因子定义为类内散度最小化约束,设计了求解模型的多目标蚁群算法。通过将单类支持向量机算法和支持向量域描述算法、传统二分类支持向量机算法进行对比,结果验证了单类支持向量机算法的有效性和优越性。

摘要：针对采用多类分类方法进行白酒真假识别时存在的真酒样本和假酒样本（正类样本和异类样本）数量无法均衡以及异类样本无法全部获取的问题,提出应用单类支持向量机分别单独对每一种品牌的白酒训练单类分类器进行真假识别的方法。首先采用自主设计的电子鼻系统对不同品牌白酒进行采样测试;采样后的传感器阵列数据依次经过数据预处理、特征生成、特征选择降维处理,得到可用于分类的白酒样本;再通过格点搜索获取每种白酒单类分类器的最优参数;最后测试各个单类分类器对相应品牌白酒的真假识别效果。各单类分类器的真假识别率分布在93%~98%之间,结果表明,采用自主设计的电子鼻结合单类支持向量机可以很好地对白酒真假进行识别。

摘要：针对现有视频车辆检测方法存在高误检率、不完整及需要分类的样本数量大等问题,提出一种基于单类支持向量机的视频车辆检测方法。方法通过基于视频多帧统计的方法获得完整的车道背景图像,采用单类支持向量机获得车道背景模型,应用此模型检测车辆目标区域。实验结果表明,该算法具有所需样本量小,车辆检测完整,对光照的变化具有一定的自适应能力等特点。

摘要：针对最小二乘单类支持向量机存在易受噪声样本干扰和稀疏损失问题,提出一种稳健最小二乘单类支持向量机及其稀疏化方法。采用普通最小二乘支持单类向量机确定样本初始权值,通过迭代计算实现权值的优化和稳健分类,在稀疏化过程中,以训练精度最大化和支持向量数最小化为优化目标,建立多目标稀疏化优化模型,采用遗传算法进行求解。实验结果表明,该方法具有更高的分类精度和更优的稀疏性。

摘要：精准识别与提取水稻种植范围对于粮食估产和耕地有效利用具有重要价值。以往的研究针对于单一的关键物候期进行水稻的识别,导致水稻与某些地物在单一时相中光谱可区分性较差。以黑龙江省为研究区,在谷歌地球引擎(google earth engine,GEE)云平台的支持下,利用哨兵二号(sentinel-2 MSI)数据,使用单类支持向量机(one-class sup⁃port vector machine,OCSVM)对水稻进行了种植范围遥感识别提取,设计了一种基于像元的融合物候特征识别算法,首先对于研究区内的水稻进行时序性分析,通过建立4个关键物候期;然后对水稻和研究区内的其他地物进行物候特征的择优选择;最后将所选的物候特征融合进行水稻种植范围提取。结果表明,该方法的结果精度与实地调查数据相比总体精度(overall accuracy,OA)为0.969,Kappa为0.93。

摘要：Modbus TCP/IP协议作为工业控制系统中常用的通信协议,存在其自身的脆弱性。文章主要研究了Modbus TCP/IP协议的异常检测方法,首先介绍了基于单类支持向量机的异常检测模型的实现过程,对单类支持向量机选择不同的滑动窗口长度和核函数进行测试,设计与传统支持向量机、标准RBF算法、BP神经网络、异常检测模型的对比实验,并对实验结果进行分析。还设计了与基于功能码序列的异常检测模型的对比实验,验证选取功能码和寄存器地址组合对作为特征的优越性。

摘要：提出基于单类支持向量机的异常声音在线检测算法。该算法针对公共场合正常的环境声音,训练一个单类支持向量机模型,用来判断声音是否属于正常的环境声音,若不是则属于需要进一步识别的异常声音。采用窗长2秒的滑动窗对声音进行分窗,对每一个窗内的声音分帧并提取梅尔倒谱系数,短时能量,频谱质心,短时平均过零率等特征。采用基于帧之间互相关系数的方法对声音自动分段。最后对分段声音的判别结果进行中值滤波。当有连续多个帧被判别为异常时判定有异常声音出现。最后检验了算法在地铁背景条件下六类异常声音的漏检率和每小时误检次数,结果表明算法能有效检测到异常声音的发生而且误检次数较低。

摘要：在工业物联网中,风力涡轮机的数据采集与监视控制系统(SCADA)产生的海量数据因实时性要求,不适合直接送到云端处理。本文设计并搭建了一套基于边缘智能技术的微型风电机组设备状态监测系统。针对风电机组的转动、振动进行异常监测,对比并分析了OC-SVM、孤立森林和HBOS三种无监督异常检测算法结果。实验结果表明,单类支持向量机算法在转动异常测试集上的F1分数为0.997,在振动异常测试集上的F1分数为0.969,具有较好的实时异常检测效果。本文能够为边缘侧训练与推理方案的落地性验证提供一定的参考价值。

摘要：为解决样本类别不均衡问题,提出基于样本分布的类别均衡化算法。采用单类支持向量机和近邻法学习多数类样本,净化类别不清的分布边界;采用密度聚簇算法对少数类样本聚簇,根据每个类簇的权重决定每个类簇生成的样本数,平衡类簇间的样本数量;根据每个簇的边界样本与非边界样本数量比值,确定每个样本权重,采用SMOTE合成少数类样本。采用UCI数据集实验对比和地震数据分析应用,验证了算法在不同分类模型均可提高分类精度。

摘要：提出了一种高分辨率遥感影像中的水运航标提取算法.首先应用单类支持向量机分类器实现水陆分割,确定水陆边界.然后将水域中的小目标作为候选目标,基于目标几何和灰度统计特性进行初步筛选,获得疑似航标目标.再利用影像中航标窗口间的相关性,提出一种基于相关系数编组的航标判定方法.最后提出一种基于在线学习原理的漏检航标检测算法,即首先依据已经检测得到的航标的空间分布对漏检航标的可能位置进行估计,再依据已检测到的航标的先验知识在估计位置进行精确检测.利用QuickBird影像进行的实验结果表明了该方法的有效性.