摘要：为获取居民公交出行的换乘信息,设计了一套基于多分类支持向量机(multi-class support vector machine)的公交换乘识别方法.通过融合GPS数据和公交IC卡数据获取训练样本,利用多分类支持向量机进行样本训练,选取最佳训练样本量,并采用网格搜索法结合粒子优化算法对模型参数进行标定,以获取最优SVM分类模型.测试结果显示模型分类精度可达90%.以佛山市公交车GPS数据和IC卡数据对算法进行验证,并获取公交换乘量、公交换乘比例等基本换乘数据.结果表明:算法可在少样本条件下完成公交换乘识别,且分类识别精度高,尤其适用于公交线网复杂的大城市公交换乘识别,有助于在公交前期规划时进行线路布设和枢纽选址.

摘要：分析了现有控制图识别器在实际应用中存在的缺陷,并提出了一种基于支持向量机(SVM)的新方法.为了克服HAH多分类SVM(HAH-SVM)的缺陷,提高识别速度和准确率,设计了一种有针对性的SVM多分类器进行模式识别.仿真实验结果表明,该方法相对现有的BP和HAH-SVM方法能得到更高的识别率和识别速度,适合于工序的实时在线控制.

摘要：前端组件涉及多个数据流,包括用户输入、服务器返回的数据等,恶意脚本会隐藏在这些数据流中,且跨站脚本攻击存在变异性和不确定性,导致对其检测困难。因此,提出一种Web前端组件中的跨站脚本攻击检测算法。使用基于网络爬虫的Web前端组件跨站脚本信息抓取模型,抓取不重复冗余的Web前端组件跨站脚本信息;再将所抓取的脚本信息作为多分类支持向量机算法的训练样本。检测之前,在权威Web漏洞提交平台Exploit-db中,提取大规模变形跨站脚本信息样本,使用训练完毕的多分类支持向量机对抓取的脚本信息进行分类和检测。实验结果表明,所提算法对100条反射型跨站脚本攻击、50条存储型跨站脚本攻击、10条DOM型跨站脚本攻击的数据分类结果准确,且分类结果的样本分布中,攻击跨站脚本会按照攻击类型有序分布。

摘要：提出一种基于三维类内散度的多分类支持向量机的肺部结节识别算法.首先设计可直接处理基于三维矩阵模式的输入样本的多分类SVM,并结合最小类内散度SVM,进一步提出基于三维最小类内散度的多分类SVM.该方法通过直接分析肺部候选结节的三维特征并继承最小类内散度SVM的优点,有效提高分类器的识别精度,降低假阳性.利用其它4种计算机辅助肺部结节检测算法及两位放疗师作为比较,对于来自吉林省肿瘤医院的200组临床病例进行实验,结果证明三维最小类内散度多分类SVM在计算机辅助肺部结节识别中的优越性.

摘要：针对地铁环境无法实时监控风机运行状态且故障发生后故障类别无法快速识别等问题,提出了一种基于多分类支持向量机的智能故障诊断方法。首先,通过振动传感器实时采集风机振动、位移信号,采用支持向量机机器学习算法构建故障诊断模型。然后,通过故障案例库及历史采集数据集对模型进行强化训练学习,获得最优模型。最后,将振动传感器采集的实时信号进行频谱分析及模糊化处理,输入故障诊断模型,识别出风机实际故障类型,自动完成故障派修。实验结果表明,所提方法能够在线快速识别风机故障并迅速做出响应,切实提升了地铁风机安全运营的可靠性及设备运维的智能化水平。

摘要：本文针对传统脸型分类算法特征点定位不准和过度依赖轮廓曲线的问题,提出了一种人脸轮廓圆形邻域局部特征表达方式和脸型分类模型。首先,初步定位脸型轮廓特征点;然后,在特征点周围选取三重八连通圆形邻域,通过计算一级邻域、拓展邻域与中心区域间的纹理变化,生成二进制编码序列,构造脸型局部特征向量;最后,设计OVO-RBF-SVM多分类模型,实现脸型分类。本文方法在CAS-PEAL人脸库上进行脸型类型判别,获得了94.28%的准确率;在相同情况下,分别与基于主动形状模型和基于下颌曲线模型的脸型类型判别方法进行对比,准确率分别提高了6.64%和6.58%。本文所研究的方法在一定程度上解决了特征点定位相对不准确导致误差增加的问题,同时尽可能多利用图片原始信息,保证轮廓特征提取的准确率,具有较强的鲁棒性。通过实验证明本文方法适用于脸型分类。

摘要：自动安全换道是车辆实现无人驾驶的关键,为精确识别行驶车辆换道状态,保证行车安全,设计了一种基于多分类支持向量机(Multi-class Support Vector Machine,Multiclass SVM)的车辆换道识别模型。从NGSIM数据集中选取美国101公路车辆轨迹数据进行分类处理,并将车辆换道过程划分为车辆跟驰阶段、车辆换道准备阶段和车辆换道执行阶段。采用网格搜索结合粒子群优化算法(Grid Search-PSO)对SVM模型中惩罚参数C和核参数g进行寻优标定,利用多分类支持向量机换道识别模型对样本数据进行训练和测试,模型测试精度达97.68%。研究表明,模型能够很好地识别车辆在换道过程中的行为状态,为车辆换道阶段的研究提供支持。

摘要：针对彩色图像分割问题,将Curvelet变换与SVM理论相结合,形成了有效的彩色图像分割新方法。通过曲波变换将彩色图像分解到各通道,用Mean Shift找到各通道上特征图像的模式点,再用模式点周围的样本训练SVM,用训练好的SVM对各通道样本进行精确分类,把所有通道滤波后的图像进行重构,使癌细胞凸显并二值化。该方法可以快速,精确地定位到多目标物边界。通过MATLAB进行仿真实验,表明了该方法的有效性。

摘要：手指康复运动具有高移动精度与高控制分辨率的需求,加上因人而异的数据多样性,以及在运动过程中的模糊信号识别等问题,实时准确的手指姿态识别能够大大提高手指的康复效果。针对这一问题,本文提出了一种简易、便携的手指姿态识别系统设计。使用多分类支持向量机对手部运动进行分析和识别,大量训练者所采集到的数据分为离线训练集和在线测试集,经过大量的离线训练与在线测试,结果表明,多分类支持向量机在分类和识别过程中具有高效性和实用性,并且极大可能有助于手指的康复过程。

摘要：支持向量机方法基于小样本的统计学习理论,其本质上是个优化和分类问题。设计了一种使用遗传算法优化多分类支持向量机参数,并将参数优化后的多分类支持向量机用于电力变压器故障识别的方法。该方法对色谱分析法检测到的特征气体含量进行数值预处理,提取出故障识别所需要的n+1个特征量,然后利用数值预处理后得到的数据样本对多分类支持向量机进行训练和识别,通过输出结果判断变压器所处的状态,以达到设备状态监测的目的。