摘要：为提高手机安全性,提出一种基于svm的用户操作行为认证方法.通过监听手机触摸屏设备,持续获取用户操作时的滑动轨迹、接触面积等原始数据.设计用户行为特征提取算法以建立用户特征样本,经svm算法加以训练形成用户行为特征模型;综合用户访问目标及历史认证结果采用不同认证策略,达到重点保护敏感数据,方便用户访问非敏感数据的效果.在Android系统环境下的实验验证表明,该方法具有良好的认证效果.

摘要：微博作为人们获取和传播信息的重要平台,是分析掌握大众舆情的重要数据源.为了掌握航天事件对舆论的影响,对航天相关微博数据进行情感分析,通过人工构建训练数据集、特征设计和svm模型训练,建立了判断航天相关微博情感正极性和负极性的方法.实验结果表明:该方法有着较高的准确率和召回率,验证了所提方法在航天相关微博情感分析判断方面的有效性.

摘要：气体绝缘组合电器(Gas Insulated Switchgear)局部放电检测对于保证其安全可靠运行具有重要的意义。为了对变压器故障进行有效诊断,试验设计了4种典型缺陷模型。用超声波法提取局部放电信号,得到局放分布图谱,获得了局放特征参数。根据所提取的特征参数的特点,通过支持向量机(svm)分类算法对典型缺陷信号进行了模式识别。

摘要：在计算机领域,除了传统的、经典的知识以外,众多从事该行业的工作者、学生等还需要掌握当今最前沿的技术,以及不断了解最新的领域知识。因此阅读期刊论文、查看会议报告等是我们获取知识过程中非常重要的一个环节。众多外文文献以pdf或纸质的形式存在不仅在记录笔记方面不方便,同时对于英文较差的行业从事者也是一个非常大的挑战。为了解决这类问题,本文设计了一种基于svm分类算法的英文识别工具,将阅读内容转化成word形式,既可以随意的进行更改,又可以方便利用翻译软件进行翻译,大大提升了阅读效率。

摘要：运用MATLAB软件对乳腺癌X光片做预处理、特征提取、基于svm算法的分类器识别及辅助诊断。经反复实验完成纹理特征提取、核函数选取、参数优化、样本优化等步骤,为影像学医师的诊断预测提供一种便捷有效的辅助方式,减轻了医生的工作量,提高了医生的工作效率,降低漏诊误诊的机率。

摘要：数字化信息时代,电子邮件极大方便了人与人之间的通信,尤其体现在时效性和便捷性上。但随着互联网大潮的强势来袭,各色的电子邮件也开始堆满了人们的电子信箱。如何实现对电子邮件的自动归类,以及如何自动过滤掉垃圾邮件的问题,便日益变得突出与重要。文本的自动归类是信息处理领域的一个重要研究方向。该分类系统中,基于文本训练与分类算法的文本分类模块又是该系统设计里的重点与核心。旨在现有主流的文本训练与分类算法下,浅析各种算法的优劣,并提出一种改良版的"高性价比K-svm算法",实现对电子邮件的自动归类。并通过实验去论证该算法的优良性,实现对邮件更精准、更优良的分类。

摘要：本文基于svm算法进行高考语文中现代文阅读材料体裁自动化分类。首先设计体裁分类一般流程,其次着重介绍符号特征、词性特征、词汇特征以及svm算法,最后基于词汇特征+符号特征+词性特征方法进行体裁分类实验。实验结果表明,基于词汇特征+符号特征+词性特征方法通过svm算法分类器自动化分类现代文阅读材料体裁,可有效抽取体裁分类主要特征,且分类器性能良好,在高考测试集上的平均准确率可达到96.9%与97.8%,可切实提高高考语文中现代文阅读材料体裁自动化分类效率与准确性。

摘要：本文建立了一种基于svm算法的红外测量皮下脂肪厚度的模型,设计并完成了40例人体实验,测量了每名被试者身体20个部位的皮下脂肪厚度,并采用非线性方法建立了6个回归模型(全数据、分段数据、去肩胛骨数据、上肢数据、下肢数据、腹部数据),将模型的预测值与B超测量值进行相关性分析。结果发现,分部位模型比全数据模型预测更准确,其中上肢模型最为理想,与B超测量值的相关系数大约为0.9。在该便携式脂肪厚度测量仪中采用分部位线性模型可以较准确、快捷地预测皮下脂肪厚度。

摘要：互联网的蓬勃发展使得文本数据呈指数型增长态势,如何实现文本内容的高效分类成为信息资源管理工作面临的紧要问题。本文以维普学术期刊资源与百度新闻网页作为基础语料集,基于LDA模型抽取文档主题、切分文本内容,融合集成学习Catboost算法获得文档在主题上的概率分布,然后利用训练集提取出的隐含主题-文本矩阵进行分类器训练,最终构建文本分类系统。研究结果显示,该系统能够有效完成文本混合自动分类,分类误差率较低,分类性能明显优于传统的文本分类方法。

摘要：针对大数据环境下并行支持向量机(svm)算法存在冗余数据敏感、参数选取困难、并行化效率低等问题,提出了一种基于Relief和BFO算法的并行svm算法RBFO-Psvm。首先,基于互信息和Relief算法设计了一种特征权值计算策略MI-Relief,剔除数据集中的冗余特征,有效地降低了冗余数据对并行svm分类的干扰;接着,提出了基于MapReduce的MR-HBFO算法,并行选取svm的最优参数,提高svm的参数寻优能力;最后,提出核聚类策略KCS,减小参与并行化训练的数据集规模,并提出改进Csvm反馈机制的交叉融合级联式并行支持向量机CFCPsvm,结合MapReduce编程框架并行训练svm,提高了并行svm的并行化效率。实验表明,RBFO-Psvm算法对大型数据集的分类效果更佳,更适用于大数据环境。