检索结果

Select

1. 结合概率和等价类的双系数支持向量机

王琳闫德勤梁宏霞

计算机应用 2009, 29 (12): 3263-3266.

摘要（1695）

PDF （688KB）（1321）

支持向量机(SVM)的有效性依赖于对数据信息获取的准确性。针对传统SVM模型获取数据信息单一导致分类精度不高、泛化能力不强的问题,结合概率分布特性和等价类关系,提出了一种双系数控制分类的新模型。该模型优化了SVM,以双系数方式改进传统参数,为每一个样本同时赋予概率值和等价类系数,充分挖掘数据信息内在规律和联系。实验结果证明：该模型能有效利用数据信息,与SVM、FSVM和RSVM相比有较高的测试精度,能有效提高分类能力,具有较高鲁棒性。

相关文章 | 多维度评价

Select

2. 基于熵和蚁群聚类算法的模糊支持向量机

王琳闫德勤梁宏霞

计算机应用 2009, 29 (07): 1890-1893.

摘要（1548）

PDF （593KB）（1362）

摘要: 模糊支持向量机(FSVM)对传统支持向量机(SVM)在对外围点和噪声数据敏感的缺陷做了重要改进。选取合适的聚类中心计算符合数据本身特征分布的隶属度，能使分类更加准确，提高测试精度。论文基于模糊支持向量机思想，提出一种新的模糊聚类模型—基于熵和蚁群聚类算法的模糊支持向量机(EAFSVM)，为聚类中心和隶属度的计算提出了新方法。实验对比传统SVM和FSVM，结果表明EAFSVM测试精度较高，尤其对多类数据、大规模数据具有较好的分类能力。

相关文章 | 多维度评价

Select

3. 基于支持向量机的彩色图像水印算法

贝依林闫德勤梁宏霞李克秋

计算机应用

摘要（1980）

PDF （1937KB）（1026）

提出了一种基于回归型支持向量机(SVR)的盲检测彩色图像水印算法。为了改善可见性，根据人眼视觉特性（HVS）自适应选择其嵌入位置。水印嵌入是通过修改图像中像素蓝色通道信息来实现，水印提取时结合图像局部相关性，选取稳定的特征向量并获取SVR训练模型，进而利用SVR训练模型进行预测提取数字水印信息。在嵌入过程中通过高斯模板来均衡调整嵌入水印后对宿主图像影响的强度，仿真实验证明本文算法不仅具有非常好的透明性，而且对诸如叠加噪声、JPEG压缩、平滑滤波、几何变换、图像增强等攻击也具有很好的鲁棒性。