基于Matlab分析的Gabor滤波技术和SVM在交通标志识别中的应用研究

本文将现代统计学理论中的支持向量机技术与Gabor滤波技术相结合,提出一种基于支持向量机的交通标志识别方法,并使用MATLAB工具设计出一个简单的实验验证平台。整个系统由图像处理、特征提取、SVM分类器3个模块构成。首先对数码相机采集到的图像进行色彩分割处理,将得到的GRAY图进行Gabor滤波处理,将提取到的特征量与数据库中的基准元素通过使用SVM算法进行分类,最终实现了对交通标志的准确识别。     

运筹帷幄，逆势增长——沃尔沃建筑设备中国产第一万台挖掘机在沪下线

2010年5月6日,沃尔沃建筑设备迎来了其在华发展的又一个里程碑——中国本土生产的第一万台挖掘机正式下线。沃尔沃建筑设备全球总裁Olof Persson、亚太区总裁Eberhard Wedekind和中国市场总裁罗东先生等高管,携中国员工代表和媒体朋友出席了在上海沃尔沃建筑设备技术和客户支持中心举行的下线庆典仪式。中国产第一万台挖掘机顺利下线,预示着沃尔沃建筑设备在华发展已达到一个新的高度,进入快速增长的通道。     

基于加速混沌优化算法的支持向量机参数选择

针对支持向量机参数选择问题,以惩罚系数、不敏感系数和RBF核函数中的宽度系数为优化变量,采用Chebyshev映射代替Logistic映射产生初始混沌序列,改变原有的搜索公式及增加3次载波,提出了一种改进的加速混沌优化算法(ISCOA)。将该算法应用于人工数据集和实际数据集中,并与常规的交叉验证法进行比较。试验结果表明:在人工数据集中,采用ISCOA在时间上缩短了至少23.43%,精度上提高了至少6.31%;在实际数据集中,预测值更接近实际值,相对误差均控制在3.13%以下,该算法具有较高的预测精度和寻优效果。     

船员素质现状分析及对策

本文通过分析目前船员队伍的现状,从船员自身、培训、监管等方面列举影响船员素质提高的原因,并对如何提高船员素质从管理主体的监管和自律、培训激励制度、船员心理和业务素质等方面提出了建议,各个单位共同合作,真抓实干,将提高我国海船船员素质的系统工程做好。     

稳健的多支持向量机自适应提升算法

AdaBoostSVM容易受到离群点的干扰从而影响到算法的泛化性能.离群点是不反映一般规律的数据点,当被错分的数据含有离群点时,AdaBoostSVM会不断地给离群点赋予很大的权重,进而影响到提升的分类准确率.针对这一问题,提出了RAdaBoostSVM算法,通过对权重过大的误分类样本用和它相邻近的几个样本的中心来代替,有效地减小了离群点对提升效果的影响.与AdaBoostSVM算法相比,RAdaBoostSVM对离群点更加稳健更适合于噪声条件下的分类问题.在基准数据集上的实验结果验证了算法的有效性.     

SVM在缸套—活塞磨损状态监测中的应用研究

以发动机振动信号的5个时域及幅域特征(二次矩、四次矩、最大绝对值、时间二次矩和最大幅值点)为特征参数,以4类间隙值作为预测结果,建立了基于RBF核函数支持向量机(SVM)的缸套—活塞磨损间隙预测模型。通过仿真试验研究了核宽度σ和惩罚系数C对分类器性能的影响,结果表明,选择合适的σ和C值可以使分类器的性能达到最佳,为缸套—活塞磨损状态监测提供了一条新思路。     

基于最小二乘支持向量机的车型识别算法研究

以感应线圈车辆检测器检测数据为分析基础,给出了基于Bayes理论的感应曲线自适应特征提取流程和方法,对选取的12个统计特征指标进行提取和优选。选择了曲线宽度、最大值、波峰数量、最小波谷值和波谷比组成车型识别模型的特征输入向量,不仅降低了输入向量的维数,缩短了最小二乘支持向量机的训练时间,同时也可加快车型识别的分类速度,增强特征值的分类辨别能力,提高车型分类的可靠性。在提出的基于最小二乘支持向量机的车型识别算法中,采用了修剪算法,加快了计算速度,同时保持了良好的回归性能。通过实例分析证明:基于最小二乘支持向量机的车型识别算法可提高自学习能力和识别准确率。     

公交不雅广告背后的无奈与无助

每一个公交公司选择用不雅广告包装自己的同时,背后都有着难以言喻的无奈与无助。我们希望各地政府能够加大对公交的政策和财政支持力度,让公交摆脱无奈与无助的困境。     

“超能技师”第四次培训北京举办

<正>"超能技师"技术服务平台成立于2009年6月,由马勒、曼·胡默尔、梅施、斯凯孚以及天合五家国际零部件供应商在中国率先成立,美国阿菲尼亚公司携旗下品牌"雷贝斯托"和"     

城市交通枢纽短期客流量的组合预测模型

客流量的预测对交通枢纽内部组织方案和应急预案的调整起着重要作用,为了更为精确地对交通枢纽短期的客流量进行预测分析,通过分析交通枢纽客流量的变化特点,对比各种预测方法的优缺点,建立了综合BP神经网络和最小二乘支持向量机的组合预测模型,通过BP神经网络初步预测,再利用最小二乘支持向量机的修正,完成对交通枢纽客流量的预测。实际数据验证表明,相比单一的预测模型,文内提出的模型能够将交通枢纽的客流量的预测精度提高约1%,表明论文中方法能够克服单一模型带来的不确定性。