基于SVM的相关反馈图像分类和检索方案

图像获取和存储技术的进步可以获得包含大量有用信息的图像数据,在传统的图像分类和检索方案中,图像的低级视觉特征和高级概念之间存在着较大的语义间隔,导致图像的分类和检索效果不佳.针对该问题,提出了一种基于SVM相关反馈的图像分类和检索方案.该方案通过缩窄图像的领域,利用机器学习方法建立图像类的模型,并使用一种优化的SVM相关反馈图像检索方法学习图像的类别,将学习到的模型用于图像的分类和检索.实验结果表明,此方案能够高效的检索出较多相关图像,并对其进行有效分类.     

公路工程造价估算的支持向量机模型分析

传统的工程造价计算方法所需要的时间长、参数多,且在工程明细项、工程量清单无法准确确定时,计算出来的工程造价相差很大,采用数学模型估算造价有其必要性。在公路造价估算中,由于其分项工程相对单一,工程量计算相对简便,因此,利用公式模型来估算其造价相对准确。通过工程实践,将公路工程造价估算的支持向量机模型引入,并运用MATLAB程序将其实现,克服传统神经网络模型存在的网络模式难以确定、估算结果精度不足等问题,具有广阔的应用前景。     

����SVM�ij��п���·�г�ʱ��Ԥ���о�

随着城市快速路交通信息采集系统的发展,特别是视频车牌采集系统的应用,使实时动态获得快速路行程时间成为可能,同时也促进了高精度行程时间预测的理论研究和实际应用需求. 本文基于快速路车牌识别数据检测的海量历史时间序列数据,选择预测时段的前4个时段的数据作为输入特征值,以遗传算法建立模型参数优化算法,得到训练模型及其参数,从而实现车辆行程时间的动态预测. 最后以上海市快速路系统中的三个典型路段的实测数据进行实例分析. 结果表明：与传统的指数平滑法、多元回归法、ARIMA法预测结果对比,基于SVM的预测路段平均绝对百分误差在5%以内,希尔不等系数非常接近0,SVM模型显示了更高的预测精度.     

基于支持向量机的船舶交通流量预测模型

针对船舶交通流的随机性大,影响因素多,船舶交通流量预测的准确度不高等现象,基于支持向量机理论,结合长江苏通大桥断面的观测数据,建立支持向量机的预测模型进行短期的船舶流量预测.预测结果与实际流量比较一致,优于SPSS线性回归的预测效果.验证了支持向量机预测模型在船舶流量短期预测中的可行性.     

一种新的图像中人眼定位方法

采用一种人脸-人眼两层结构的定位方法.首先利用YCbCr空间的肤色模型粗定位可能的人脸区域,然后利用支持向量机的训练结果组成分类器,对人眼进行初检,最后根据人脸特征完成信息融合,最终标定人眼.实验结果表明:该方法在简单及复杂背景下都能够得到较高的定位速度和精确度,具有较好的鲁棒性.     

美海军DDG-1000全舰计算环境体系结构探析

作为美海军新型多任务驱逐舰DDG-1000的关键技术之一,全舰计算环境(TSCE)代表了舰船信息系统集成技术的先进水平,带来了舰船系统设计和集成方式的变化。在描述TSCE的项目背景、系统概况、技术架构、任务系统以及海军开放式体系结构(OA)等的基础上,分析全舰计算环境基础设施(TSCE-I)的结构和组成,包括数据处理、适配、人机接口、网络等基础设施,以及实现面向服务架构(SOA)的相关技术权衡,得出公共计算服务环境是未来舰船提高综合作战能力和信息化水平的有效手段。并根据分析研究,提出了开展TSCE研制必须突破的几项主要关键技术。     

交通事件小波分解与支持向量机声频识别方法

分析了现有交通事件自动检测和识别方法,提出了应用小波分解与支持向量机相结合的交通事件声频识别方法。将车辆行驶的声音信号进行小波分解,以不同频段的重构信号能量作为特征向量,对由多个支持向量机构成的交通事件分类器进行训练,并对正常行驶、刹车和碰撞事件的声音信号进行识别。试验结果表明:利用车辆声音信号能够正确识别不同的交通事件,识别准确率达95%,识别方法可行。     

基于支持向量机理论的经济圈交通网络评价研究

为快速高效地对经济圈交通网络进行评价分析,在确定经济圈交通网络评价指标后,采用新的评价方法——基于支持向量机的综合评价方法,通过计算机编程对样本数据学习,能较好地识别经济圈交通网络的评价等级。支持向量机对小样本、非线性的数据具有较好的学习识别能力,对具有相同数据特性的经济圈交通网络评价指标数据进行模式识别,可以准确地判断经济圈交通网络发展水平所属等级。最后对珠三角和长三角经济圈交通网络评价指标数据进行验证,并与基于BP神经网络的评价方法进行对比分析,结果表明该方法客观、准确,具有较高的评价效率。     

一种利用骨架提取和SVM分类的颗粒表征方法

集料级配是影响沥青路面抗滑和减噪性能的最主要因素,基于机器视觉技术,提出一种集料粒径高精度无损检测方法,结合骨架提取和支持向量机（SVM）算法来实现集料颗粒粒度分布的精确估计,为保证集料级配质量提供了有效手段。集料颗粒图像由数字相机获取,图像标定基于NI视觉助手Vision Assistant软件完成。颗粒骨架图像采用Skeleton-M骨架提取算法提取,针对所出现的骨架断裂情况,使用形态学膨胀和细化算法完成骨架修复;然后基于颗粒骨架图像提出颗粒粒径表征算法,基于骨架端点个数提出颗粒棱角表征方法;最后,通过提取颗粒图像特征参数,使用SVM算法对颗粒粒径分布进行精确估计。在颗粒棱角性表征方面,将所提出的颗粒骨架棱角性表征法与AIMS系统的梯度棱角法、未压实空隙率集料颗粒棱角法进行了比较。结果表明：与目前常见的粒径表征方法相比,所提出的方法可以较好地实现颗粒粒径表征和颗粒棱角性表征,所采用的基于多特征的SVM颗粒分档算法可以有效实现颗粒粒径分档,筛分档间的分档精度最高可达95%以上。