【摘 要】
：
提出了基于最小体积覆盖椭球的容差SVM分类器设计新方法。对于二类支持向量机容差分类器设计，这种方法首先通过优化方法分别获得欧氏空间以及再造核空间下的最小体积覆盖椭球并获得椭球形状矩阵。其次，定义了Mahalanobis变换，推广定义Mahalanobis间隔。再次，通过Mahalanobis变换将原始数据转换为球形分布。最后，引入最大化Mahalanobis间隔至标准支持向量机模型，从而得到容差S
【机 构】
：
空军工程大学工程学院，陕西西安 710038 北京航空工程技术中心，北京 100076 空军工程大
论文部分内容阅读
提出了基于最小体积覆盖椭球的容差SVM分类器设计新方法。对于二类支持向量机容差分类器设计，这种方法首先通过优化方法分别获得欧氏空间以及再造核空间下的最小体积覆盖椭球并获得椭球形状矩阵。其次，定义了Mahalanobis变换，推广定义Mahalanobis间隔。再次，通过Mahalanobis变换将原始数据转换为球形分布。最后，引入最大化Mahalanobis间隔至标准支持向量机模型，从而得到容差SVM分类器，并将其应用到国际UCI机器学习标准数据库，计算结果表明该方法可有效提高准确率。初步研究表明，这种方法得到的容差分类器比基于最小体积覆盖超球得到的容差分类器具有更低的VC维，而且将最小体积覆盖椭球计算过程不涉及求逆，从而保证计算模型具有适度的复杂度;这种方法由于引入Mahalanobis距离，使得得到的分类器与输入尺度无关。
其他文献
自Lee和Seung在Nature上发表了非负矩阵分解的具体算法以来，非负矩阵分解方法得到了很大的发展，并在科学研究工作中得到了广泛的应用。与主成分分析方法和独立成分分析方法不同，非负矩阵分解方法更加适合于局部特征的抽取。本文将这种方式应用到汉字字形的处理中，成功地从一些汉字样本中抽取出我们称为偏旁部首的基本结构。文章通过在目标函数中引入惩罚因子，提出了更加适合于汉字分解的3bNMF方法。
针对常用银行汉字字符集的识别，本文实现了三种基于不同的特征提取方法的神经网络脱机手写汉字识别系统，在分类网络的基础上，设计和实现了一种针对每个字符具有可信度判别功能的神经网络作为一种新型的多分类器集成方法。实验结果表明，该方法对于脱机手写汉字识别率的提高具有显著作用。
化石标本内部形态的研究是生物的系统演化研究中不可缺少的一部分。由于珍稀化石不允许对标本进行实体解剖，所以珍稀化石的形态学研究只能停留在标本的外表。CT技术及三维可视化技术的发展已使人们能够将珍贵标本的形态学研究深入到标本内部。本项研究以化石和现生大熊猫头骨为材料，获取了其头骨内部的三维影像，并虚拟提取解剖了脑内模，为大熊猫演化的研究提供了新的数据。
微纳米驱动精度和运动学特性对微纳米操作及加工装配等操作控制具有重要意义。本文针对微纳米驱动系统的运动状态检测问题，研究了基于序列图像的环境位移视觉检测方法。通过分析标准光栅的显微图像序列特点，提出了一种基于图像灰度分布特征的投影匹配方法。该方法对色彩纹理单一的微观图像序列进行处理，实现了微纳米操作系统平台的微位移检测，并给出了实验研究和算法效率分析。从实验结果可以看出，投影匹配法检测均方差为0.1
重度污染笔迹图像的斑点噪声区域与字符笔画区域存在形态差异; 斑点噪声主要是在纸张空白处随机分布的较模糊的散点;而字符笔画主要呈长条状，且灰度与纸张反差较大。本文提取笔迹图像的惯性矩特征来描述斑点噪声区域与字符笔画区域的形态差异，并用来进行笔迹图像分割。用这种方法对重度污染笔迹图像进行去噪和字符提取，效果良好。
步态识别主要通过人体走路姿势来识别人的身份。首先，应用背景减除法分隔出人体轮廓，通过人体宽高比的相关信号确定运动周期。然后，在对二值周期序列进行Radon变换，构造特征向量模板。对所得到的特征向量主成分分析，映射到低维特征空间。最后，采用最近邻分类器分类。实验结果表明，该方法可以有效降低前期处理对分类识别的影响，而且在CASIA三种不同行走状态数据库中取得很好的识别率。
针对现有图像型火灾探测技术存在的问题，本文提出一种集动态图像理解、火灾多特征综合判断等技术于一体的基于全方位视觉的火灾探测方法。采用全方位视觉传感器实现大面积现场的实时全景视频监控;通过背景消除，使用颜色、闪烁、形体变化等特征识别视频中的火焰;分析火焰的面积变化和整体移动综合判断火灾发生。该方法实时性能好、能够有效降低误报率、对火灾点定位准确，使计算机具备智能视觉火灾监控的能力，甚至到达自动灭火。
针对移动机器人在未知环境中的导航要求，提出一种基于视觉显著特征构造自然路标，以此局部特征代替整幅图像特征的场景识别方法。为根据显著位置形成合适的路标区域，提出了基于分形的尺度选择方法。设计了包括梯度方向、二阶不变矩、归一化色调的自然路标表示方案。室内室外环境的场景识别实验表明，该方法能够较好地容忍尺度、视角等变化引起的差异，能够保证静态场景的准确识别。
SIFT算法是一种稳定的基于尺度空间的局部特征点提取和匹配算法。该算法在很大强度的噪声影响和亮度、视角、旋转的变化下，能表现出很强的鲁棒性。但由于SIFT特征点描述子是一个高维向量，其匹配过程是一个遍历搜索的过程，这就使得匹配效率很低。本文针对这一不足，提出了一种应用在立体视觉中的基于光流计算的特征点匹配的快速算法。大量的实验证明了此算法的有效性。
在基于内容的图像检索系统中，相关反馈技术的引入在一定程度上缩小了图像的视觉底层特征与图像的高层语义之间的鸿沟。本文提出一种综合利用反馈信息，融合多种策略的相关反馈算法：根据核密度估计理论并引入均值漂移优化技术实现查询向量的更新;为实时地把握图像的语义信息以及用户的查询意图，在更新特征各维之间权重分配的同时，还对各个特征之间的权重进行动态更新;最后，为削弱那些在底层特征上相似但在高层语义上不相关的非