搜索结果: 1-9 共查到“光学 支持向量机”相关记录9条 . 查询时间(0.12 秒)
基于多核支持向量机的高光谱影像非线性混合像元分解
非线性分解 多核支持向量机 高光谱影像
2014/8/18
针对基于线性模型分解高光谱影像混合像元分解精度低，而非线性模型难以建立等问题，提出了利用多核支持向量机（MKSVM）的后验概率进行高光谱影像非线性混合像元分解的方法。该方法在支持向量机的基础上，以线性加权组合核函数代替单核函数，采用简单多核学习方法迭代解算权系数来实现分类。然后，通过S型函数将分类器输出值转化为概率；将两两配对概率转换为多类后验概率。最后，利用后验概率实现高光谱影像的非线性混合像元...
基于最小二乘支持向量机回归的背景偏振光谱二向反射分布建模分析
偏振光谱二向反射分布函数 探测几何条件 LS-SVM回归
2011/12/20
详细分析了土壤背景偏振光谱二向反射分布函数与探测角及探测方位角之间关系.提出了基于最小二乘支持向量机回归的偏振光谱二向反射分布函数建模,将有限实验观测条件下测量得到的少数偏振光谱二向反射分布函数扩展到2π空间范围内任意入射及观测条件.通过模型结果和实验结果分析比较,表明该模型能很好地满足准确度要求.
基于支持向量机的中药太赫兹光谱鉴别
太赫兹光谱识别 光谱学 支持向量机
2009/10/29
文章将支持向量机用于中药材太赫兹光谱识别。利用太赫兹光谱系统测得三组相似中药炙甘草和生甘草、南柴胡和北柴胡、山豆根和北豆根的太赫兹光谱，傅里叶变换后得到它们的吸收系数作为分类鉴别的特征数据。用线内积函数、多项式内积函数和径向基内积函数分别构建三种不同的支持向量机，并建立误差反传神经网络(BP神经网络)，分别用支持向量机和BP神经网络对中药的特征数据进行鉴别。识别结果比较表明，支持向量机在小样本情况...
基于最小二乘支持向量机的番茄汁糖酸度分析研究
近红外光谱 最小二乘支持向量机 番茄汁
2009/10/22
近红外光谱应用于农产品内部品质无损检测的方法引起人们的广泛关注，在分析过程中建立一个稳定可靠的模型用于处理非线性数据集是十分重要的，也是有一定难度的。目前常用的偏最小二乘(PLS)、主成分回归(PCR)以及逐步多元线性回归(SMLR)等方法还不能解决这类问题。文章提出了将基于统计学原理的最小二乘支持向量机(LS-SVM)回归方法用于番茄汁的近红外(NIR)光谱分析，预测番茄汁品质(糖度和有效酸度)...
针对混合气体建模过程中最小二乘支持向量机参数难以确定及红外光谱数据计算量过大的问题，提出一种粒子群优化的最小二乘支持向量机方法，用于建立基于主成分分析特征提取的红外光谱多组分气体定量分析模型。首先对主吸收峰区域的550个红外光谱数据利用主成分分析技术进行了特征提取，将降维得到的7个特征值作为模型的输入变量从而有效地降低了计算量。混合气体主要由浓度范围分别是0.1%～1%的甲烷、乙烷及0.1%～1....
光谱端元选择是高光谱数据解混分析的重要前提。在各种端元选择算法中，N-FINDR算法因其自动性和高效性受到广泛欢迎。然而，该算法需要进行数据降维预处理，且包含大量的体积计算导致该算法的运算速度较慢，限制了该算法的应用。为此提出基于线性最小二乘支持向量机的N-FINDR改进算法，该算法无需降维预处理，且采用低复杂度的距离尺度代替复杂的体积尺度来加速算法。此外还提出对野值点施加有效控制以赋予算法鲁棒性...
基于最小二乘支持向量机算法的三维荧光光谱技术在中国白酒分类中的应用
白酒 荧光 分类 最小二乘支持向量机
2010/3/23
为了对白酒的鉴别分类方法进行创新研究，文章对近百种白酒的荧光光谱进行了测定，并合成其三维荧光光谱图。经对比研究和反复仿真实验发现，通过所提取的白酒三维荧光光谱的3个特定参数，可以实现对白酒种类的准确分类。分类的准确率可达87%以上。为了证明所选参数对白酒分类的有效性，把最小二乘支持向量机应用到白酒的鉴别分类中，并通过计算机模拟进行验证。同时还应用经典支持向量机、概率神经网络对所提取的相同数据进行分...
基于支持向量机的肤色滤波器
人工神经网络 支持向量机 肤色滤波 机器视觉
2007/12/10
为了探测图像中的肤色像素，提出了一种新的方法-支持向量机（SVM：Support Vector Machine）方法.它是一种基于肤色的非特定人的面部定位方法，是非接触人机交互技术和机器视觉中的一个重要内容.实验结果表明，采用支持向量机方法较传统人工神经网络方法不仅有更高的探测准确性，而且具有更好的推广性能.由于SVM采用结构风险最小化（SRM：Structural Risk Minimizati...
基于小波变换和支持向量机的光谱多组分分析
2007/8/20
以符合朗伯—比尔定律的光谱信号为研究对象，在运用小波变换对光谱信号进行去除噪声处理的基础上，建立了基于支持向量机的多组分分析模型，最后采用计算机模拟的方式对该方法进行了举例说明.实例表明，该方法能较好地解决非线性、小样本条件下的多组分分析问题.