陕西省自然科学基金(2007F19)
- 作品数：27 被引量：165H指数：7
- 相关作者：王晓丹张宏达徐海龙权文廖勇更多>>
- 相关机构：空军工程大学中国人民解放军95824部队第四军医大学更多>>
- 发文基金：陕西省自然科学基金国家自然科学基金更多>>
- 相关领域：自动化与计算机技术航空宇航科学技术电子电信兵器科学与技术更多>>
- 利用KKT条件与类边界包向量的SVM增量学习算法被引量：11
- 2010年
- 为实现对历史训练数据有选择地遗忘,并尽可能少地丢失训练样本集中的有用信息,分析了KKT条件与样本分布间的关系并得出了结论,给出了增量训练中当前训练样本集的构成。为了提高SVM增量训练速度,进一步利用训练样本集的几何结构信息对当前训练样本集进行约减,用约减后的当前训练样本集进行SVM增量训练,从而提出一种利用KKT条件与类边界包向量的快速SVM增量学习算法。实验结果表明,该算法在保持较高分类精度的同时提高了SVM增量学习速度。
- 吴崇明王晓丹白冬婴张宏达
- 关键词：支持向量机KKT条件
- 用于RBF-SVM参数搜索的伪梯度动态步长算法被引量：6
- 2010年
- 针对基于径向基核函数(RBF)的支持向量机(SVM)超参数选择问题,提出了一种基于差分方程的新算法——伪梯度动态步长算法。该算法根据径向基核函数的特点提出由训练集的空间特性确定的核参数搜索范围,并采用对数刻度表示搜索空间;利用参数空间中SVM在两个临近点的分类精度的变化估计参数的搜索方向,并且随着搜索方向的变化动态调整搜索步长,从而实现较快的搜索。通过与Grid和PSO方法的对比实验,表明该算法具有良好的性能。
- 张宏达王晓丹徐海龙
- 关键词：超参数支持向量机
- 一种基于凸壳算法的SVM集成方法被引量：3
- 2008年
- 为提高支持向量机(SVM)集成的训练速度,提出一种基于凸壳算法的SVM集成方法,得到训练集各类数据的壳向量,将其作为基分类器的训练集,并采用Bagging策略集成各个SVM。在训练过程中,通过抛弃性能较差的基分类器,进一步提高集成分类精度。将该方法用于3组数据,实验结果表明,SVM集成的训练和分类速度平均分别提高了266%和25%。
- 张宏达王晓丹白冬婴刘倞源
- 关键词：凸壳算法支持向量机
- 角伺服系统模糊自适应PID控制研究被引量：3
- 2009年
- 将模糊控制和PID控制相结合,提出了一种智能复合控制策略,并将其应用于某型导弹系统角伺服系统的控制。利用模糊控制在线自适应调整PID控制器的参数,从而使系统的静态和动态性能指标较为理想。在Simulink中的仿真结果表明,这种模糊PID控制器的控制效果优于单纯的PID控制,超调量小,抗干扰性能强,对变参数系统的鲁棒性强,满足在线实时自适应控制的要求。
- 刘建都李晓鹏
- 关键词：自适应控制模糊控制PID控制
- 一种改进的基于灰度投影的图像匹配算法被引量：7
- 2012年
- 为进一步提高基于灰度图像的匹配算法速度,在对图像进行一维灰度投影的基础上,利用序贯相似检测算法(SSDA)对一维数据进行匹配,从而得到一种改进的基于灰度投影的图像匹配算法。实验结果表明算法在保持精度不变的同时,提高了匹配速度。
- 高晓峰史朝辉
- 关键词：图像匹配
- 基于直线特征的图像配准算法被引量：6
- 2010年
- 为实现高效率、高精度的图像配准,提出了一种利用图像边缘直线特征的图像配准算法。首先利用LoG算子提取参考图像和待配准图像的边缘信息,利用Hough变换提取图像边缘信息中的主要直线;然后以直线特征定义了参考图像和待配准图像的相似性度量,以此度量估计旋转角度,找出直线组的对应关系;最后在这些直线组中选取配准控制直线,计算配准参数,对图像配准。经过实验,验证了该算法的有效性。
- 甘进王晓丹赵杰王霭龄
- 关键词：图像配准边缘检测
- 图像匹配中的相似性度量比较与分析被引量：6
- 2008年
- 图像匹配作为一种重要的图像处理技术是图像信息融合、目标定位、变化检测、图像重建等后续工作的重要基础。选择合适的相似性度量对于图像匹配的结果至关重要。分析和讨论了图像匹配中常用的相似性度量;针对典型的基于灰度统计的图像匹配方法SSDA,实验比较了采用不同相似性度量对匹配结果的不同影响;对实验结果进行了分析和讨论,并得出了结论。
- 权文王晓丹甘进
- 关键词：图像匹配
- 一种基于主动学习的SVM增量训练算法被引量：3
- 2010年
- 针对SVM训练学习过程中难以获得大量带有类标注样本的问题,提出一种基于距离比值不确定性抽样的主动SVM增量训练算法(DRB-ASVM),并将其应用于SVM增量训练.实验结果表明,在保证不影响分类精度的情况下,应用主动学习策略的SVM选择的标记样本数量大大低于随机选择的标记样本数量,从而降低了标记的工作量或代价,并且提高了训练速度.
- 徐海龙王晓丹廖勇权文
- 关键词：支持向量机
- 一种LDA与SVM混合的多类分类方法被引量：3
- 2009年
- 针对决策有向无环图支持向量机(DDAGSVM)需训练大量支持向量机(SVM)和误差积累的问题,提出一种线性判别分析(LDA)与SVM混合的多类分类算法.首先根据高维样本在低维空间中投影的特点,给出一种优化LDA分类阈值;然后以优化LDA对每个二类问题的分类误差作为类间线性可分度,对线性可分度较低的问题采用非线性SVM加以解决,并以分类误差作为对应二类问题的可分度;最后将可分度作为混合DDAG分类器的决策依据.实验表明,与DDAGSVM相比,所提出算法在确保泛化精度的条件下具有更高的训练和分类速度.
- 张宏达王晓丹徐海龙
- 关键词：支持向量机线性判别分析可分性
- 一种基于距离比值的支持向量机增量训练算法被引量：8
- 2008年
- 由于支持向量机具有较好地学习性能和泛化能力,目前已经得到了广泛的应用。如何使支持向量机进行有效的增量学习是目前支持向量机应用中需要解决的问题。深入研究了支持向量分布特点,提出了一种新的支持向量机增量训练淘汰机制——距离比值算法。该算法根据遗忘规则,设定一个合适的参数,按距离比值法中的定义计算各个样本中心距离与其到最优分类面距离的比值,舍弃对后续训练影响不大的样本,即可对训练数据进行有效的淘汰。对标准数据集的实验结果表明,使用该方法进行增量训练在保证分类精度的同时,能有效地提高训练速度。
- 徐海龙王晓丹史朝辉华继学权文
- 关键词：支持向量机
