收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

支持向量机的模型及其在图像分割中的应用

杨强  
【摘要】:支持向量机是Vapnik及其研究小组提出的一种全新的模式识别技术。在使用结构风险最小化原则替代经验风险最小化原则的基础上,支持向量机综合了统计学习、机器学习和神经网络等方面的技术,并被证明可在最小化结构风险的同时,有效地提高算法的推广能力。由于其完备的理论基础和良好的实验结果,支持向量机日渐引起研究人员的重视。 但是,尽管具有以上优点,支持向量机在实践应用中仍不同程度地存在一些缺陷,例如:结构风险的界非常宽松、在学习中对数据集缺乏自适应性、对噪声数据过于敏感等。在对支持向量机模型予以改进的方面,本论文针对这三个问题做了如下研究: 针对支持向量机的结构风险的界非常宽松的问题,本论文提出了基于支持向量机的分段线性学习模型。该模型不仅能够在不需要引入核变换的情况下,在遵循结构风险最小化原则的基础上,直接对分段线性可分的数据集进行有效学习;而且能够对只能用高度非线性函数才能正确分类的数据集,在降低学习机器的结构复杂度的情况下,实现对数据集的有效学习。 针对支持向量机在学习中对数据集缺乏自适应性的问题,本论文提出了基于正反馈的支持向量机模型。该模型先用当前常用的支持向量机模型L1-SVM进行第一次训练。然后,利用由第一次训练得的到支持向量之间的距离信息,对样本在第二次训练过程中的核函数参数进行自适应调整,得到基于正反馈的支持向量机。该支持向量机对数据集具有一定的自适应性,实验表明,该支持向量机对具有多种分布特点的数据集具有良好的推广性能。 针对支持向量机对噪声数据过于敏感的问题,本论文提出了基于边界调节的支持向量机模型。该模型提出了一种根据样本在训练过程中形成的经验误差的大小,对样本给予不同对待的方法,控制了噪声数据对训练过程的影响,从而使支持向量机对噪声数据具有比较好的鲁棒性。 当前,图像处理技术几乎渗透到人类所有的活动领域中,特别在自动控制、信息通讯、无损检测、资源勘测、医学诊断、生物工程等领域更是得到的极为广泛的应用和发展。在当前的图像处理系统中,常常以图像分割为基础。对于一个图像处理系统而言,图像分割性能的好坏往往直接决定该系统的图像处理性能。对于在实际应用和科学研究中常常面对的复杂图像而言,目前还没有通用有效的 WP=6 分割方法。所采用的图像分割方法,在很大程度上依赖于图像的特征、人的经验和图像分割的目的。由于所开发出来的图像分割系统强烈地依赖于图像的特征,因此一个图像分割系统的使用范围也非常有限。 在本论文的应用研究部分,根据公路建设和工程建筑的需要,研制开发出了两个土石混合料图像的图像分割系统。主要包括以下研究工作: 结合土石混合料图像的具体特征,提出了基于相对统计特征的种子自动提取方法,并采用现有的模糊区域生长方法,建立了一个能够对土石混合料图像给予比较有效分割的图像分割系统,该系统是用VC++完成的。对本论文而言,这部分的研究工作也是本论文的另一个研究内容,即,基于支持向量机的图像分割系统的基础。 首次将支持向量机引入到对复杂图像的分割系统中。对在复杂图像的分割系统中引入统计学习方法的必要性和采用支持向量机对复杂图像进行分割的可行性和优越性等给予了比较详细的分析。对支持向量机在图像分割中所面临的关键问题给予了详细的分析并给出了具体的解决方法。在此基础上,建立了一个用VC++编写的图像分割系统。实验结果表明,在样本、样本特征等适当选择的基础上,支持向量机能够实现对复杂图像的有效分割,在一定程度上克服了传统分割方法在特征选择和阈值确定方面的问题。 该论文中最突出和最值得关注的成果包括以下两方面: 基于正反馈的支持向量机。一方面作者在该研究中,提出了相对于其他统计学习模型而言,更能够描述有些数据集的本质的一种支持向量机,并给予了其理论的正确性证明和分析;另一方面,更重要的是提出了一种全新的构造支持向量机的思维方式,从而为支持向量机在模型方面的发展开拓了十分广阔的空间。 基于支持向量机的图像分割。作者不仅是首先将支持向量机引入到复杂图像的分割系统中,并且比较全面和深入地分析了支持向量机在图像分割中所面临的关键问题,也创新性地提出了一些实际的解决方法。从而为从事基于支持向量机的图像分割的后继研究打下了一定的基础。 当然,这两方面的研究工作都还需要做大量的深入研究,以盼在这两个领域得到极大的发展,从而使支持向量机本身及其应用变得更加富。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 蔡磊;程国建;潘华贤;;基于球向量机的图像分割[J];计算机工程与应用;2011年16期
2 高俊钗;韩冰;;基于支持向量机的交叉重叠目标分割[J];制造业自动化;2011年13期
3 陈方林;刘彦;;基于支持向量机的X射线焊缝缺陷检测[J];机械工程与自动化;2010年02期
4 黄亮;舒宁;;基于支持向量机(SVM)单目标SAR图像分割[J];地理空间信息;2011年01期
5 刘白林;雷行行;;支持向量机在核磁共振脑组织图像分割中的应用[J];电脑开发与应用;2010年03期
6 薛志东;李利军;邱德红;王乘;;基于SVM的虚拟人彩色切片图像自动分割[J];华中科技大学学报(自然科学版);2006年01期
7 赵衍运;蔡安妮;;使用支持向量机分割指纹图像的方法[J];北京邮电大学学报;2006年02期
8 马志强;常发亮;田伟;赵瑶;;彩色图像中的人脸检测方法[J];山东大学学报(工学版);2007年04期
9 邢伟;;基于支持向量机的图像分割[J];微计算机信息;2008年01期
10 陈蜜;伭剑辉;李德仁;秦前清;贾永红;;独立分量分析的图像融合算法[J];光电工程;2007年06期
11 党长青;姜方正;牛分中;;一种基于区域综合特征的图像检索方法[J];计算机工程与应用;2008年04期
12 张正荣;李国刚;;基于支持向量机的火灾探测技术[J];微型机与应用;2010年24期
13 薛志东;隋卫平;王乘;;一种分割虚拟人彩色冰冻切片图像的混和方法[J];计算机工程与科学;2006年09期
14 薛志东;王燕;李利军;;SVM图像分割方法的研究[J];微计算机信息;2007年24期
15 安国平;姜长生;吴庆宪;;基于PCNN和SVM的图像识别方法研究[J];电光与控制;2008年10期
16 魏鸿磊;欧宗瑛;张建新;;采用支持向量机的指纹图像分割[J];系统仿真学报;2007年10期
17 付麦霞;廉飞宇;张元;;基于视频和SVM的储粮害虫检测与识别[J];计算机与数字工程;2008年11期
18 邵乔林;安秋;;基于邻域直方图的玉米田绿色植物图像分割方法[J];江西农业学报;2011年05期
19 赵娟;;基于Gabor小波和支持向量机的储粮害虫图像分割[J];电脑与信息技术;2007年03期
20 李智强;陈晓钢;;基于SVM的花岗岩薄片图像石英分割方法研究[J];科技广场;2008年10期
中国重要会议论文全文数据库 前10条
1 李泽辉;聂生东;陈兆学;;应用多类SVM分割MR脑图像特征选择与优化的实验研究[A];中国仪器仪表学会第九届青年学术会议论文集[C];2007年
2 林杰华;张斌;李冬森;宋华茂;余志强;王浩;;支持向量机在电力客户信用评级中的应用[A];全国第21届计算机技术与应用学术会议(CACIS·2010)暨全国第2届安全关键技术与应用学术会议论文集[C];2010年
3 蒋铁军;张怀强;李积源;;多变量系统预测的支持向量机方法研究[A];管理科学与系统科学研究新进展——第7届全国青年管理科学与系统科学学术会议论文集[C];2003年
4 黄淑云;孙兴玉;梁汝萍;邱建丁;;基于小波支持向量机预测蛋白质亚细胞定位研究[A];第十一届全国计算(机)化学学术会议论文摘要集[C];2011年
5 谢湘;匡镜明;;支持向量机在语音识别中的应用研究[A];现代通信理论与信号处理进展——2003年通信理论与信号处理年会论文集[C];2003年
6 朱晓霞;孙同景;陈桂友;;基于支持向量机理论的两级指纹分类实现方法[A];第16届中国过程控制学术年会暨第4届全国故障诊断与安全性学术会议论文集[C];2005年
7 涂冬成;薛龙;刘木华;赵进辉;沈杰;吁芳;;基于支持向量机的鹅肉肉色客观评定研究[A];中国农业工程学会电气信息与自动化专业委员会、中国电机工程学会农村电气化分会科技与教育专委会2010年学术年会论文摘要[C];2010年
8 杨凌;刘玉树;;基于支持向量机的坦克识别算法[A];第三届全国数字成像技术及相关材料发展与应用学术研讨会论文摘要集[C];2004年
9 师旭超;巴松涛;;基于支持向量机方法的深基坑变形预测[A];科技、工程与经济社会协调发展——河南省第四届青年学术年会论文集(上册)[C];2004年
10 张军;;支持向量机方法在地下水位干扰排除中的初步应用[A];2007年地震流体学术研讨会论文摘要集[C];2007年
中国博士学位论文全文数据库 前10条
1 杨强;支持向量机的模型及其在图像分割中的应用[D];重庆大学;2004年
2 田英杰;支持向量回归机及其应用研究[D];中国农业大学;2005年
3 刁智华;大田小麦叶部病害智能诊断系统研究与应用[D];中国科学技术大学;2010年
4 张春华;支持向量机中最优化问题的研究[D];中国农业大学;2004年
5 杜小芳;基于CPFR的农产品采购模型研究[D];华中科技大学;2005年
6 刘育明;动态过程数据的多变量统计监控方法研究[D];浙江大学;2006年
7 栾锋;支持向量机(SVM)和径向基神经网络(RBFNN)方法在化学、环境化学和药物化学中的应用研究[D];兰州大学;2006年
8 孙薇;市场条件下抽水蓄能电站效益综合评价及运营模式研究[D];华北电力大学(河北);2007年
9 常群;支持向量机的核方法及其模型选择[D];哈尔滨工业大学;2007年
10 孙德山;支持向量机分类与回归方法研究[D];中南大学;2004年
中国硕士学位论文全文数据库 前10条
1 傅正钢;基于统计学习的人工智能在数字游戏和数字娱乐上的应用[D];浙江大学;2004年
2 李琼;基于支持向量机的SAR图像分割[D];西安科技大学;2008年
3 王奇安;基于广泛内核的CVM算法研究及参数C的选择[D];南京航空航天大学;2009年
4 刘艳伟;支持向量机方法在感潮河段洪峰水位预报中的应用[D];浙江大学;2010年
5 杨镭;支持向量机算法设计及在高分辨雷达目标识别中的应用[D];国防科学技术大学;2010年
6 童振;基于支持向量机的电解液成分预测[D];东北大学;2008年
7 聂小芳;模糊粗糙集与支持向量机在煤与瓦斯突出预测中的应用研究[D];辽宁工程技术大学;2009年
8 鄢常亮;基于支持向量机的高炉向凉向热炉况预测研究[D];内蒙古科技大学;2010年
9 韩叙东;基于支持向量机的水电故障分类器的设计与实现[D];东北大学;2008年
10 冯杰;慢时变对象的支持向量机建模与在线校正方法研究[D];东北大学;2009年
中国重要报纸全文数据库 前10条
1 记者 张云普通讯员 全攀峰 安强强;大庆物探深度域地震资料岩性解释技术获得五大突破[N];中国石油报;2008年
2 王宸;香港窝轮市场面临结构风险[N];上海金融报;2007年
3 徐清;鑫富药业利润暴增26倍之谜[N];21世纪经济报道;2008年
4 本报记者 叶青 通讯员 粤科宣;病人家属也可操刀“做手术”[N];广东科技报;2011年
5 兴业证券研发中心 王春;“羊群效应”才能带来“市场底部”[N];中国证券报;2004年
6 周良;关注企业并购中的财务风险[N];中国有色金属报;2006年
7 本报记者 冯卫东;机器人也应有个“司法体系”[N];科技日报;2009年
8 徐辉;结构风险制约反弹高度[N];上海证券报;2007年
9 课题主持人 李心丹 课题协调人 上海证券交易所 施东晖 傅浩 课题研究员 宋素荣 查晓磊 宾红辉 张许宏 郭静静 黄隽 南京大学工程管理学院;内幕交易与市场操纵的行为动机与判别监管研究[N];中国证券报;2007年
10 郑绪明;盆景企业经营的风险[N];中国花卉报;2005年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978