“支持向量机”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果3995313个，建议您升级VIP下载更多相关专利

[发明专利]一种基于主从支持向量机的低功耗癫痫检测电路-CN202010393814.1有效
发明人：顾晓峰;田青;虞致国;魏敬和 -专利权人：江南大学
申请日： 2020-05-11 - 公布日： 2021-09-28 - 主分类号： A61B5/00 文献下载
摘要：本发明公开了一种基于主从支持向量机的低功耗癫痫检测电路，属于智能医疗应用领域。所述电路包括：时钟模块、特征提取模块、主从支持向量机模块以及判定模块；主从支持向量机模块包括主支持向量机和从支持向量机，主支持向量机为线性支持向量机，从支持向量机为非线性支持向量机；主支持向量机控制从支持向量机的启动和关闭；检测过程中，主支持向量机检测出癫痫发作的开始，启动从支持向量机，从支持向量机校正癫痫发作的结束；所述主从支持向量机模块的检测结果为主从支持向量机检测结果的逻辑与。本申请利用主从支持向量机和连续序列检测，使得确保检测性能的前提下，大幅度的减少运算复杂度，降低了功耗，更好的适应智能医疗应用的要求。
一种基于主从支持向量功耗癫痫检测电路

[发明专利]一种用于支持向量机的在线向量选取方法-CN201310186771.X在审
发明人：沈海斌;刘健;吴翔 -专利权人：浙江大学
申请日： 2013-05-20 - 公布日： 2013-09-04 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种用于支持向量机的在线向量选取方法。其具体步骤是：当获得新的训练向量时，对向量集合进行计算求解边界向量。对得到的边界向量与原支持向量进行对比，去除与支持向量重合的边界向量；将处理后的边界向量通过支持向量机判断，保留判断错误的边界向量集合。将保留的边界向量与原支持向量合并就获得最终用于支持向量机训练的训练向量。本发明能大幅度的减少训练向量的数量，因此减少支持向量机的训练时间，并且不会影响支持向量机的分类精度。
一种用于支持向量在线选取方法

[发明专利]雾霾天气预测方法-CN202110673534.0在审
发明人：陈海龙;张颖宇;杨畅;杜梅 -专利权人：哈尔滨理工大学
申请日： 2021-06-17 - 公布日： 2021-09-10 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种雾霾天气预测方法，包括：采集历史雾霾数据，得到样本集和测试集，并进行集成特征选择，得到集成特征集；改进支持向量机的核函数应用到支持向量机中，得到多核支持向量机；将模糊支持向量机和最小二乘支持向量机相结合引入至多核支持向量机中，以构建模糊多核最小二乘支持向量机；利用集成特征集对模糊多核最小二乘支持向量机进行训练，得到模糊多核最小二乘支持向量机预测模型；改进萤火虫算法对模糊多核最小二乘支持向量机进行参数优化，得到最优模糊多核最小二乘支持向量机预测模型该方法避免了核函数对支持向量机性能的影响，提高了支持向量机的分类准确率、预测精度和鲁棒性。
天气预测方法

[发明专利]支持向量机的生成方法、装置、电子设备及存储介质-CN202010560659.8在审
发明人：希滕;张刚;温圣召 -专利权人：北京百度网讯科技有限公司
申请日： 2020-06-18 - 公布日： 2020-11-10 - 主分类号： G06K9/62 文献下载
摘要：本申请公开了支持向量机的生成方法、装置、电子设备及存储介质，涉及人工智能技术和深度学习领域，可应用于图像处理。具体方案为：生成核函数搜索空间，根据核函数搜索空间生成待训练支持向量机，对待训练支持向量机进行训练并进行性能评估，当评估结果不满足评分要求时对待训练支持向量机进行迭代更新，直至评估结果满足评分要求或者对待训练支持向量机的迭代更新次数达到预设迭代次数通过本申请实现了支持向量机的自动生成，在核函数搜索空间中进行自动搜索以生成支持向量机的核函数，可以使得生成的支持向量机具备复杂的核函数，进而使得支持向量机能够获得较佳的非线性表征能力，保证了支持向量机的性能，提高了支持向量机的鲁棒性。
支持向量生成方法装置电子设备存储介质

[发明专利]基于支持向量机的路口智能驾驶方法及其系统-CN201811206747.7有效
发明人：许琮明;王正贤 -专利权人：财团法人车辆研究测试中心
申请日： 2018-10-17 - 公布日： 2021-04-06 - 主分类号： B60W50/00 文献下载
摘要：本发明提供一种基于支持向量机的路口智能驾驶方法及其系统，基于支持向量机的路口智能驾驶方法应用于一车辆且包含提供支持向量机提供步骤、数据处理步骤以及决策步骤。于支持向量机提供步骤中，提供一支持向量机，支持向量机预先经过训练过程，在训练过程中，提供训练数据予支持向量机，训练数据由原始数据经过维度降低模块及时间补值模块处理后获得；于数据处理步骤中，将环境感测单元所获取的p个特征经由维度降低模块及时间补值模块处理后，提供予支持向量机进行分类；于决策步骤中，以支持向量机的分类结果决定车辆的驾驶行为。借此，可有效提升支持向量机的决策准确度。
基于支持向量路口智能驾驶方法及其系统

[发明专利]一种基于近似支持向量的滚动轴承故障诊断方法-CN201910611796.7有效
发明人：熊庆宇;吉皇;吴映波;王凯歌;吴丹;邹青宏;何委燚 -专利权人：重庆大学
申请日： 2019-07-08 - 公布日： 2021-06-15 - 主分类号： G01M13/045 文献下载
摘要：本发明公开了一种基于近似支持向量的滚动轴承故障诊断方法。首先用MiniBatchKmeans算法和支持向量机快速寻找到“近似支持向量”，然后利用“近似支持向量”在原始样本中筛选出“近似支持向量”附近的样本，最后用筛选出的样本训练支持向量机。本发明极大的减少了支持向量机的训练时间，同时确保故障诊断的准确率。
一种基于近似支持向量滚动轴承故障诊断方法

[发明专利]一种基于二类支持向量机和遗传算法的轿车车型识别方法-CN201210358691.3无效
发明人：顾晓清;倪彤光;薛磊 -专利权人：常州大学
申请日： 2012-09-25 - 公布日： 2013-01-16 - 主分类号： G06K9/66 文献下载
摘要：本发明公开一种基于二类支持向量机和遗传算法的轿车车型识别方法，对待识别的轿车的长、宽、高、轴距的特征值进行归一化处理，组成特征向量；对每个轿车车型分配一个二进制编号，根据所得的二进制编码构造二类支持向量机网络，对得到的二类支持向量机网络中的每个二类支持向量机训练，使用遗传算法对二类支持向量机的惩罚参数c和核函数参数γ进行寻优，获得最优参数c和γ；将特征向量输入训练完成的二类支持向量机网络，采用最优参数c和γ对训练完成的二类支持向量机网络进行预测，完成轿车车型识别；减少了二类支持向量机网络中的向量机数目，使得所需支持向量机数目远小于同类方法，提高了识别速度，提高了算法效率。
一种基于支持向量遗传算法轿车车型识别方法

[发明专利]一种基于支持向量机的成捆棒材识别计数方法-CN201510143777.8在审
发明人：刘国华;刘炳乐;董卫豪;袁秋杰 -专利权人：天津工业大学
申请日： 2015-03-26 - 公布日： 2015-06-03 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于支持向量机的成捆棒材识别计数方法，其特征包括以下步骤：(1)对捕获的图像进行预处理，并选取有效的棒材特征信息构造特征向量；(2)对特征向量进行归一化处理以用于后续支持向量机的训练与预测；(3)用归一化后的特征向量构造支持向量，并对支持向量进行编码以形成支持向量机网络；(4)选取最优的支持向量机类型，核函数与参数构造支持向量机分类器，并利用此分类器对输入的待分类样本进行分类，完成成捆棒材的识别计数本发明中的支持向量机分类器具有小样本、泛化能力强的特性；支持向量机中选择最优参数，可以准确的完成粘连棒材的计数，对于各种类型被严重干扰的棒材有很好的鲁棒性。
一种基于支持向量成捆棒材识别计数方法

[发明专利]一种基于二类核函数支持向量机的车型识别方法-CN201010271486.4有效
发明人：李超;郑飞;颜钊;郭信谊;熊璋 -专利权人：北京航空航天大学
申请日： 2010-09-02 - 公布日： 2011-02-02 - 主分类号： G06K9/62 文献下载
摘要：一种基于二类核函数支持向量机的车型识别方法，其特征在于包括以下步骤：(1)选取有效的车辆特征信息，对其进行标准化以用于支持向量机的训练和预测；(2)对要进行识别的车辆类型进行二进制编码，根据二进制编码构造支持向量机网络；(3)利用选定的车辆特征信息，对支持向量机网络中的每个二类支持向量机进行训练，同时选取针对此网络结构的最优参数对；(4)利用训练完成的支持向量机网络，输入待分类的样本特征向量，获得对其预测的结果，完成车型识别本发明方法中的支持向量机网络利用了对车型的二进制编码，构造简单，易于实现；网络中支持向量机的数目少，从而提高了识别速度，并且具有较高的准确率，利于实际应用；同时，本发明中的二类支持向量机的参数选取方法结合了车型特征特点与支持向量机的经验数据
一种基于二类核函数支持向量车型识别方法

[发明专利]一种基于支持向量机的深度学习模型鲁棒边界评估方法、装置和应用-CN202110272000.7在审
发明人：陈晋音;陈若曦;郑海斌 -专利权人：浙江工业大学
申请日： 2021-03-12 - 公布日： 2021-06-01 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于支持向量机的深度学习模型鲁棒边界评估方法、装置和应用，包括为用于分类任务的深度学习模型的每个分类类别分配一个支持向量机；将样本数据分别输入至深度学习模型和每个支持向量机，得到样本数据在深度学习模型和每个支持向量机的特征空间分布；针对每个支持向量机，以样本数据在支持向量机的特征空间分布与在深度学习模型的特征空间分布的散度指标作为损失函数优化支持向量机的参数；优化结束后，每个支持向量机的决策边界即为深度学习模型对与支持向量机对应的分类类别的决策边界
一种基于支持向量深度学习模型边界评估方法装置应用

[发明专利]适用于小样本预测的消极支持向量机模型-CN201710656708.6在审
发明人：付旭云;钟诗胜;林琳;张永健;王琳 -专利权人：哈尔滨工业大学（威海）
申请日： 2017-08-03 - 公布日： 2017-10-24 - 主分类号： G06Q10/04 文献下载
摘要：本发明涉及小样本预测问题技术领域，具体的说是一种适用于小样本预测的消极支持向量机模型，本发明将ε‑支持向量机回归模型和消极预测方法结合起来，建立了一种消极支持向量机模型。与ε‑支持向量机回归模型中样本中的所有个体具有相同的不敏感损失函数不同，消极支持向量机模型中的不敏感损失函数取决于样本中个体与待预测个体的距离，为了求解消极支持向量机模型，引入广义拉格朗日函数，得到原问题的对偶问题，通过对对偶问题的求解获得了原问题的解，消极支持向量机模型能够综合传统支持向量机与消极预测方法的优点，不仅泛化性较好，还能改善局部精度。
适用于样本预测消极支持向量模型

[发明专利]一种用于在线学习的样本集训练方法-CN201410069210.6在审
发明人：沈海斌;卞桂龙 -专利权人：浙江大学
申请日： 2014-02-27 - 公布日： 2014-06-25 - 主分类号： G06K9/66 文献下载
摘要：对于训练集，先求取壳向量集，并将其作为新的训练集来进行支持向量机的训练。若生成的支持向量机不满足收敛条件，则丢弃该支持向量机并重新训练。最后将所有支持向量机利用权重投票方式产生一个集成的支持向量机。本发明在样本集上引入了一定的随机性，从而间接地提高了支持向量机的多样性，使得集成后的支持向量机能克服自身“灾难性遗忘”缺陷，起到支持在线学习的目的。同时在不影响分类精度的情况下，还能大幅减少支持向量机的训练时间。
一种用于在线学习样本集训方法

[发明专利]基于支持向量机的软测量仪表建模方法-CN200410017533.7无效
发明人：阎威武;邵惠鹤 -专利权人：上海交通大学
申请日： 2004-04-08 - 公布日： 2005-01-12 - 主分类号： G01D21/00 文献下载
摘要：一种基于支持向量机的软测量仪表建模方法。用于测量技术领域。包括两个部分：基于支持向量机的软测量仪表建模输入与输出的影射关系由支持向量机来完成，可测变量、对象的控制输入以及对象可测输出变量作为软测量仪表的输入变量，被估计变量的最优估计为输出，在具体建立软测量模型时，从输入变量中选择一组与主导变量密切相关的一组二次变量，作为支持向量机的输入，离线分析计算值或大采样间隔的测量值作为软测量模型的输出；在进行支持向量机软测量建模时，首先利用正规化参数的后验分布和极值原理，迭代确定标准支持向量机和最小二乘支持向量机的正规化参数，然后在贝叶斯第三准则下，迭代确定准支持向量机和最小二乘支持向量机的核参数。
基于支持向量测量仪表建模方法

[实用新型]一种不可分小波支持向量机的对等网络流量识别系统-CN201320745362.4有效
发明人：王春枝;徐慧;宗欣露;王淑平;熊磊;张会丽;王明威;刘晓娟;夏勇 -专利权人：湖北工业大学
申请日： 2013-11-25 - 公布日： 2014-05-14 - 主分类号： H04L12/26 文献下载
摘要：本实用新型涉及一种不可分小波支持向量机的对等网络流量识别系统，该系统分为三个阶段：样本的获取阶段、支持向量机处理阶段、控制响应阶段，共包括五个模块：网络连接的信息处理模块、数据的预处理模块、支持向量机的训练模块、支持向量机的分类模块和校正模块。本实用新型将将小波分析中多尺度的学习方法和支持向量机的优点结合起来，通过小波分析与支持向量机方法的紧致结合，引入小波基函数来构造支持向量机的核函数，建立小波支持向量机的对等识别算法，此模型能够多尺度的使支持向量机对识别对等流量样本逼近
一种不可分支持向量对等网络流量识别系统

[发明专利]基于支持向量机的图像插值算法-CN200610156538.7无效
发明人：沈毅;马立勇;马家辰 -专利权人：哈尔滨工业大学（威海）
申请日： 2006-12-20 - 公布日： 2007-10-24 - 主分类号： G06T3/40 文献下载
摘要：一种基于支持向量机的图像插值算法，属于图像处理技术领域。本发明首先确定待插值像素的周围最邻近6个已知像素区域；然后进行支持向量机训练，根据要插入像素的情况确定支持向量机的个数，对每个支持向量机分别训练，训练中原图像中的每个像素都是支持向量机的输入样本，输入模式包括选定区域中相邻6个已知像素的灰度值，以及相邻6个已知像素的灰度平均值、灰度差等局部空间特性；最后使用完成训练的支持向量机对每个待估计的像素进行插值计算，计算中的支持向量机输入模式和训练的输入模式相同，支持向量机的输出就是插值结果
基于支持向量图像算法

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条