Jan, 2024

森林火灾检测中支持向量机（SVM）在具有挑战性数据集上的性能分析

PDF
TL;DR这篇文章主要研究了使用支持向量机（SVM）对基于图像数据集的森林火灾检测进行性能和利用率分析。通过对带标签数据进行训练，SVM 能够识别与火灾相关的特征，如火焰、烟雾或森林区域的视觉特征变化。文章深入探讨了 SVM 的使用，包括数据预处理、特征提取和模型训练等关键要素，评估了准确性、效率和实际适用性等参数。通过一个具有启示性的案例研究，文章还仔细调查了 SVM 准确性与高维数据集所带来的困难之间的关系。此外，文章还讨论了准确性分数与训练数据集调整不同分辨率之间的关系。综合研究结果揭示了所面临的困难以及需要进一步改进和关注的潜在领域。
发现论文，激发创造
  • 数据分类的一种 SVM 方法替代方案

    支持向量机（SVM）是一种流行的用于数据分类的核方法，本文提出一种基于最佳子空间的最小距离的新方法，以解决 SVM 存在的时间处理、高维情况下优化过程失败、多类别泛化、不平衡类别和动态分类的问题，并取得了类似的性能改进。

    Aug, 2023

  • 支持向量机及其应用

    介绍支持向量机及其应用，强调其稀疏解决方案，对分类和回归问题进行专门的适用，适用文本处理和生物信息学任务，同时介绍了算法推广和实际应用。

    Dec, 2006

  • 成本敏感的支持向量机概率预测

    提供了一种生成支持向量机的概率输出的新方法，利用集成方法和自举估计，能够处理不平衡数据集，并在广泛的数据集测试中展现了优势。

    Oct, 2023

  • 基于 SVM 的遥感多时相图像分类的有效序列分类器训练

    本文提出了一种基于 SVM 的序列分类器训练方法，通过利用多时相遥感数据之间的时间相关性和光谱相似性，减少了分类器训练所需标注数据量，并在澳大利亚的农业地区使用 Sentinel-2A 多时相数据进行了实验。结果表明，该方法比两种先进的模型转移算法实现了更好的分类精度，并且能够提高多时相图像分类的整体准确性。

    Jun, 2017

  • 一种高效的核生存支持向量机训练算法

    本文提出了一种高效的核存活支持向量机 (SSVM) 训练算法，通过直接优化主要目标函数，采用截断牛顿优化和随机统计树，降低了与现有训练算法相比的计算复杂度，并证明其可以用于规模更大的数据。

    Nov, 2016

  • 多成本场景下支持向量机

    我们提出了一种新颖的支持向量机模型，通过在问题表达中引入性能约束来考虑误分类成本。具体而言，我们的目标是寻求具有最大间隔的超平面，使得误分类率低于给定的阈值。通过解决一个具有线性约束和整数变量的二次凸问题来获得最大间隔超平面。我们的实验结果表明，我们的模型可以使用户在一个类别上对误分类率进行控制，并且运行时间可行。

    Dec, 2023

  • 功能数据分类的支持向量机

    本文研究了使用支持向量机（SVM）进行函数数据分析的问题，着眼于曲线判别问题，展示了如何定义简单的内核函数以考虑数据的函数性质并导致一致的分类，实验表明考虑问题的函数特征对数据的分析是有益的。

    May, 2007

  • 支持向量机的类别不平衡学习方法：回顾与实证评估

    本论文对于基于支持向量机 (SVM) 及其变种的类不平衡学习方法进行了综述，将 SVM-based 模型按照类不平衡学习进行了层次分类，并比较了各个类别中各种模型的性能，发现融合方法表现最好，但计算负荷较大。对研究空白和未来研究方向进行了讨论。

    Jun, 2024

  • 支持矩阵机器：综述

    支持向量机（SVM）是机器学习中分类和回归问题中最研究的范例之一。矩阵格式的真实世界数据往往在 SVM 中通过将矩阵转化为向量的方式输入，但转化过程中会破坏矩阵数据中的空间关联性，并导致高维度的输入数据引入了显著的计算复杂度。为了克服这些问题，提出了支持矩阵机（SMM），该方法通过使用核范数和弗罗贝尼乌斯范数的光谱弹性网方法来保留矩阵数据的结构信息。本文首次深入分析了 SMM 模型的发展，可供初学者和专家使用的全面摘要。我们讨论了各种 SMM 变体，如鲁棒、稀疏、类别不平衡和多类别分类模型。我们还分析了 SMM 模型的应用，并通过概述潜在的未来研究方向和可能性来总结本文，以促使学术界推动 SMM 算法的发展。

    Oct, 2023

  • 使用线性支持向量机的深度学习

    本文中，我们探究了在深度学习识别任务中，用 L2-SVMs 替换 softmax 可在 MNIST、CIFAR-10 和面部表情识别等数据集上获得显著提升。

    Jun, 2013