基于模糊聚类的稳健支撑向量回归机及火焰图像处理
由于离群点会降低支撑向量回归机的性能,因此为了提高支撑向量回归机的图像处理性能,提出了一种具有抗离群点性能的模糊稳健支撑向量回归机(FRSVR),并首先给出了在任意代价函数下支撑向量回归机的求解方法;然后讨论了构建稳健支撑向量机的代价函数所需的性质,并在此基础上,引入了损失代价函数族;接着根据支撑向量回归机的训练误差,用模糊C均值聚类(FCM)查找离群点;最后通过迭代的方法实现了模糊稳健支撑向量回归机.为了对火焰图像进行有效处理,还将FRSVR算法应用于乳化油燃烧火焰图像处理,以去除火焰图像上的离群点.实验结果表明,FRSVR算法处理图像的性能优于ε-SVR算法和自适应SVR滤镜(ASBF),不仅能有效地查找离群点,而且可去除较大的离群点区域,还能显著的降低离群点的影响,并具有良好的泛化性能.
离群点、支撑向量回归、模糊聚类
14
TP391.41(计算技术、计算机技术)
国家高技术研究发展计划863项目2006AA10Z313;国家自然科学基金项目60773206/17020106,60704047/F030304;国防应用基础研究基金项目A1420461266;2004年教育部跨世纪优秀人才支持计划基金项目NCET-04-0496;2005年教育部科学研究重点基金项目105087
2009-05-05(万方平台首次上网日期,不代表论文的发表时间)
共8页
463-470