SVM

人臉表情識別算法綜述

摘 要：人臉表情識別因其廣泛的應用領域與良好的發(fā)展前景，成為計算機視覺領域的一個研究熱點。文中綜合論述了表情識別的研究狀況與各類算法，并對其中的特征提取算法與表情分類算法進行了簡單描述。常規(guī)的特征提取算法有基于幾何特征的提取方法、基于整體統(tǒng)計特征的提取方法、基于頻率特征率的提取方法和基于運動特征的提取方法。常規(guī)的表情分類算法則從基于傳統(tǒng)機器學習與深度學習兩個角度進行介紹。

了解基于FastCV視覺庫的SVM機器學習算法

SVM是一種常用的機器學習算法，在人工智能、模式識別、圖像識別等領域有著非常廣泛的應用，本節(jié)將結(jié)合FastCV庫提供的fcvSVMPredict2Classf32機器學習函數(shù)API，對SVM原理

什么是支持向量機 什么是支持向量

支持向量機，英文為Support Vector Machine，簡稱SV機（論文中一般簡稱SVM）。它是一 種監(jiān)督式學習的方法，它廣泛的應用于統(tǒng)計分類以及回歸分析中。 支持向量機（Sup

各類機器學習分類算法的優(yōu)點與缺點分析

（文章來源：不靠譜的貓） 機器學習中有許多分類算法。本文將介紹分類中使用的各種機器學習算法的優(yōu)缺點，還將列出他們的應用范圍。 SVM（支持向量機），SVM的優(yōu)點：1.在高維中表現(xiàn)

數(shù)據(jù)機器學習在檢測故障中有什么可以應用的

前言：傳統(tǒng)工業(yè)中，維修時花費的大部分時間都在故障的診斷上，而不是進行實際的補救，因為故障診斷是機器維修中最具挑戰(zhàn)性的階段。在能源行業(yè)中，精確的故障診斷直接影響到供能的穩(wěn)定性。 隨著傳感器

基于LS-SVM非線性內(nèi)?？刂圃诤缚p跟蹤中的運用

基于SVM不對稱六相永磁電機控制系統(tǒng)的設計方案

不對稱六相永磁電機控制系統(tǒng)采用直接轉(zhuǎn)矩控制思想，具有結(jié)構簡單、魯棒性好等優(yōu)點，但對定子磁鏈和轉(zhuǎn)矩估測具有較強依賴性。鑒于此，本文給出了基于SVM不對稱六相永磁電機控制系統(tǒng)的設計方案。方案根據(jù)不對稱六相永磁同步電動機直接轉(zhuǎn)矩控制系統(tǒng)框圖，并利用Matlab的Simulink全面完成了對基于直接轉(zhuǎn)矩控制的不對稱六相永磁同步電機控制系統(tǒng)的設計。通過本文仿真研究表明該控制策略針對不對稱六相不對稱永磁同步電動機有效，同時引入SVPWM改善穩(wěn)態(tài)轉(zhuǎn)矩和穩(wěn)態(tài)電流， 具有良好的動態(tài)特性，大大降低了系統(tǒng)復雜性。

基于SVM不對稱六相永磁電機控制系統(tǒng)的設計方案

不對稱六相永磁電機控制系統(tǒng)采用直接轉(zhuǎn)矩控制思想，具有結(jié)構簡單、魯棒性好等優(yōu)點，但對定子磁鏈和轉(zhuǎn)矩估測具有較強依賴性。鑒于此，本文給出了基于SVM不對稱六相永磁電機控制系統(tǒng)的設計方案。方案根據(jù)不對稱六相永磁同步電動機直接轉(zhuǎn)矩控制系統(tǒng)框圖，并利用Matlab的Simulink全面完成了對基于直接轉(zhuǎn)矩控制的不對稱六相永磁同步電機控制系統(tǒng)的設計。通過本文仿真研究表明該控制策略針對不對稱六相不對稱永磁同步電動機有效，同時引入SVPWM改善穩(wěn)態(tài)轉(zhuǎn)矩和穩(wěn)態(tài)電流， 具有良好的動態(tài)特性，大大降低了系統(tǒng)復雜性。

基于STM32W的老人心率實時監(jiān)測及跌倒檢測系統(tǒng)

摘要：為了有效地解決獨居老人由于突發(fā)性病癥而得不到及時救治的問題，本系統(tǒng)以STM32W108無線射頻芯片為核心處理器，提出了的一種心率實時監(jiān)測和跌倒檢測的解決方案。該系統(tǒng)利用ECG信號中的QRS波提取心率，同時分析三

飛思卡爾，體貼周到的“保姆”——記FTF2012 媒體簡布會

注重產(chǎn)學研結(jié)合 今天是FTF2012北京站的第二天，在媒體簡布會上，飛思卡爾向大家詳細介紹了與南京航空航天大學合作推出的空間矢量調(diào)制-直接轉(zhuǎn)矩控制（SVM-DTC）解決方案。飛思卡爾與南航合作多年，今天的解決方案展示

飛思卡爾與南京航空航天大學合作推出新款空間矢量調(diào)制解決方案

21IC訊 飛思卡爾半導體公司與南京航空航天大學于今天宣布，雙方聯(lián)合開發(fā)了一款面向工業(yè)電機控制的空間矢量調(diào)制-直接轉(zhuǎn)矩控制(SVM-DTC)解決方案。這款SVM-DTC解決方案基于飛思卡爾的56F8xxx數(shù)字信號控制器系列，極具成

飛思卡爾與南航合作推出SVM-DTC解決方案

飛思卡爾半導體與南京航空航天大學日前聯(lián)合宣布，雙方合作推出無位置傳感器型空間矢量調(diào)制—直接轉(zhuǎn)矩控制(SVM-DTC)解決方案。該創(chuàng)新解決方案基于飛思卡爾數(shù)字信號控制器(DSC)56F8xxx系列，并極好地解決了壓縮機

基于支持向量機的沼氣中CH4濃度預測

摘要：組建了沼氣檢測的實驗系統(tǒng)，采用國家標準混合氣獲取大量的濃度標定數(shù)據(jù)，分析了目前廣泛應用的甲烷濃度預測算法及影響預測結(jié)果的因素，討論了支持向量機在CH4濃度預測中的應用，在此基礎上研究了將多通道探測器

基于決策導向非循環(huán)圖SVM的汽車車型識別

隨著社會的發(fā)展，車輛越來越多，交通變得非常繁忙，城市對于公路和交通的管理已成為一個很重要的問題。交通管理部門要實現(xiàn)現(xiàn)代化的科學管理，必須依靠交通管理系統(tǒng)。汽車是交通系統(tǒng)管理中的主要對象，能否自動識別汽

一種基于SVM的數(shù)字儀表顯示值識別方法

數(shù)字儀表識別在工業(yè)中應用廣泛，但各種儀表差別較大，方法也差別很多。在此提出了一種數(shù)字儀表顯示值的快速識別方法，該方法首先由計算機自動定位分割圖像中的數(shù)字區(qū)域，并實現(xiàn)了單個數(shù)字的切分，然后根據(jù)數(shù)字特點，創(chuàng)新性地改進了特征提取方法，對每個數(shù)字圖像提取了一組具有較高區(qū)分度，且計算簡單的典型特征。最后，基于SVM識別，構造了一種數(shù)字識別器，實現(xiàn)了儀表顯示值的實時識別。

基于SVM的傳感器非線性特性校正新方法

摘　要：介紹了一種基于支持向量機的解決傳感器系統(tǒng)非線性特性問題的新方法。支持向量機是Vapnik教授提出的基于統(tǒng)計學習理論的新一代機器學習技術，它有效地解決了小樣本學習問題，因此該方法對樣本數(shù)量沒有特殊的要

SVM在車牌字符識別中的應用

采用支持向量機方法實現(xiàn)車牌字符識別。根據(jù)車牌字符排列特征，構造了漢字、數(shù)字、字母、數(shù)字+字母4個最佳分類器，通過車牌字符的序號對每個字符進行對應識別，再將識別結(jié)果組合得到車牌號碼。實驗結(jié)果表明該方法具有較高的車牌字符整體識別率，達到了98．33％，識別時間僅為15ms，能夠滿足實際應用。

基于STS—SVM技術的級聯(lián)型多電平變流器

在簡要介紹了STS—SVM技術在級聯(lián)型多電平變流器中的實現(xiàn)方法的基礎上分析了其技術特點，并進行了實驗驗證。

基于STS—SVM技術的級聯(lián)型多電平變流器

在簡要介紹了STS—SVM技術在級聯(lián)型多電平變流器中的實現(xiàn)方法的基礎上分析了其技術特點，并進行了實驗驗證。