应用太赫兹时域光谱技术获取了赤霉素、 氯吡脲和噻苯隆的太赫兹时域谱图和参考信号的时域谱图, 并计算获得了折射率谱和吸收谱。 实验结果显示, 这三种植物生长调节剂在太赫兹波段内有着明显的特征吸收峰。 而后基于最小二乘支持向量机对十九种不同物质的太赫兹时域吸收光谱进行了分类检测, 并采用遗传算法和粒子群寻优算法对其进行了优化, 最后通过添加噪声测试了模型的鲁棒性。 该研究验证了太赫兹时域光谱技术用于药物成分检测的可行性, 为植物生长调节剂的检测和鉴别提供了新的实验方法。

针对传统支持向量机(SVM)在解决多类分类问题时需要训练多个分类器、存在不可分区域等问题, 研究了基于支持向量回归机的多类分类算法。利用回归思想求解多类分类问题, 将分类样本作为回归输入, 样本的类别标识作为回归输出, 通过支持向量回归机训练拟合出各样本与其类别标识之间的函数关系。将待分类样本代入回归函数, 对其输出取整后即可得到样本类别。该算法仅使用1个分类器, 明显简化了分类过程。另外, 引入复合核函数来提高支持向量回归机的性能。采用加州大学欧文分校(UCI)例题库中的多类分类问题进行仿真验证, 并将改进算法与传统算法作对比, 结果表明改进算法在分类速度和准确率上都有显著提高。

提出一种用支持向量机(SVM)决策树来对网络流量进行分类的方法，利用SVM决策树在多类分类方面的优势，解决SVM在流量分类中存在的无法识别区域和训练时间较长的问题。对权威流量数据集进行了测试，实验结果表明，SVM决策树在流量分类中比普通的“一对一”和“一对多”SVM方法具有更短的训练时间和更好的分类性能，分类准确率可以达到98.8%。

针对支持向量机(Support Vector Machine, SVM)在惯性约束聚变(Inertial Confinement Fusion ,ICF)实验靶识别中稀疏性不够高而导致决策速度慢的问题, 提出利用相关向量机(Relevance Vector Machine, RVM)进行ICF实验靶识别。设计了基于二叉树的RVM多类分类器, 在二叉树的构建过程中同时考虑了类距离与类分布范围两种因素的影响, 获得了更为合理的二叉树层次结构。实验证明, RVM与SVM相比识别率不相上下, 但由于有更好的稀疏性使RVM的决策时间远比SVM短。该算法与传统的多类分类方法‘一对一’、‘一对多’、‘有向无环图’及‘基于类距离二叉树’相比, 混合识别率更高。

提出了一种基于支撑向量机的多类分类器,用N-1个支撑向量机组合构成一个具有二叉树结构形式的N-多类分类器.讨论了该多类分类器的泛化推广能力,同时还提出了该多类分类器的基于特征空间的BTSVM学习算法.BTSVM算法使用核函数转换的方式计算特征空间的样本距离;采用类间最小距离最大化作为聚类准则,在每个决策结点产生两个最优子集;然后采用支撑向量机学习算法学习两个最优子集,确定决策结点的最优分类面.理论和实验结果表明,本文提出的基于支撑向量机的多类分类器在整体性能上要优于其它类似的分类器系统.

提出并实现一个用于人机交互的静态手势识别系统.基于皮肤颜色模型进行手势分割,并用傅里叶描述子描述轮廓.采用针对小样本特别有效且范化误差有界的支持向量机方法:最小二乘支持向量机(LS-SVM)作为分类器.提出了LS-SVM的增量训练方式,避免了费时的矩阵求逆操作.为实现多类手势识别,利用DAG(Directed Acyclic Graph)将多个两类LS-SVM结合起来.对26个字母手势进行识别,与多层感知器、径向基函数网络等方法比较,LS-SVM的识别率最高,为93.62%.