基于支持向量机的相关反馈图像检索算法 相关反馈技术是近年来在图像检索中较为重要的 研究方法, 从机器学习的角度, 以支持向量机(SVM ) 为分类器, 提出了一种新的相关反馈方法-Support vector mach ine based relevance feedback algorithm in image retrieval

基于支持向量机的人脸检测训练集增强算法实现。根据支持向量机(support vector machine，简称SVM)~ ，对基于边界的分类算"~(geometric approach)~ 言，类别边界附近的样本通常比其他样本包含有更多的分类信息．基于这一基本思路，以人脸检测问题为例．探讨了 对给定训练样本集进行边界增强的问题，并为此而提出了一种基于支持向量机和改进的非线性精简集算法 IRS(improved reduced set)的训练集边界样本增强算法，用以扩大-91l练集并改

本文提出一种用于手势识别的新方法，它将图像的方向直方图矢量(0Hv)与神经网络相结合。其特点在于选用 图像的方向直方图矢量作为手势的特征矢量，该特征矢量对于光线和手的平移变化具有较强的鲁棒性，这正是手势识别所要 解决的关键问题。在训练阶段，首先需要建立手势样本的特征矢量库；在识别阶段，本文选用三层BP网络作为分类器，获得 了90％以上的识别率。本文还对手势进行一定角度的旋转后的识别进行了讨论，识别结果达到预期要求。-In this paper，a new method of gest

支持向量机(svM)是一种新的机器学习技术。本文采用一对一方法构建多分类SVM 分类器。利用常用的灰度共生矩阵方法提取图像纹理特征，组成特征向量，输入构建好的SVM 多分类器中进行分类。对从Brodatz纹理库中选取的4张纹理图像进行了分类实验，取得较好的 分类结果-Support vector machine (svM) is a new machine learning techniques. In this paper, one way to build a multi-cla