陈松贵
- 作品数：3 被引量：4H指数：1
- 供职机构：长沙理工大学计算机与通信工程学院更多>>
- 发文基金：湖南省教育厅科研基金湖南省自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 支持向量机学习算法的研究
- 统计学习理论中的支持向量机方法具有全局最优、结构简单、推广能力强等优点,是目前机器学习和模式识别领域的研究热点之一。但是,支持向量机算法自身复杂性成为其处理数据时的“瓶颈”问题。本文针对支持向量机时间复杂度和空间复杂度等...
- 陈松贵
- 关键词：统计学习理论支持向量机样本密度K近邻
- 文献传递
- 基于SBA和KNN的多类分类算法被引量：1
- 2008年
- 采用二叉树结构对多个二值支持向量机子分类器组合,可实现多类问题的分类,并且还可克服传统(SVM)多类算法存在的不可分区域的情况。为了加快大规模数据样本分类时的训练速度以及减少分类的时间复杂度,将一种新的二分类算法——SBA应用于改进的BTS-KNN算法中,可以构造出更加平衡的分类二叉树以减少分类次数。实验结果表明,在进行大规模样本数据分类时,该算法在保证分类精度的情况下分类速度有明显提高。
- 陈松贵李峰王飞燕
- 关键词：支持向量机二叉树支持向量机K-近邻
- 基于一维正态云模型的半脆弱文本水印被引量：3
- 2008年
- 根据云模型和人眼视觉系统的特点,给出了一种利用一维正态云模型和文本字体颜色变化的半脆弱性水印方案。通过正向云发生器生成云滴,所有云滴组合产生水印信息,修改文字的颜色值嵌入水印。在提取水印信息时,通过提取字体颜色特征,重构云图来验证。实验结果表明,本算法是一种半脆弱的文本水印。
- 王飞燕李峰陈松贵
- 关键词：文本水印云模型脆弱水印字体颜色版权保护
