论文研究基于改进支持向量机的隐写分析方法.pdf

支持向量机(support vector machine, SVM)具有良好的泛化性能而被广泛应用于机器学习及模式识别领域。然而，当训练集较大时，训练SVM需要极大的时间及空间开销。另一方面，SVM训

对定义在一系列无方向点集上的3D形状模型提出一种新的数字水印方案。首先应用神经网络的方法对点集模型进行学习，根据在学习过程中神经网格法线的变化情况，找到特征点。最后对已加水印的点集模型应用不同的攻击，

论文研究-基于相异度核空间的支持向量机算法.pdf,  提出基于相异度核空间的混合流形学习与支持向量机(SVMs)算法用于解决高维数据分类问题. 该算法使用SVMs对流形学习降维后的低维嵌入做分类.通

基于ε-支持向量回归机的盲均衡算法，王振朋，张立毅，支持向量机是解决有限样本学习的有效工具，由于其具有优良的泛化性能，本文提出了一种基于ε-支持向量回归机的盲均衡算法，并且利

针对害虫发生数据高度非线性特点导致传统方法预测准确率低的难题，提出一种基于支持向量机（SVM）的多变量自回归(CAR)的害虫时间预测方法(SVM_CAR)。SVM_CAR首先利用SVM以留一法的MSE

基于支持向量机的矿井突水水源识别，孔筱筱，雷萌，本文采用支持向量机对矿井突水水源进行判别。支持向量机（SVM）方法被看做是对传统学习分类方法的一个较好替代，特别是在小样本、

为了提高传统内模控制的鲁棒性和抗干扰能力，采用在线支持向量机回归（Online Support Vector Machine Regression，OSVMR ）理论建立系统的正向模型和设计逆模控制器

针对LSB匹配嵌入机制，提出一种利用局部区域像素之间相关性的LSB匹配隐写分析算法。根据较高位平面灰度之间的距离选择图像的平坦区域，将随机性较强的最低两个和三个位平面取出，统计相同灰度值图像块的个数，

通过对批量隐写的定性分析，提出了增大批量隐写容量的方法。对大容量图像的位平面进行等分分块，采用矩阵编码技术，证明了至多修改像素的1 LSB位能够嵌入2 bit隐秘信息的结论，提升了批量隐写容量，并给出

历年来支持向量机论文，分析支持向量机发展趋势，分析支持向量机原理