核主分量分析相关论文
人脸识别是一项富有理论和应用价值的研究课题,对它的研究还相当不成熟。本文回顾了人脸识别的研究历史和发展现状,讨论了人脸识别......
该文主要研究基于核函数的机器学习方法(以下简称核学习方法)的理论、算法和应用.针对目前核学习方法中存在的一些问题:如何提高现......
人脸是人们社会交流中所关注的焦点，在辨别身份和传递感情方面起着重要的作用。尽管人们能够毫不费力地识别出人脸及其表情变化，然而......
人脸识别是生物特征识别的一个主要研究方向,与其它生物特征识别技术相比较,人脸识别有主动性,用户界面友好等许多特点。同时,在所......
智舌是本实验室自主研发的一种新型电子舌系统,由传感器阵列、信号激发与接收电路以及智能算法三个部分组成。前期电子舌的研究多......
在模式识别领域，特征选择和特征提取作为设计模式识别系统的重要一环，对原始数据进行变换，以得到最能反映分类本质的特征。
主分......
在雷达目标识别中,利用核主分量分析(KPCA)方法来进行目标特征提取,忽略了高分辨率距离像(HRRP)的本身特性。提取一种平移不变特征......
研究了核主分量分析(KPCA,Kernel Principal Component Analysis)在高分辨雷达目标特征提取与识别中的应用。首先讨论了KPCA算法原......
此文提出了一种新的脸谱识别方法--基于核主分量分析(KPCA)的脸谱识别方法.首先利用KPCA方法提取脸谱图象的特征,然后利用线性支持......
提出了一种新的手写体数字识别方法。首先利用核主分量分析技术提取数字图像的全局特征,然后利用独立分量分析技术提取数字图像的......
如何选择最优或接近最优的核函数使分类错误率降低,是KPCA应用于特征提取的关键。为了优化核函数,提高特征提取的能力并降低分类错......
雷达目标识别中,核主分量分析(KPCA)算法是一种重要的特征提取算法,但雷达目标高分辨率距离像(HRRP)具有平移敏感性,使得该方法应......
作为一种新的特征抽取算法,核主分量分析(KPCA)已经广泛应用于人脸等图像识别任务中.但是该方法的时间复杂度依赖于训练样本的数目......
论文提出了基于小波特征的核主分量分析技术,即在进行非线性映射之前,首先利用小波变换对原始输入训练样本进行预处理,获取低频平......
分析表明，KMSE模型准则中正则项的使用相当于引入了一个与核矩阵特征值直接相关的项以度量模型的泛化性能。根据矩阵特征值知识，可知......
针对数字调制信号识别中特征参数数目多和特征冗余的问题,提出一种数字调制信号识别的特征参数优化方法。首先利用正交实验对常用......
为了提高图像分类的识别率 ,在对基于核的学习算法中 ,核函数的构成条件以及不同核函数的特性进行分析和研究的基础上 ,提出了一种......
针对雷达目标高分辨距离像（HRRP）存在大量的信息冗余，易受到噪声的污染，可分性较差等问题，本文利用核方法解决非线性问题的优点，提出了基......
一维距离像是自动目标识别的一种重要特征,它对目标姿态变化很敏感,只有通过进一步处理提取稳定特征才能够有效用于识别.针对距离......
将最近特征线(NFL)、特征面(NFP)和特征子空间(NFS)分类方法推广为基于核的NFL、NFP和NFS,其优点是可直接对高维的人脸图像样本进......
首先分析了独立分量分析(ICA)在人脸识别应用中存在的一些问题,然后从3个方面对基于独立分量分析的人脸识别方法进行了改进:首先利......
针对大训练集时核主分量分析（KPCA）的计算代价大、特征提取速度慢等问题，提出一种KPCA的快速算法．该算法通过训练样本在特征空间所张成......
将依赖数据变化的自适应SKO技术和迭代算法引入KPCA算法中，结合SVM分类技术，提出了基于SKO—IKPCA和SVM的雷达目标HRRP特征提取与识......
核主分量分析（Kernel principal component analysis ,KPCA）是一种利用核方法将主分量分析（Principal component analysis，PCA）推广后的......
若信号的信噪比较小,经验模式分解不能正确分解出基本模式分量,分量中含有伪分量。根据此种情况,提出一种核主分量分析与经验模式......
机械零件形状识别是机械视觉领域的一项重要研究内容。通过傅里叶描绘子，抽取机械零件形状的轮廓信息，形成一系列的高维矢量集合；利用......
神经网络模式识别方法是模式识别领域的一个新的研究方向，而BP算法是神经网络众多算法中应用最为广泛的一种。针对BP算法易于陷入局......
多频极化SAR图像不同的波段和极化方向上存在着冗余信息和相干斑噪声。为此，提出了一种基于核主分量分析（KPCA）的多频率多极化SAR图像......
最小平方误差方法（LeastSquareError，MSE）因其在对模式分类中所具备的有效性和高效性，在模式识别领域得到广泛的应用。同时基于核方法......
为了解决核主分量分析方法处理大训练样本集时计算代价巨大的问题,在采用子集划分的KPCA算法基础上,提出采用核聚类划分子集,并用......
为了有效地评测人的驾驶精神疲劳状态，本文提出了一种基于核学习算法的精神疲劳分级方法。该方法首先用多变量自回归模型（MVAR）提取位......
提出了核独立分量分析算法，即白化的核主分量分析加上独立分量分析算法。该算法在电网信息不足时，利用电网部分支路的潮流作为观测值......
利用小指数多项式核主分量分析(KPCA)提取人脸样本的非线性特征,提高对光照、姿态及面部表情变化的鲁棒性,构造训练样本的类内散布......
模式分类是模式识别的一项重要内容,在许多领域已经得到成功的应用。本文主要从两个方面对模式分类进行了探讨和研究。一方面,针对......
雷达高分辨距离像是目标沿雷达视线方向上的投影,包含目标丰富的结构信息,且具有易于获取的特点,因此基于距离像的识别有着实际的......
特征抽取是模式识别研究的最基本的问题之一。无论是人脸识别还是字符识别，抽取有效的鉴别特征是解决问题的关键。核投影分析，包括核......
特征抽取是模式识别研究的最基本问题之一。对于图象识别而言，抽取有效的图象特征是完成图象识别的首要任务。基于核的特征抽取方法......
本论文以设备状态的精确诊断为研究目标，着眼于多元统计分析在设备状态监测诊断中的应用研究，通过分析正在发展中的主分量分析(PCA)......
对信号的特征选择与分类问题进行研究,提出了一种基于核主分量分析（kernel principle componentanalysis,KPCA）和线性判别（linear dis......
目的解决传统的积分双谱特征维数比较大而导致分类器的稳健性和电台的正确识别率下降的问题。方法首先选择矩形积分双谱作为识别的......
动态纹理综合技术是近年来计算机图形学领域研究的热点与难点之一。动态纹理综合技术在虚拟现实、电脑动画等领域有着广泛的应用。......
为有效提高雷达高分辨1维距离像目标识别系统的总体性能,需要对目标高分辨1维距离像进行特征提取,以得到具有最小信息损失、高可分......
人脸检测与识别技术是模式识别和计算机视觉领域中非常活跃的研究课题之一，是进行身份认证最自然直接的手段，在视频监控、证件验证、......
本文中,提出了一种新的脸谱识别方法.首先利用核主分量分析技术提取脸谱图象的全局特征,然后利用独立分量分析技术提取脸谱图象的......
近年来,随着计算机技术和通信技术的迅速发展,特别是互联网的迅速普及和3C(计算机,通信,消费电子)合一的加速,微型化和专业化成为......
特征抽取是模式识别中最基本的问题之一。无论是人脸识别还是字符识别,提取有效的鉴别特征是解决问题的关键。本文就有关几种线性......
由于鼻纹特征点发生变化时，无法提取细致的鼻纹特征，采用传统的算法进行鼻纹特征点对比分析中，缺少准确的鼻纹特征点，导致分析精确度低......
