线性鉴别分析相关论文
计算机视觉系统的目标是解释已有的“视觉”数据,并使用这些解释去完成任务。出于机器人工件抓取任务、自动导航、自动检测、装配......
随着信息科学技术的发展，人体生物特征识别技术如指纹识别、虹膜识别、基因识别、视网膜识别在安全、军事、民事和经济等领域有了迅......
特征提取在模式识别领域占有重要的地位，它是人脸识别系统中最关键的一个环节。目前，关于特征提取的方法涌现了大量的经典算法，有基于......
人脸识别因其在安全验证系统、信用卡验证、医学、档案管理、视频会议、人机交互、公安系统(罪犯识别等)等方面的巨大应用前景而越......
随着大数据时代的到来,数据具有特征维度高、数据规模大、非线性可分等特点。为了解决这些问题,本文在字典学习和核方法的基础上对......
作为最近图像处理领域的研究热点的人脸识别研究，它对模式识别和信息安全的发展很有帮助。而特征提取是模式识别研究的最基本问题之......
人脸识别是计算机视觉、模式识别以及图像处理研究的重要内容和热门课题，也是生物特征识别技术中的一个非常活跃的课题。人脸识别被......
人脸识别是一种重要的生物识别技术，它不仅可以广泛地应用于金融、商业、安检等身份鉴别系统，而且在人机接口、可视通讯等领域都有着......
人脸识别现已成为当前模式识别和人工智能领域的一个研究热点。在线性鉴别分析(LDA)方法的基础上,结合张量知识,提出一种基于张量......
针对目前单个IDS在入侵特征提取和检测效率上存在的问题,提出了一种融合主成分分析(PCA)和线性判别分析(LDA)的入侵检测算法.利用P......
目前线性鉴别分析(LDA)方法是在原始图像上直接进行,抽取的是图像的全局特征,受光照、表情变化而引起的局部高频信息影响较大,忽视......
在许多机器学习的任务中,人们常常使用有标签的数据,但是现实中无标签的数据是大量存在的.提出一种基于半监督学习理论的数据降维......
目前的草图人脸识别主要集中在人脸照片-草图之间的相互转换,以此减少照片-草图特征之间的差异,从而进行识别.文中提出一种使用基......
主成分分析算法(PCA)和线性鉴别分析算法(LDA)被广泛用于人脸识别技术中,但是PCA由于其计算复杂度高,致使人脸识别的实时性达不到......
藏文字符识别系统是中文多文种信息处理系统的重要组成部分 ,但至今国内外的研究基本处于空白。本文提出了一种基于统计模式识别的......
针对PCA没有有效利用样本的类别信息而导致方言识别率低的问题,采用PCA和LDA组合方法进行特征提取。首先用PCA对普通话、上海话、......
提出了一种基于奇异值分解与改进的LDA相结合的人脸识别方法。首先利用奇异值分解方法获得图像的有效特征;然后经过改进的LDA处理,......
为有效解决小样本问题,从线性子空间的角度出发,构造了一种矩阵变换,得到了类内散布矩阵的另一个对称线性子空间;通过对两个子空间......
针对核主成分分析法KPCA和线性鉴别分析法LDA分别单独运用于人脸识别过程中的识别率不高的特点,提出一种将两者融合的算法———KF......
为了有效地融合Fisher线性鉴别分析与最大散度差鉴别分析所抽取的特征,得到更加全面反映原始样本的鉴别特征集,提出了基于典型相关......
提出了一种基于分块局部二元模式(LBP)的鉴别特征抽取方法。该方法对人脸图像进行分块,再对分块后的子图像矩阵采用LBP算子抽取LBP......
广义Foley-Sammon线性鉴别分析(GFSDA)是抽取线性特征的有效方法之一.本文提出了基于核的广义Foley-Sammon鉴别分析(KGFSDA)方法,......
判断网络通信量模型与真实数据拟合度的常用方法是Hurst参数比较法、数据直方图比较法和自相关函数比较法。其中Hurst参数法计算结......
特征提取是模式识别研究领域的一个热点。本文提出了一种基于独立成分分析和线性鉴别分析的特征提取方法。该方法中引入了零空间的......
基于主成分分析(Principal Component Analysis,PCA),本文提出了分块 PCA 人脸识别方法。分块 PCA 从模式的原始数字图像出发,先对......
主分量分析(Principal Component Analysis,PCA)是模式识别领域中一种重要的特征抽取方法,该方法通过K-L展开式来抽取样本的主要特......
主分量分析(PCA)和线性鉴别分析(LDA)是模式识别领域的使用最为广泛的两种特征抽取方法,而在图像识别中经常采用的是PCA+LDA方法来......
提出了一种基于图像分块的FDA(Fisher linear discriminating analysis)人脸识别方法,该方法首先对原始图像进行分块,再对分块得到......
根据GIS设备绝缘缺陷放电形式和特点，设计了4种典型的GIS缺陷模型，构造了局部放电灰度谱图；针对GIS局部放电及其缺陷特点，提出一种基于......
针对单训练样本情况下的人脸识别问题,提出一种虚拟样本扩展方法.利用光照模板映射将单一样本扩展为一组虚拟样本,从而增强单训练......
特征提取广泛应用于模式识别中。它去除原始样本的冗余信息,提取出有助于样本表示或分类的简洁有用的信息。线性鉴别分析(LDA)属于......
传统的主分量分析和Fisher线性鉴别分析在处理图像识别问题时都是基于图像向量的。该文提出了一种直接基于图像矩阵的主分量分析方......
人脸识别是模式识别中重要的研究内容,具有广泛的应用前景。为了进一步提高人脸识别中线性鉴别方法的鲁棒性,提出了一种基于列最近......
针对多类识别时原始特征空间中相近的类经过线性鉴别分析（LDA）降维后，在低维空间中易被混淆，不利于识另4的问题，提出了一种通过对相似类......
针对现有的文本相关和文本无关的笔迹验证方法无法处理笔迹中仅含有少量且完全不同字符的情况，提出了基于非限定单字字符的内容相关......
本文结合作者个人教学经验,对《模式识别》教学过程中学生不太容易掌握的线性鉴别分析进行了分析和探讨,得出了一些有益的教学经验......
在小样本条件下,由于离散矩阵的奇异性,作为监督降维的传统线性鉴别分析(LDA)并不能直接计算.许多扩展算法被提出以克服此问题,一......
由于样本数常小于样本维数,传统的典型相关分析方法CCA(canonical correlation analysis)会产生小样本问题。为了解决这类问题,一......
本文提出了奇异值分解(SVD)和线性鉴别分析(LDA)相结合的人脸识别算法。理论上,当两种数据或分类器具有一定的独立性或互补性时,数......
提出了模块二维主成分分析(M2DPCA)线性鉴别分析方法。M2DPCA方法先对图像矩阵进行分块,对分块得到的子图像矩阵直接进行鉴别分析......
为进一步提高ULDA算法的求解效率,提出了一种新的快速的统计不相关LDA求解算法(ULDA/new)。ULDA/new只需对一个(c-1)×(c-1)的矩阵......
结合非参数特征分析和最大散度差鉴别分析的思想，提出了两向二维非参数最大散度差（（CO）。NMSD）鉴别分析，并用于SAR图像目标识别。首先计......
首先对Fisher鉴别准则作了必要的修正,并基于新的鉴别准则设计了最大散度差分类器;然后探讨了当参数C趋向无穷大时,最大散度差分类......
将基于Fisher准则的鉴别分析推广到矩阵的情形,得到先寻找最佳鉴别向量,将矩阵投影为一个向量,再次寻找最佳鉴别向量,将投影向量映......
为了更加准确地对图像进行聚类与分类,提出一种基于局部样条嵌入的正交半监督子空间学习算法.通过学习一个正交投影矩阵,使得训练......
通过对传统线性鉴别分析局限性的分析,提出一种基于两向二维非参数特征分析((2D)2NFA)的SAR图像目标识别方法,该方法有效克服了线......
提出了一种基于生物启发特征的人脸识别算法.算法首先提取人脸图像的C1特征,然后利用PCA-LDA方法对其降维,最后,利用SVM进行识别.......
