已閱讀1頁(yè)，還剩63頁(yè)未讀， 繼續(xù)免費(fèi)閱讀
版權(quán)說(shuō)明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、傳統(tǒng)的fisher鑒別分析算法沒有考慮類別的特殊信息，分類性能很有可能會(huì)受到制約。類特定線性鑒別分析雖然考慮到類別的特殊信息，但會(huì)導(dǎo)致類不平衡問(wèn)題，可能會(huì)對(duì)識(shí)別效果造成不良影響。針對(duì)該問(wèn)題，本文借鑒K-means聚類的思想，在此基礎(chǔ)上提出了三種有效的特征提取新方法。
首先，本文提出了基于K-means的平衡類鑒別分析(K_CBDA)方法。該方法的基本思路是，對(duì)于每一個(gè)特定類，取特定類在負(fù)類中的近鄰樣本集，采用K-means聚類
2、算法將其劃分為多個(gè)平衡子集，接著將平衡子集分別與特定類組合，由此得到多個(gè)樣本子集，然后分別從每個(gè)樣本子集提取鑒別向量，最后將提取到的鑒別向量進(jìn)行融合，構(gòu)造統(tǒng)一的投影變換。
其次，為了進(jìn)一步去除鑒別信息的冗余性，本文提出了基于K-means的平衡類統(tǒng)計(jì)正交鑒別分析(K_CBSODA)方法。K_CBSODA引入統(tǒng)計(jì)正交約束條件，使得到的鑒別向量統(tǒng)計(jì)正交。此外，K_CBSODA分別根據(jù)樣本子集的總體散度和可分性來(lái)決定樣本子集的處理次
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間，僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請(qǐng)與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于多視圖鑒別分析的特征提取算法研究.pdf
- 花粉圖像鑒別特征提取算法的研究.pdf
- 兩種圖像鑒別特征提取算法研究.pdf
- 彩色圖像鑒別特征提取算法研究及人臉識(shí)別.pdf
- 基于分治法的鑒別特征提取算法研究與應(yīng)用.pdf
- 虹膜特征提取算法研究.pdf
- 兩種核鑒別特征提取算法的研究及應(yīng)用.pdf
- 紋理圖像的特征提取和聚類算法研究.pdf
- 細(xì)胞特征提取及聚類算法研究與DSP實(shí)現(xiàn).pdf
- sift 特征提取算法詳解
- 保局鑒別人臉特征提取方法研究.pdf
- 鑒別生物特征提取及密鑰生成研究.pdf
- 離線筆跡鑒別的特征提取技術(shù)研究.pdf
- 視頻語(yǔ)義特征提取算法研究.pdf
- 異源圖像特征提取算法研究.pdf
- Beamlet圖像線特征提取算法研究.pdf
- 指紋特征提取及匹配算法研究.pdf
- 人臉特征提取及分類算法研究.pdf
- 手指靜脈特征提取算法的研究.pdf
- 圖像特征提取算法研究及應(yīng)用.pdf
評(píng)論
0/150
提交評(píng)論