2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩30頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明: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),請進行舉報或認領(lǐng)

文檔簡介

1、目前線性判別分析和降維技術(shù)在模式識別中有著重要的應(yīng)用與研究。本文主要對線性判別分析及其改進算法進行分析,并應(yīng)用于人臉識別試驗中,同時在其改進算法的等價性上進行了相關(guān)的研究。數(shù)據(jù)降維在眾多領(lǐng)域被廣泛的應(yīng)用,從而促進高維數(shù)據(jù)獲得最佳的分類效果,數(shù)據(jù)降維是將樣本數(shù)據(jù)通過線性或者非線性的映射從高維空間映射到低維空間,使得映射后數(shù)據(jù)在低維空間盡可能的不損失原有數(shù)據(jù)的信息。為了盡量避免“維數(shù)災(zāi)難”,我們在研究和應(yīng)用中結(jié)合了數(shù)據(jù)降維的方法。本文主要做

2、了如下的研究工作:
   1.模式識別領(lǐng)域和人工智能領(lǐng)域的一個研究焦點是人臉識別,已經(jīng)有許多的方法被應(yīng)用于人臉識別中,特征提取是模式識別研究中一個關(guān)鍵問題。就人臉識別來說,完成識別的關(guān)鍵是更好地提取有效的人臉圖像特征,多年前,學(xué)者們不斷地提出大量的降維方法并深入地探索研究,在眾多領(lǐng)域中它作為克服“維數(shù)災(zāi)難”的方法占有重要的地位。本文對經(jīng)典的線性、流形及線性流形學(xué)習(xí)方法等特征提取方法進行了介紹與分析。
   2.隨著科技信

3、息技術(shù)的發(fā)展,經(jīng)常會在實際應(yīng)用中處理高維數(shù)據(jù),如人臉識別、交易數(shù)據(jù)及多媒體數(shù)據(jù)等。選擇適合的降維方法是成功處理高維數(shù)據(jù)的關(guān)鍵,為了使數(shù)據(jù)降維達到最佳的分類效果,本文對線性判別分析的改進算法進行了分析和研究,首先從理論層面進行了分析,對基于類內(nèi)散度矩陣Sw零空間和基于全散度矩陣St列空間的降維方法分別進行了全面的理論分析,進而得出結(jié)論:在滿足C1條件下,0LDA、ULDA、NLDA和DLDA-ST等價,其最優(yōu)解形式相同,最后總結(jié)和比較了擴

4、展的LDA的方法的優(yōu)缺點,并對降維發(fā)展的方向進行了展望。
   3.本文提出線性判別分析的改進算法:基于優(yōu)化的最大邊際近鄰線性判別分析(基于優(yōu)化的LMNLDA)實現(xiàn)樣本點最優(yōu)化分類,該方法的目標是為了更好地解決小樣本問題,克服空間中樣本的數(shù)據(jù)重疊,使樣本在空間中獲得最佳的分離效果,將樣本從高維投影到低維并找到最佳的鑒別矢量空間,對類間矩陣的定義中考慮了投影方向?qū)?shù)據(jù)的影響,不但克服了樣本間數(shù)據(jù)重疊,同時邊緣類對選擇投影方向影響又

溫馨提示

  • 1. 本站所有資源如無特殊說明,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)頁內(nèi)容里面會有圖紙預(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. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論