版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、典型相關分析(CCA)是一種有效的研究模式識別中兩組特征數據之間相關性問題的特征提取算法?,F實世界中,同一模式總是表現出多種不同的的特性,因此本文從融合多組特征的角度出發(fā),以基于稀疏表示的多重集典型相關分析算法(MCCA)為研究基礎,結合核技術、樣本類別信息、最大間距準則等相關基本理論知識,建立了一系列特征提取、特征融合的算法。本文主要研究工作如下:
(1)由于稀疏保持投影的典型相關分析算法并不能滿足實際工作中非線性問題的需要
2、,在核技術啟發(fā)下,研究了基于核的稀疏保持投影的典型相關分析算法(KSPCCA)。在此基礎上,為了避免最優(yōu)核函數選擇的問題,以及滿足多特征融合的需要,結合多核學習的思想,以及稀疏保持投影的多重集典型相關分析算法(SPMCCA),研究了簡單的基于多核的稀疏保持投影的多重集典型相關分析算法(sMKSPMCCA)。
(2)用L2范數求解稀疏表示的正則化方程,可以得到協(xié)作表示系數,用協(xié)作表示系數建立樣本重構鄰接矩陣,提取子空間特征,得出
3、協(xié)作表示投影算法(CRP);CRP沒有考慮類別信息,從而加入類別信息,研究了協(xié)作表示鑒別算法理論(CRD);再分別結合MCCA與核方法,研究了協(xié)作表示投影的多重集典型相關分析算法(CRMCCA)、基于核的協(xié)作表示投影的多重集典型相關分析算法(KCRMCCA)、協(xié)作表示鑒別的多重集典型相關分析算法(CDMCCA)、基于核的協(xié)作表示鑒別的多重集典型相關分析算法(KCDMCCA)。
(3)求解稀疏表示系數只考慮同類樣本,求得同類樣本
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,請聯系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯系,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。
最新文檔
- 基于分數階的多重集典型相關分析算法研究.pdf
- 基于稀疏表示的典型相關分析算法研究.pdf
- 基于低秩理論的多重集典型相關分析的研究與應用.pdf
- 多重集的全排列算法的研究——算法歸類分析
- 多重集的全排列算法的研究——算法歸類分析
- 多重集的全排列算法的研究——算法歸類分析
- 多重集相關投影分析與特征融合研究.pdf
- 多重集全排列算法研究------畢業(yè)論文
- 多重集全排列算法研究與匯編分析-畢業(yè)論文
- 多重集全排列算法研究------畢業(yè)論文
- 多重集全排列算法研究-畢業(yè)論文
- 多重集全排列算法研究與匯編分析-畢業(yè)論文
- 基于模糊多重集的Web用戶和頁面聚類模型及算法研究.pdf
- 基于圖像集的一致稀疏表示算法及應用.pdf
- 基于稀疏表示的手勢識別算法研究.pdf
- 多重集全排列算法的研究——模擬比較與匯編分析-本科畢業(yè)論文 (2)
- 多重集全排列算法的研究——模擬比較與匯編分析-本科畢業(yè)論文
- 多重集全排列算法的研究——模擬比較與匯編分析-本科畢業(yè)論文
- 基于稀疏表示的目標跟蹤算法.pdf
- 多重集全排列算法的研究——模擬比較與匯編分析-本科畢業(yè)論文
評論
0/150
提交評論