線性判別分析新方法研究及其應(yīng)用.pdf_第1頁
已閱讀1頁，還剩56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(rèn)領(lǐng)

文檔簡介

1、Fisher線性判別分析(FLDA,或簡稱為LDA)是極為有效的特征提取方法之一,已在降維、數(shù)據(jù)分析和模式分類等領(lǐng)域得到了廣泛和成功的應(yīng)用.本文對線性判別分析及其應(yīng)用進行了一系列的研究.首先,在多特征線性判別分析(Multi-feature LDA,MFLDA)的基礎(chǔ)上,提出了基于核的多特征線性判別分析(kernel MFLDA,kMFLDA),克服了多特征線性判別分析不能有效地解決非線性可分問題的不足;其次,針對傳統(tǒng)線性判別分析中存在

2、的秩限制和奇異性問題,通過修正原有的LDA準(zhǔn)則,提出了一種修正的線性判別分析準(zhǔn)則(Modified LDA,ModLDA),以克服秩限制問題并同時放寬奇異性問題的限制.在多個國際標(biāo)準(zhǔn)數(shù)據(jù)集和人工數(shù)據(jù)集上實驗的結(jié)果表明本文提出的兩種線性判別分析方法具有優(yōu)于傳統(tǒng)LDA或與之相當(dāng)?shù)男Ч?最后,開展了線性判別分析在灰度圖像二值化問題中的應(yīng)用性研究.針對灰度圖像中物體通常具有均勻的灰度值,而背景通常具有非均勻的灰度值這一特點,我們從人類觀察圖像的

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(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)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