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、特征抽取是模式識別的關鍵問題之一,特征融合則是特征抽取的重要補充,對提高系統(tǒng)分類性能具有重要意義。本文深入研究了多重集相關投影分析(包括多重集典型相關分析和多重集偏最小二乘分析),將其應用于多特征融合,在手寫體數(shù)字識別和人臉識別問題中驗證了所提算法的有效性。
本文的主要研究及創(chuàng)新工作如下:
(1)典型相關分析用于特征融合的局限性在于只能融合兩種特征,而特征融合應用本身則希望能夠融合更多的特征。雖然多重集典型相
2、關分析的提出由來已久,但在特征抽取方面的應用還很少,本文深入研究了多重集典型相關分析,并提出了多重集偏最小二乘分析,將它們應用于多特征融合。
(2)在廣義典型相關分析的啟發(fā)下,提出了多重集線性鑒別典型相關分析和多重集最大散度差典型相關分析,使投影后最小化各集合類內離散度,最大化類間離散度和集合相關性。廣義典型相關分析最小化類內離散度的同時最大化集合間相關性,取得了比典型相關分析更優(yōu)的效果,但并未充分利用類信息,本文結合線性
3、鑒別分析的思想提出了多重集線性鑒別典型相關分析。通過分析最大散度差鑒別分析的基本思想和解法,提出總體散布約束的最大散度差鑒別分析,并證明其與線性鑒別分析的等價性。分析了子空間分析法求得的投影矢量尺度對分類的影響,總結和提出了四種投影矢量尺度歸一化方法。結合總體散布約束的最大散度差鑒別分析的思想提出了多重集最大散度差典型相關分析。
(3)提出了鑒別型多重集典型相關分析和鑒別型多重集偏最小二乘分析。鑒別型典型相關分析實現(xiàn)了最大
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。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)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(jīng)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(xiàn)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(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
- 基于稀疏表示的多重集典型相關分析算法研究.pdf
- 基于分數(shù)階的多重集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與匯編分析-畢業(yè)論文
- 多重集的全排列算法的研究——算法歸類分析
- 多重集全排列算法研究------畢業(yè)論文
- 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
- 基于多視圖相關投影分析的特征抽取與融合方法研究.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-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 (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
- 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
- 基于模糊多重集的Web用戶和頁面聚類模型及算法研究.pdf
- 基于相關投影分析的特征抽取與圖像識別研究.pdf
- 12679.語言多重集及其在多屬性群決策中的應用研究
- 相關投影分析在特征抽取中的應用研究.pdf
評論
0/150
提交評論