幾種投影分析方法及其在生物特征識(shí)別中的應(yīng)用.pdf_第1頁
已閱讀1頁,還剩70頁未讀, 繼續(xù)免費(fèi)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(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、生物特征識(shí)別的幾個(gè)重要步驟是:預(yù)處理、特征抽取、分類。而特征抽取在生物特征識(shí)別的過程中占有重要的地位。投影分析方法是常見的一類特征抽取方法。常見的投影分析方法有很多,其中線性方法如線性鑒別分析方法和主成分分析方法,非線性方法如核主成分分析方法和核線性鑒別分析方法等。本文主要關(guān)心投影分析方面的工作,內(nèi)容如下:
  傳統(tǒng)的核最小均方誤差(KMSE)方法在過去得到了廣泛的應(yīng)用。然而,由于核方法的自身特性,傳統(tǒng)KMSE方法在進(jìn)行分類的時(shí)候

2、效率比較低,難以滿足那些在線的實(shí)時(shí)的應(yīng)用問題。本文針對傳統(tǒng)KMSE的特點(diǎn),提出了改進(jìn)的KMSE算法,提高了效率以使其更加實(shí)用,尤其適用于對時(shí)間要求比較高的情形。
  為了提高線性鑒別分析方法的準(zhǔn)確度和效率及應(yīng)用范圍,人們對線性鑒別分析方法作了很多推廣,從一般的一維線性鑒別分析到二維線性鑒別分析,從一般的線性鑒別分析到非線性的核的線性鑒別分析,從實(shí)域線性鑒別分析到復(fù)數(shù)域的線性鑒別分析。本文對傳統(tǒng)的線性鑒別分析方法以及目前已經(jīng)推廣的線

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(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. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)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(shí)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。

最新文檔

評論

0/150

提交評論