線性投影分析的理論與算法及其在特征抽取中的應(yīng)用研究.pdf_第1頁(yè)
已閱讀1頁(yè)，還剩118頁(yè)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、該文完善了具有統(tǒng)計(jì)不相關(guān)性的線性鑒別分析的理論構(gòu)架,給出了求解不相關(guān)的最優(yōu)鑒別矢量集的一個(gè)非常簡(jiǎn)單而有效的算法,并指出統(tǒng)計(jì)不相關(guān)的線性鑒別分析的理論是經(jīng)典的Fisher線性鑒別法的進(jìn)一步發(fā)展.該文從理論上解決了奇異情況下基于Fisher準(zhǔn)則的最優(yōu)鑒別矢量集的求解問題,為高維、小樣本情況下線性鑒別分析方法建立了一個(gè)統(tǒng)一的理論框架.在該理論框架下,最優(yōu)鑒別矢量集的計(jì)算只需要在一個(gè)低維向量空間內(nèi)進(jìn)行,從而極大地提高了求解效率.該文提出了一種具

2、有統(tǒng)計(jì)不相關(guān)性的圖像投影鑒別分析方法.與Liu鑒別分析方法相比,該方法具有能夠消除投影特征向量之間相關(guān)性的優(yōu)點(diǎn),從而大幅度地提高了所抽取特征的鑒別能力.該文提出了一種基于復(fù)向量進(jìn)行特征表示的并行融合新策略,建立了復(fù)線性投影分析的理論,給出了復(fù)特征空間內(nèi)進(jìn)行線性特征抽取方法,事實(shí)上,經(jīng)典的線性投影分析理論與方法只是該文理論與方法的一個(gè)特例.在Concordia University CENPARMI阿拉伯?dāng)?shù)字庫(kù)、NUST603HW手寫漢字

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(qǐng)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(qǐng)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(yè)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(kù)僅提供信息存儲(chǔ)空間，僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對(duì)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(duì)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(qǐng)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(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論