幾種特征提取方法的研究.pdf_第1頁
已閱讀1頁,還剩51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、特征提取是模式識別中最基本的研究內(nèi)容之一,可以有效地緩解模式識別領(lǐng)域經(jīng)常出現(xiàn)的“維數(shù)災(zāi)難”問題并對識別性能起著重要作用,它在生物特征識別、信息處理、文本分類等領(lǐng)域有著廣泛的應(yīng)用。現(xiàn)有的特征提取方法非常多,但仍然存在一些缺陷,例如對噪聲敏感、小樣本問題、抽取的特征中存在冗余等。
  本文對二維模式特征提取方法及單類分類的特征提取方法開展了研究,對已有特征提取方法的缺陷進行了改進,主要貢獻包括:
  1.傳統(tǒng)的2DLPP是基于L

2、2范數(shù)的,對噪聲很敏感,本文提出了一種基于L1范數(shù)的2DLPP(2DLPP-L1),2DLPP-L1通過一個迭代算法來降維,該算法不需要特征值分解。與基于L2范數(shù)的2DLPP相比,所提基于L1范數(shù)的2DLPP具有更強的魯棒性。
  2.2DLDA本質(zhì)上只在所給圖像的行方向上抽取特征,因此抽取的特征中仍存在冗余,為此提出了基于2DLDA和模糊粗糙集的兩階段維數(shù)約減方法(2DLDAFRS)。第一個階段,用2DLDA抽取特征。第二個階段

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