期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
独立分量分析在模式识别中的应用 被引量:11
1
作者 孟继成 杨万麟 《计算机应用》 CSCD 北大核心 2004年第8期28-29,31,共3页
模式识别中关键的两个环节是模式的特征提取及利用分类器分类识别。采用独立分量分析进行特征提取 ,并比较了最近邻分类器和cos分类器的分类识别性能。利用ORL人脸图像数据库进行实验 ,结果表明独立分量分析与cos分类器相结合可得到更... 模式识别中关键的两个环节是模式的特征提取及利用分类器分类识别。采用独立分量分析进行特征提取 ,并比较了最近邻分类器和cos分类器的分类识别性能。利用ORL人脸图像数据库进行实验 ,结果表明独立分量分析与cos分类器相结合可得到更好的识别结果。 展开更多
关键词 独立分量分析 最近邻分类器 cos分类器
在线阅读 下载PDF
利用最近邻信息快速分类多标签数据 被引量:3
2
作者 乔健 田庆 《计算机工程与应用》 CSCD 北大核心 2011年第32期138-140,190,共4页
为克服ML-KNN在分类效率方面的局限性,提出了一种基于KNN的快速多标签数据分类算法FKMC,利用待分类实例的k个最近邻的局部信息进行排序分类。从已分类数据实例集中选择待分类数据实例的k个最近邻;根据每个最近邻拥有的标签数和每个标签... 为克服ML-KNN在分类效率方面的局限性,提出了一种基于KNN的快速多标签数据分类算法FKMC,利用待分类实例的k个最近邻的局部信息进行排序分类。从已分类数据实例集中选择待分类数据实例的k个最近邻;根据每个最近邻拥有的标签数和每个标签归属的最近邻数对待分类实例进行排序分类。仿真结果表明,最近邻的选择方法对分类器性能有显著的影响;在分类效果上FKMC与ML-KNN相当,有时甚至优于后者;而在分类效率上FKMC则显著优于ML-KNN。 展开更多
关键词 最近邻 快速分类 多标签数据 快速多标签数据分类算法(FKMC)
在线阅读 下载PDF
基于PCA与改进的最近邻法则的异常检测 被引量:5
3
作者 聂方彦 《计算机工程与设计》 CSCD 北大核心 2008年第10期2502-2504,共3页
提出一种新颖的基于特征抽取的异常检测方法,先对预处理数据进行标准化变换,然后应用主成份分析(PCA)抽取入侵特征,最后应用一种改进的最近邻分类方法——基于中心的最近邻分类法(CNN)检测入侵。利用KDDCup'99数据集,将PCA+CNN与PCA... 提出一种新颖的基于特征抽取的异常检测方法,先对预处理数据进行标准化变换,然后应用主成份分析(PCA)抽取入侵特征,最后应用一种改进的最近邻分类方法——基于中心的最近邻分类法(CNN)检测入侵。利用KDDCup'99数据集,将PCA+CNN与PCA+NN、PCA+SVM、标准SVM进行比较,结果显示,在不降低分类器性能的情况下,特征抽取方法能对输入数据有效降维,且在各种方法中,PCA与CNN的结合能得到最优的入侵检测性能。 展开更多
关键词 入侵检测 异常检测 主成份分析 基于中心的最近邻分类器
在线阅读 下载PDF
基于改进多尺度采样算法的焊缝缺陷图像识别 被引量:6
4
作者 尹立航 孙士保 +1 位作者 许烨 章冲 《计算机工程与设计》 北大核心 2019年第4期1196-1201,共6页
为使焊缝缺陷图像特征提取更完整,提出一种多尺度采样分析的焊缝缺陷识别方法。对原有多尺度算法的符号模式进行改进,使其相比原来增加两个划分区间;利用控制变量法确定焊缝图像识别的最优尺度数为2,最佳邻域像素数为12;提取焊缝图像的... 为使焊缝缺陷图像特征提取更完整,提出一种多尺度采样分析的焊缝缺陷识别方法。对原有多尺度算法的符号模式进行改进,使其相比原来增加两个划分区间;利用控制变量法确定焊缝图像识别的最优尺度数为2,最佳邻域像素数为12;提取焊缝图像的多尺度特征,连接各个尺度下的特征向量用于表示焊缝图像;用最近邻分类器对缺陷图像进行识别;考虑实际生产中缺陷种类的多样性,对缺陷图像做9个不同角度的旋转。综合实验结果表明,该方法具有较高的识别率且具有旋转不变性,实验中对复杂缺陷图像识别率超过91.71%,优于现有方法,能够满足实际需要。 展开更多
关键词 无损检测 缺陷识别 多尺度分析 小波变换 最近邻分类器
在线阅读 下载PDF
基于分块二维局部保持鉴别分析的二级人脸识别方法
5
作者 赵春晖 陈才扣 《计算机应用》 CSCD 北大核心 2015年第A02期254-257,共4页
在对二维局部保持鉴别分析(2DLPDA)研究的过程中,发现在将样本分块后,对相同位置的块组成的新的样本集独自使用2DLPDA方法,可以有效地将测试样本的类别锁定在一个很小的范围内。由此提出一种基于分块二维局部保持鉴别分析的二级人脸识... 在对二维局部保持鉴别分析(2DLPDA)研究的过程中,发现在将样本分块后,对相同位置的块组成的新的样本集独自使用2DLPDA方法,可以有效地将测试样本的类别锁定在一个很小的范围内。由此提出一种基于分块二维局部保持鉴别分析的二级人脸识别方法。在第一阶段首先对样本进行分块,然后独立对相同位置块所组成的新样本集进行2DLPDA,并以此提取出测试样本被锁定的类别范围;之后在该缩小的类别范围内,进行二级人脸识别过程。提出两种方案,一种是二级采用协同表示分类(CRC)算法,另一种是二级采用最近邻分类(NNC)算法来对测试样本的类别进行进一步的识别。在ORL人脸库上的实验结果表明,所提出的方法对于提高识别率有效。 展开更多
关键词 局部保持鉴别分析 协同表示分类 最近邻分类 二级人脸识别
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部