期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于主成分分析和支持向量机的鲁棒稀疏线性判别分析方法
被引量：
3
1
作者
鞠厦轶
吕开云
+1 位作者
龚循强
鲁铁定
《科学技术与工程》
北大核心
2022年第26期11515-11523,共9页
线性判别分析(linear discriminant analysis,LDA)是一种基于监督学习的模式识别方法,在图像识别领域应用广泛。针对经典的LDA识别率不高、识别效率低以及鲁棒性不强的问题,提出了一种基于主成分分析(principal component analysis,PCA...
线性判别分析(linear discriminant analysis,LDA)是一种基于监督学习的模式识别方法,在图像识别领域应用广泛。针对经典的LDA识别率不高、识别效率低以及鲁棒性不强的问题,提出了一种基于主成分分析(principal component analysis,PCA)和支持向量机(support vector machine,SVM)的鲁棒稀疏线性判别分析方法。通过ORL人脸图像库、YaleB人脸图像库、COIL20物体图像库和UCI机器学习库中部分图像集,将本文方法与线性判别分析、鲁棒线性判别分析、基于L1范数和巴氏距离的鲁棒线性判别分析、鲁棒自适应线性判别分析和鲁棒稀疏线性判别分析6种方法进行比较。实验结果表明,在ORL人脸库、COIL20物体库和UCI机器学习库中的部分图像集中,本文方法的识别率和识别效率均高于其他5种方法。在YaleB人脸库加入椒盐噪声的条件下,本文方法的识别率均值为81.35%,说明提出方法的识别率和鲁棒性均优于其他5种方法。
展开更多
关键词
鲁棒稀疏线性判别分析
主成分
分析
(PCA)
图像识别
监督分类
支持向量机(SVM)
在线阅读
下载PDF
职称材料
基于拉普拉斯方向的差值线性判别分析
被引量：
2
2
作者
李照奎
丁立新
+2 位作者
王岩
何进荣
周凌云
《计算机科学》
CSCD
北大核心
2014年第6期161-165,203,共6页
标准的LDA方法通常有3个问题:1)为了确保类内散度矩阵的非奇异性,必须首先通过PCA进行维数约简,这限制了对更多维数空间的使用;2)当每人只有单个训练样本时,类内散度矩阵必然奇异,此时LDA无法工作;3)缺乏对像素间的局部相关性的考虑。...
标准的LDA方法通常有3个问题:1)为了确保类内散度矩阵的非奇异性,必须首先通过PCA进行维数约简,这限制了对更多维数空间的使用;2)当每人只有单个训练样本时,类内散度矩阵必然奇异,此时LDA无法工作;3)缺乏对像素间的局部相关性的考虑。为了解决这些问题,提出一种基于拉普拉斯方向的差值线性判别分析方法。该方法通过拉普拉斯方向实现更鲁棒的图像相异性测度,通过引入差值散度矩阵来避免类内散度矩阵的奇异性。实验结果显示,该算法对表情变化、光照改变及不同遮挡情况获得了更高的识别率,尤其针对光照变化,效果更加显著。
展开更多
关键词
拉普拉斯方向
维数约简
线性
判别分析
鲁
棒
的相异性度量
在线阅读
下载PDF
职称材料
题名
基于主成分分析和支持向量机的鲁棒稀疏线性判别分析方法
被引量：
3
1
作者
鞠厦轶
吕开云
龚循强
鲁铁定
机构
东华理工大学测绘工程学院
自然资源部环鄱阳湖区域矿山环境监测与治理重点实验室
出处
《科学技术与工程》
北大核心
2022年第26期11515-11523,共9页
基金
国家自然科学基金(42101457,42061077)
江西省教育厅科学技术科技项目(GJJ150591)
+1 种基金
东华理工大学放射性地质与勘探技术国防重点学科实验室开放基金(REGT1219)
自然资源部海洋环境探测技术与应用重点实验室开放基金(MESTA-2021-B001)。
文摘
线性判别分析(linear discriminant analysis,LDA)是一种基于监督学习的模式识别方法,在图像识别领域应用广泛。针对经典的LDA识别率不高、识别效率低以及鲁棒性不强的问题,提出了一种基于主成分分析(principal component analysis,PCA)和支持向量机(support vector machine,SVM)的鲁棒稀疏线性判别分析方法。通过ORL人脸图像库、YaleB人脸图像库、COIL20物体图像库和UCI机器学习库中部分图像集,将本文方法与线性判别分析、鲁棒线性判别分析、基于L1范数和巴氏距离的鲁棒线性判别分析、鲁棒自适应线性判别分析和鲁棒稀疏线性判别分析6种方法进行比较。实验结果表明,在ORL人脸库、COIL20物体库和UCI机器学习库中的部分图像集中,本文方法的识别率和识别效率均高于其他5种方法。在YaleB人脸库加入椒盐噪声的条件下,本文方法的识别率均值为81.35%,说明提出方法的识别率和鲁棒性均优于其他5种方法。
关键词
鲁棒稀疏线性判别分析
主成分
分析
(PCA)
图像识别
监督分类
支持向量机(SVM)
Keywords
robust sparse linear discriminant analysis
principal component analysis(PCA)
image recognition
supervised classification
support vector machine(SVM)
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于拉普拉斯方向的差值线性判别分析
被引量：
2
2
作者
李照奎
丁立新
王岩
何进荣
周凌云
机构
武汉大学软件工程国家重点实验室武汉大学计算机学院
沈阳航空航天大学计算机学院
出处
《计算机科学》
CSCD
北大核心
2014年第6期161-165,203,共6页
基金
国家自然科学基金(60975050,60902053)
广东省省部产学研结合专项(2011B090400477)
+1 种基金
珠海市产学研合作专项(2011A050101005,2012D0501990016)
珠海市重点实验室科技攻关项目(2012D0501990026)资助
文摘
标准的LDA方法通常有3个问题:1)为了确保类内散度矩阵的非奇异性,必须首先通过PCA进行维数约简,这限制了对更多维数空间的使用;2)当每人只有单个训练样本时,类内散度矩阵必然奇异,此时LDA无法工作;3)缺乏对像素间的局部相关性的考虑。为了解决这些问题,提出一种基于拉普拉斯方向的差值线性判别分析方法。该方法通过拉普拉斯方向实现更鲁棒的图像相异性测度,通过引入差值散度矩阵来避免类内散度矩阵的奇异性。实验结果显示,该算法对表情变化、光照改变及不同遮挡情况获得了更高的识别率,尤其针对光照变化,效果更加显著。
关键词
拉普拉斯方向
维数约简
线性
判别分析
鲁
棒
的相异性度量
Keywords
Laplacian orientations
Dimensionality reduction
Linear discriminant analysis
Robust dissimilarity measures
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于主成分分析和支持向量机的鲁棒稀疏线性判别分析方法
鞠厦轶
吕开云
龚循强
鲁铁定
《科学技术与工程》
北大核心
2022
3
在线阅读
下载PDF
职称材料
2
基于拉普拉斯方向的差值线性判别分析
李照奎
丁立新
王岩
何进荣
周凌云
《计算机科学》
CSCD
北大核心
2014
2
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
