共查询到10条相似文献,搜索用时 15 毫秒
1.
巴氏距离和K-L变换结合的特征选择 总被引:1,自引:1,他引:1
该文提出巴氏距离(BhattacharyyaDistance)和K-L(Karhunen-Loeve)变换结合的特征选择。采用巴氏距离特征选择眼3,5演的迭代算法,可以获得最小错误率上界。当特征维数高时,为了减少巴氏距离特征选择计算时间,对样本先进行K-L变换,将特征降低到中间维数。然后进行巴氏距离特征选择,降低到结果的维数。用基于MNIST手写体数字库的试验表明,该文方法比单纯用巴氏距离特征选择计算时间大大减少,并比主分量方法(即单纯使用K-L变换)特征选择的错误率小得多。 相似文献
2.
利用巴氏距离(Bhattacharyya Distance)和PCA(Principal Component Analysis)相结合进行人脸识别研究,提出了使用巴氏距离和PCA相合的算法对特征进行提取。当特征向量维数高时,首先对样本K-L(Karhunen-Loeve)变换进行降维,然后采用巴氏距离特征的迭代算法,得到最小错误率上界。基于ORL人脸数据库的实验表明该方法的识别性能优于LDA、HPCA、HLDA,采用文中的算法可以有效地提高识别率,减少巴氏距离特征计算时间,具有较强的实用性。 相似文献
3.
4.
本文提出正态分布条件下面向不同分布的多类问题基于Chernoff上界的特征选择优化迭代算法.该算法由两重迭代组成首先在设定的原始空间和特征空间Chernoff参数s条件下,通过解矩阵方程的迭代算法求得变换矩阵的最优解;然后,在变换矩阵确定的特征空间中搜索最佳的参数s使错误概率上界最小;最后采用折半法修正设定的Chernoff参数s及其迭代步长.通过分析和实例可见基于Chernoff上界特征选择是面向不同分布的多类问题的最佳特征选择方法. 相似文献
5.
本文就二类模式识别问题给出一种特征选择新方法。这种基于一个限定样本子集的方法,比起 K-L 特征选择、最小类内欧氏距离特征选择、最大类间欧氏距离特征选择,更适合于模式分类问题。这里,后面两种特征选择方法是由文献〔1〕提出来的。 相似文献
6.
多类问题中的特征提取 总被引:4,自引:0,他引:4
对多类问题中的“基于平均马氏距离特征提取”、“基于马氏距离特征提取”和“基于最小错误概率上界特征提取”方法进行了分析和比较。证实了“基于最小错误概率上界特征提取”是目前可以用迭代算法完成的最好的特征提取,而“基于马氏距离特征提取”在错误概率上界上升很小的代价下,简化了计算量,也是一种可行的方法,文中使实际科研项目“小字集手写体特征提取”中的数据进行实验,当特征数从4下降到2时,基于平均马氏距离特征提取的错误概率上界要比其它两种方法高10%左右。 相似文献
7.
ICP(Iterative Closest Point)算法是点云配准中最常用的算法,而点云的FPFH(Fast Point Feature Histograms)特征可在点云配准中为其提供初始匹配信息。针对该方法的初始匹配中距离测度等问题,提出一种改进的基于FPFH特征配准点云的方法。点云配准时首先计算2个点云的点的FPFH特征之间的巴氏距离,以k-d树检索巴氏距离最小的对应点,然后利用奇异值分解计算初始转换矩阵,进行ICP算法精细匹配,求得最终变换矩阵。实验结果表明,改进的基于FPFH特征配准点云的方法能为ICP算法提供良好的初始变换矩阵,在同等迭代次数下该方法具有更高的精度。 相似文献
8.
9.
10.
宣国荣 《计算机应用与软件》1985,(6)
本文提出用降维空间中欧氏距离作为模式识别中特征选择的准则。特征选择后的模式在新的特征空间中,如果类内欧氏距离最小,或类间欧氏体距离最大,则可获得良好的分类效果。可以证明,K-L特征选择中,在讨论分类问题时,往往采用类内协方差矩阵最大本征值的那些特征,这是离开模式识别要求的讨论。本文从欧氏距离,正交变换和二次最优的观点。提出模式识别中三类特性选择方法,即最小类内欧氏距离特征选择,最大类间欧氏距离特征选择和综合欧氏距离特征选择。本文通过比较及实例分析,说明欧氏距离特征选择具有简明、直观的特点,并且把以正交变换为基础的各种特征选择方法从概念上统一起来。 相似文献