首页 | 本学科首页   官方微博 | 高级检索  
检索     
共有20条相似文献,以下是第1-20项 搜索用时 62 毫秒

1.  PCA-CHMM在化工过程故障诊断中的应用  被引次数:4
   周韶园  王树青  张建明《浙江大学学报(自然科学版 )》,2005年第39卷第10期
   为了解决主元分析(principal component analysis,PCA)在故障分类方面的不足,提出一种结合PCA和连续隐马 尔可夫模型(continuous hidden Markov model,CHMM)的故障诊断方法.PCA对测量数据进行优化降维,用少数几个主元 表征过程主要变化信息,实现过程特征提取.但是PCA不能对这些过程变化信息进行有效的分类和识别,运用CHMM成熟的 时序模式分类能力能够较好地解决这个问题.通过Tennessee Eastman过程仿真验证了基于PCA和CHMM的故障诊断方法的性 能.    

2.  分块PCA在脸像识别中的应用  
   李明辉《中国新技术新产品》,2009年第18期
   鉴于整幅人脸图像主成分提取(PCA)特征脸算法的高计算复杂度,本文提出了基于分块PCA的脸像识别算法,先对每幅脸像等分成相同的块,再对各子块图像预处理,采用像素均值法的降采样和能量归一化处理以降低维数和消除光照的影响,再合并成一个向量,将预处理得到的向量进行PCA降维,最后采用k-近邻分类器进行分类识别。在Yale人脸库中实验结果表明该方法的有效性。    

3.  基于混沌理论和支持向量机的人脸识别方法  被引次数:2
   张新明  徐久成《高技术通讯》,2009年第19卷第5期
   针对如何选定主成分分析(PCA)特征维数和如何选定支持向量机(SVM)的参数来进一步提高人脸识别系统性能的问题,提出了一种基于混沌理论和支持向量机的人脸识别方法.首先,在统一的目标函数下,在采用PCA方法对人脸图像进行降维和将得到的特征送入SVM中进行训练期间,使用具有可操作性的改进混沌优化算法同时对PCA图像特征维数和分类器参数进行优化选择,然后用得到的优化人脸特征和最佳参数的分类器对未知图像进行识别.基于该方法,对ORL和Yale人脸库进行实验,其识别率都高达99%以上,仿真结果表明,该方法极大地提高了人脸识别能力.    

4.  航拍图像区域多特征紧耦合多级分类算法  
   马旭  程咏梅  郝帅  赵建涛  王涛《微电子学与计算机》,2014年第10期
   提出一种基于多特征紧耦合的航拍图像区域多级分类算法.首先将样本图像从RGB空间转换到HSV空间,分别提取颜色矩特征和Gabor纹理特征,并对Gabor纹理特征进行PCA降维;然后将两种特征相乘构成紧耦合矩阵,进一步生成紧耦合特征向量,并对生成的紧耦合特征向量再次进行PCA降维;接着搭建了由5个概率神经网络分类器构成的多级分类器.最后利用Google Earth软件截取不同时间、不同尺度的图像,作为训练样本和测试样本,进行多级分类器的训练和测试.实验结果表明,相比于单特征及多特征松耦合的分类方法,提出的方法分类精度较高.    

5.  人工智能技术在遥感图像分类中的应用  
   翁代云  杨莉《计算机仿真》,2012年第6期
   研究遥感图像分类精度问题,遥感图像分类根据图像特征进行分类,然而其特征维数相当高且信息冗余严重,分类器不能降低特征维数,导致分类器计算量大,图像分类效率和正确率低。利用主成分分析(PCA)降维特征维数的优点,提出一种基于PCA-SVM的遥感图像分类方法。PCA-SVM算法首先采用LBP算子提取遥感图像特征,然后采用PCA对遥感图像特征进行降维处理,减少特征维数并消除特征冗余信息,获得对分类结果贡献大的特征,最后采用SVM进行遥感图像分类。仿真结果表明,PCA-SVM提高了遥感图像分类效率和正确率。    

6.  基于Gabor变换和变精度粗糙集的人脸识别  
   刘海霞  周军  梅红岩  刘立军《计算机工程与应用》,2008年第44卷第22期
   针对主成分分析(PCA)方法在特征提取和降维方面的不足,提出一种基于变精度粗糙集的人脸Gabor特征筛选方法。首先提取人脸图像Gabor特征向量,经2DPCA方法处理后用粗糙集对其进行最佳特征选择。然后训练最近邻分类器进行分类识别。在ORL人脸库上验证了该方法的有效性。实验结果显示,该方法的分类能力优于PCA和Gabor_PCA等方法。    

7.  基于主成分分析和概率神经网络的变压器局部放电模式识别  被引次数:2
   苑津莎  尚海昆《电力自动化设备》,2013年第33卷第6期
   提出利用主成分分析(PCA)的方法对变压器局部放电原始特征参数进行降维,并提取出新的主成分因子.结果表明,提取出的主成分因子可以很好地表征原始特征向量.通过概率神经网络(PNN)分类器分别对降维前和降维后的特征向量进行训练和识别.研究发现,提取出的新因子有效缓解了分类器负担,且PNN分类器的识别效果良好,优于传统BP神经网络分类器.    

8.  基于混合PCA和KFD的多级说话人确认  
   邢玉娟  张成文  李明《计算机工程》,2010年第36卷第18期
   提出一种基于混合主成分分析(PCA)分类器和核Fisher判别(KFD)的多级说话人确认方法。利用PCA对注册说话人的特征向量进行降维,根据转换矩阵得到说话人特征向量的主成分空间和截断误差空间,结合这2个空间构造混合PCA分类器,用于快速判断最有可能的R个目标说话人,并采用KFD寻找最终目标说话人。仿真实验结果验证了该方法的有效性。    

9.  人脸的性别分类  被引次数:7
   武勃  艾海舟  肖习攀  徐光  徐光祐《计算机研究与发展》,2003年第40卷第11期
   人脸的性别分类是指根据人脸的图像判别其性别的模式识别问题.系统地研究了不同的特征提取方法和分类方法在性别分类问题上的性能,其中包括主分量分析(PCA)、Fishel线性鉴别分析(FLD)、最佳特征提取、Adaboost算法、支持向量机(SVM).给出了在9姿态人脸库、FERET人脸库和一个网络图片人脸库上的对比实验结果.实验表明人脸中的性别信息集中存在于某个子空间中,因此,在分类前对样本进行适当的压缩降维不但不会明显降低分类器的性能,而且可以大大减少分类的时间开销.最后介绍了将性别分类器与自动人脸检测和特征提取平台集成起来的基于人脸图像的性别判别系统.    

10.  基于主动学习支持向量机的文本分类  被引次数:2
   朱红斌  蔡郁《计算机工程与应用》,2009年第45卷第2期
   提出基于主动学习支持向量机的文本分类方法,首先采用向量空间模型(VSM)对文本特征进行提取,使用互信息对文本特征进行降维,然后提出主动学习算法对支持向量机进行训练,使用训练后的分类器对新的文本进行分类,实验结果表明该方法具有良好的分类性能。    

11.  文本分类中一种混合型特征降维方法  被引次数:5
   刘海峰  王元元  姚泽清  张述祖《计算机工程》,2009年第35卷第2期
   提出一种基于特征选择和特征抽取的混合型文本特征降维方法,分析基于选择和抽取的特征降维方法各自的特点,借助特征项的类别分布差异信息对特征集进行初步选择。使用一种新的基于PCA的特征抽取方法对剩余特征集进行二次抽取,在最大限度减少信息损失的前提下实现了文本特征的有效降维。对文本的分类实验结果表明,该特征降维方法具有良好的分类效果。    

12.  线性判别分析和支持向量机的音乐分类方法  
   姚斯强  胡剑凌《电声技术》,2006年第12期
   提出了一种新的音乐分类方法,该方法使用线性判别分析(LDA)和支持向量机(SVMs)对音乐数据进行分类。在实现音乐分类中,先使用傅里叶变换等方法从每一段音乐中提取音频特征,包括Mel倒谱系数及基音频率等,并将它们按比例组成一个高维向量;再使用LDA对这些高维向量进行降维,使得各类音乐的类间离散度与类内离散度的比值最大;最后使用SVM等4种分类器对降维后的特征进行分类。实验证明LDA及SVM使得音乐分类的精确度有了较大的提高。    

13.  基于Gabor滤波器和改进BP神经网络的人脸检测方法  被引次数:1
   闫文秀  裴建岗  孙颖  金卫东《重庆理工大学学报(自然科学版)》,2009年第23卷第4期
   提出一种基于Gabor滤波器和改进BP神经网络的人脸检测方法.该方法首先利用Gabor滤波器空间位置与方向选择特性,采用8种方向Gabor滤波器提取人脸样本图像特征;然后把基于Gabor滤波器的特征向量作为人脸/非人脸分类器输入,并用PCA方法对特征向量降维;最后利用已降维的特征训练改进的BP神经网络.仿真实验表明,该方法比单一使用Gabor滤波器和单一使用BP神经网络检测率高.    

14.  基于Matlab平台人脸识别仿真过程的探究  
   陈伟  张金华  李蔡媛  廖壬《信息通信》,2013年第5期
   Matlab是一种科学与工程计算的高级语言,广泛地运用在包括信号与图像处理、控制系统设计等方面,我们使用Matlab作为平台,设计GUI,探究人脸识别的过程。在特征提取方面,运用主成分分析法(PCA)算法,对高维特征进行降维,保证了高位数据不失真,在分类器算法上采用支持向量机(SVM)和自适应提升(Adaboost)算法进行对比实验,SVM通过求解由全部训练样本对检测样本最佳线性表示的稀疏向量来进行分类,Adaboost算法针对不同的训练集训练同一个基本分类器(弱分类器)进行多次迭代,每次迭代增加错样本的权重,构成一个更强的最终的分类器(强分类器),实验结果表明,仿真能够达到较高的识别率和缩短识别的时间。    

15.  基于PCA特征提取和距离哈希K近邻分类的人脸表情识别  
   蔡则苏  祝丁丁  何健《智能计算机与应用》,2012年第1期
   使用PCA降维,提取人脸表情特征,并结合基于距离的哈希K近邻分类算法进行人脸表情识别。首先使用类Haar特征和AdaBoost算法进行人脸检测,并对人脸图像进行预处理;接着使用PCA提取人脸表情特征,并将特征加入到哈希表;最后使用K近邻分类算法进行人脸表情的识别。将特征库重构为哈希表后,很大地提高了识别效率。    

16.  基于PCA特征提取和距离哈希K近邻分类的人脸表情识别  
   蔡则苏  祝丁丁  何健《电脑学习》,2012年第2卷第1期
   使用PCA降维,提取人脸表情特征,并结合基于距离的哈希K近邻分类算法进行人脸表情识别。首先使用类Haar特征和AdaBoost算法进行人脸检测,并对人脸图像进行预处理;接着使用PCA提取人脸表情特征,并将特征加入到哈希表;最后使用K近邻分类算法进行人脸表情的识别。将特征库重构为哈希表后,很大地提高了识别效率。    

17.  保局投影在图像隐密检测中的应用  
   张敏情  苏光伟  杨晓元《计算机研究与发展》,2009年第46卷第Z1期
   为解决图像隐密检测中图像特征维数过高导致的"维数灾难"问题,在保持图像特征内在低维结构的基础上降低特征向量的维数,方便构造更有效的分类器,提出了一种基于保局投影(locality preserving projections,LPP)降维的图像隐密检测算法,对待测图像进行小波变换形成图像特征后,利用LPP算法实现对图像高维特征的降维,得到图像特征集的低维流形.使用支持向量机(SVM)算法将降维后的特征映射到分类特征空间,实现对正常图像和隐密图像分类.实验结果表明,与不使用降维算法的检测方案相比,基于LPP降维的检测算法能够显著地提高检测的准确率.    

18.  基于Gabor滤波特征和支持向量机的人脸检测  被引次数:1
   林宇生  杨静宇《计算机工程与应用》,2007年第43卷第1期
   人脸检测是人脸识别与图像及视频检索的一项重要任务。论文提出了一种基于Gabor滤波特征和支持向量机的正面人脸检测方法。算法首先利用了Gabor滤波器的良好的空间位置与方向的选择特性,采用了四种方向的Gabor滤波器提取人脸样本图像特征并用PCA方法对特征降维,然后用已降维的特征训练支持向量机分类器。最后应用SVM分类检测人脸。实验结果证明该方法行是十分有效的。    

19.  基于适应加权非对称AdaBoost HMM的三维模型分类算法  
   刘小明  尹建伟  冯志林  董金祥《浙江大学学报(自然科学版 )》,2006年第40卷第8期
   针对三维模型的分类问题,提出了一种适应性加权非对称AdaBoost隐马尔克夫模型(HMM)分类算法.算法中提出了由三维模型表面的绝对法向量表示的两种新特征,将经过归一化和姿态调整的三维模型划分为若干部分,各部分对应HMM的一个状态,对各部分提取特征并用主成分分析(PCA)降维,对模型的4种特征对应的弱分类器使用非对称AdaBoost算法进行boosting. HMM的结构及参数初始值由模型姿势调整的可能形式及观测顺序确定,训练过程中参数用期望最大化方法计算,最后使用加权相似度计算对三维模型分类.分析及试验结果表明,与基于分布函数的分类算法相比,该算法明显提高了正确率.适应性加权后,分类正确率可进一步提高.    

20.  一种基于快速特征选择的故障诊断方法  
   吕成岭  彭力  张立位《计算机工程与应用》,2010年第46卷第14期
   针对故障诊断中数据存在噪声和高维的缺点,使用一种快速特征提取方法对故障数据进行降维,该方法以特征信号的均值和方差作为其权重衡量的依据。利用支持向量机的模式分类功能,构造了基于特征提取的多故障分类器。实例表明,在保证诊断效果的情况下,该方法实现了数据降维,降低了运算复杂度。    

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号