特殊类别特征的多项式分类器在模式分类及其手写体数字识别中的应用

在模式分类中，多项式分类器（PC）是一个具有简化子空间特征的二项式多层神经网络，在输入中显示出超强的特性。本文提出了从特殊类别子空间提取特殊类别特征的多项式分类器（CFPC）。与其它普通的PC不一样，多项式分类器采用了单独的类别子空间。CFPC可以通过普通PC的组合以及投影距离的方式来检测。特殊类别特征对类别有较好的分割，特殊类别的合并和投影距离可进一步改善分离性。CFPC的连接权重是有效的，学习的分级意味着对训练样本正交误差的最小化。对于CFPC，我们通过手写体数字识别和NIST特殊数据库中的数字串识别实验来验证。数字识别也可在USPS和MNIST数据库中进行，其结果显示，CFPC的特性优于普通PC，它是一种与支持向量分类器不相上下的分类器。     

纹理特征和两级分类器相结合的人脸识别

为了提高人脸识别率和识别效率,提出一种纹理特征和两级分类器相结合的人脸识别方法。采用灰度共生矩阵表示人脸图像的纹理特征,计算待识别人脸图像与模板间欧式距离,采用拒识阈值进行评判,如果人脸图像归属类别清楚,则采用欧式距离分类器进行识别,否则将待识人脸图像送入SVM分类器进行识别,采用ORL人脸数据库和Yale人脸数据库进行仿真实验。仿真结果表明,相对于单一人脸识别器,两级分类器不仅提高了人脸识别效率,而且提高了人脸识别率,具有更好的人脸识别性能。     

基于置信度分析的脱机手写数字识别算法

该文主要研究了脱机手写数字识别中的特征选择与提取和分类器的设计问题,选取了网格特征和交叉点特征,采用了最小距离分类器和基于Fisher判别的线性分类器,并使用基于置信度分析的方法进行混合集成,提高了识别正确率。     

基于马氏距离的一维距离像识别算法仿真

针对欧氏距离受模式特征量纲影响的缺点,且影响制导精度和抗干扰的能力,采用一种基于马氏的一维距离像目标识别方法。通过对毫米波雷达目标回波进行IFFT变换得到一维距离像,用主分量分析算法对距离像进行降噪和特征提取,取最小马氏距离判别目标类别。马氏距离考虑了模式特征参数的大小以及特征间的相关性,克服了欧氏距离受量纲影响的缺点。与欧氏距离的分类算法仿真结果比较,马氏距离算法具有较好的识别性能;在不同信噪比下的仿真结果表明,方法适用于毫米波雷达一维距离像目标识别。     

基于余类零空间与最近距离的人脸识别算法

提出了一种新的人脸识别算法,即基于余类零空间与最近距离的人脸识别算法. 通过构建不同类别的人脸图像的余类零空间与子空间,可以将不同类别的人脸最大化地区别出来. 本算法的主要思想在于：测试图像与所属类别图像的子空间之间的距离最小,而与所属类别的图像的余类零空间距离最大. 本算法基于ORL数据集与AR数据集进行了测试. 从这些人脸数据集上的测试结果可以看出,本文提出的算法在PCA降维方法的基础上,比一些常见的算法所使用的判别方式更有效,如最近邻分类器（NN）所使用的最近距离判别方式、最近空间分类器（NS）所使用的最近空间距离判别方式、最近最远子空间分类器（NFS）所使用的最近最远空间距离判别方式等.     

基于可见光与红外数据融合的地形分类

针对单传感器地形分类效果不佳的问题,提出一种基于可见光与红外数据融合的地形分类方法。分别对可见光图像与红外图像提取特征,使用最近邻分类器和最小距离分类器进行后验概率估计,将来自不同特征、不同分类器的后验概率加权组合,通过散度计算得到特征的权重,实验确定分类器的权重,并在最小距离的后验概率估计中,使用马氏距离代替欧氏距离。实验结果表明,该方法对水泥路和沙子路的识别率分别达到99.33%和96.67%,均高于同类方法。     

最小距离分类器的改进算法--加权最小距离分类器

最小距离分类器是一种简单而有效的分类方法。为了提高最小距离分类器的分类性能,主要的改进方法是选择更有效的距离度量。通过分析多重限制分类器和决策树分类器的分类原则,提出了基于标准化欧式距离的加权最小距离分类器。该分类器通过对标称型和字符串型属性的距离的加权定义。以及增加属性值的范围约束,扩大了最小标准化欧式距离分类器的适用范围,同时提高了其分类准确率。实验结果表明,加权最小距离分类器具有较高的分类准确率。     

结合多分类器的遥感影像分类方法研究

以提高遥感影像分类精度为研究目的,以Matlab 7.0作为实验平台,利用7种单分类器分别在测量级和抽象级上进行多分类器结合的方法研究,并进行实验验证。其中针对在非监督分类中后验概率计算时的类别中心确定问题,本文在分类结束后重新计算各个类别特征的平均值作为类别中心。本文还对投票法进行了改进,通过比较各个类别后验概率之和的方法解决多个类别同时为得票最高类别时的像元类别归属问题,并对实验结果进行精度评价和分析。结果表明多分类器结合方法对单分类器的总体分类精度有一定程度的提高。     

基于类别的室内被动定位特征选择

针对基于射频的室内被动定位研究中,用于训练定位分类器的链路特征数较多,分类器复杂度较高的问题,提出了一种基于类别的室内被动定位特征选择方法。此方法将被动定位的多分类问题转化为多个二分类问题,利用最大-最小马尔科夫毯为每个位置类别选择其表征能力较强的特征子集,并构建相应的二分类模型。在测试阶段,采用支持向量机的概率评估输出,最终确定测试样例的位置类别。实验结果表明,此方法大幅减少了定位所需的特征维数,降低了分类器复杂度,同时使定位的准确度得以提高。     

基于AdaBoost的雷达目标HRRP识别

针对雷达高分辨一维距离像(HRRP)特征维数高的特点,采用线性判别分析(LDA)和核Fisher判别分析(KFD)方法进行特征压缩和提取。分析了基于AdaBoost算法的分类器的设计思想和实现步骤。构造了高斯型弱分类器,利用AdaBoost算法集成高斯弱分类器实现了一强分类器,利用此分类器对降维后的HRRP数据进行分类识别,并同K近邻分类器(KNN)、支持向量机(SVM)分类器进行比较,得到一些有价值的结论。     

基于模板匹配的手写数字决策分类器设计

针对手写数字识别提出一种基于模板匹配决策分类器设计方法。就该方法下的模式识别分类器设计进行详细论述,给出该分类器算法实现。该算法在对手写的数字图像进行预处理的基础上从待识别的手写数字图像中提取若干特征量与事先建立的标准模板库中模板对应的特征量进行比较,计算待识别图像和标准模板特征量之间的距离,用最小距离法判定其所属类。实验结果表明,该决策分类器算法实现容易,匹配速度快,保证字符识别的正确率。     

基于模板匹配的手写数字决策分类器设计

针对手写数字识别提出一种基于模板匹配决策分类器设计方法。就该方法下的模式识别分类器设计进行详细论述,给出该分类器算法实现。该算法在对手写的数字图像进行预处理的基础上从待识剐的手写数字图像中提取若干特征量与事先建立的标准模板库中模板对应的特征量进行比较,计算待识别图像和标准模板特征量之间的距离,用最小距离法判定其所属类。实验结果表明,该决策分类器算法实现容易,匹配速度快,保证字符识别的正确率。     

基于分割的空域图像隐写分析

提出一种基于图像内容的空域隐写分析方法, 该方法对图像进行分割, 使分割得到的每一类子图像具有相同的统计特性, 并对每一类子图像提取更加敏感的隐写分析特征, 分别构造分类器进行训练和测试, 由此对分割所得到的每一幅子图像都可以得到一个检测结果. 对整幅图像的判决结果通过加权融合得到. 实验结果表明,该方法具有良好的性能, 尤其是针对自适应隐写方法, 该算法的检测准确率提高更加明显.     

Constraining distance-based multipoint simulations to proportions and trends

In the last years, the use of training images to represent spatial variability has emerged as a viable concept. Among the possible algorithms dealing with training images, those using distances between patterns have been successful for applications to subsurface modeling and earth surface observation. However, one limitation of these algorithms is that they do not provide a precise control on the local proportion of each category in the output simulations. We present a distance perturbation strategy that addresses this issue. During the simulation, the distance to a candidate value is penalized if it does not result in proportions that tend to a target given by the user. The method is illustrated on applications to remote sensing and pore-scale modeling. These examples show that the approach offers increased user control on the simulation by allowing to easily impose trends or proportions that differ from the proportions in the training image.     

基于关联规则的面向对象高分辨率影像分类

以北京市昌平区Geoeye-1高分辨率遥感影像为试验数据,研究了关联规则挖掘和面向对象相结合的地物分类方法。首先探讨了关联分类法的原理,再通过图像分割、特征提取、关联规则挖掘、分类器构建一系列过程实现了基于关联规则的面向对象高分辨率影像分类,最终评估分类精度并与K-近邻法进行了对比。结果表明,该方法具有较好精度,能够在一定程度上摆脱地物分类对于专家知识的依赖。     

基于无抽样小波变换和MCE训练的纹理分类

提出了一种新的纹理分类的方法,该方法把基于无抽样小波变换的特征提取器和基于欧几里得距离的分类器进行了合并。把方差、偏态系数、峰态系数、三者的联合及谱直方图作为描述纹理图像不相重叠的图像窗的特征。一个使用线性转换矩阵的特征提取器对分类导向的特征做进一步的提取。利用基于欧几里得距离的分类器,每个纹理图像不相重叠的图像窗被确定到属于它的那一类。基于最小分类错误训练方法的特征提取器和分类器设计的合并使分类错误达到了最小化。使用该方法对25类BrodTex纹理图像进行了评估,分类精确度达到90%以上。     

一种基于改进的支持向量机多分类器图像标注方法

针对多标签图像标注问题,提出一种改进的支持向量机多分类器图像标注方法。首先引入直方图交叉距离作为核函数,然后把传统支持向量机的输出值变换为样本到超平面的距离。基于这两点改进,采用一种特征选择方法,从众多的图像特征中,选择那些相互之间冗余度较小的视觉特征,分别建立分类器,最终形成以距离大小为判别依据的支持向量机多分类器模型。此外,在建立分类器时,考虑到训练图像中不同标签类样本分布的不均匀,引入了一个关于图像类标签的概率分布值做为分类器的权重系数。实验采用ImageCLEF提供的图像标注数据集,在其上的实验验证了所采用的特征选择算法和多分类模型的有效性,其标注精度要优于其他传统分类模型,并且,实验结果与最新的方法相比也具有一定的竞争力。     

基于视频图像的车辆自动分类系统

本文设计并实现了一个基于视频图象的车辆自动分类系统，从系统的构成开始，详细阐述了各部分的实现方法。系统中综合应用了运动边缘检测、图像二值化、闭包算法等方法对图像进行预处理．然后对车辆轮廓进行傅立叶级数展开提取特征，最后结合基于面积特征的直接分类器和基于傅立叶描述子的最小距离分类器对车辆进行自动分类。实验表明，本文的方法简单有效，可以获得较高的分类正确率。     

基于自适应距离度量的最小距离分类器集成

提出了一种基于自适应距离度量的最小距离分类器集成方法，给出了个体分类器的生成方法。首先用Bootstrap技术对训练样本集进行可重复采样，生成若干个子样本集，应用生成的子样本集建立自适应距离度量模型，根据建立的模型对子样本集进行训练，生成个体分类器。在集成中，将结果用相对多数投票法集成最终的结论。采用UCI标准数据集实验，将该方法与已有方法进行了性能比较，结果表明基于自适应距离度量的最小距离分类器集成是最有效的。