排序方式: 共有29条查询结果,搜索用时 0 毫秒
1.
2.
高维、小样本数据的识别问题,始终是模式识别领域的热点和难点问题。由于训练样本数量很少,当以样本的协方差矩阵作为模式协方差矩阵的估计时,会产生较大的偏差。这是造成模式分类错误的主要原因。本文在详细论述Fisherface方法的基础上,提出了具有动态调节功能的Fisherface(DA-Fisherface)方法。该方法利用测试样本完成了对样本协方差矩阵的动态调节,减小了因样本数目很少所造成的偏差,从而实现了对Fisher鉴别矢量集的优化。最后,在ORL人脸库上的实验结果表明,该方法的模式分类正确率比Fisherface方法有显著提高。 相似文献
3.
一种基于Fisher鉴别极小准则的特征提取方法 总被引:3,自引:0,他引:3
特征提取是模式识别研究领域的一个热点.为了更好地解决人脸识别中的特征提取问题,定义了一种新的基于Fisher鉴别极小准则的特征提取方法,并且提出了类间散布矩阵零空间的概念,解决了先前Fisher线性变换方法中的最终特征维数受类别数的限制.在人脸数据库上的实验结果验证了该算法的有效性. 相似文献
4.
基于序列的G蛋白偶联受体-药物相互作用预测研究 总被引:1,自引:0,他引:1
准确预测G蛋白质偶联受体(GPCR)是否与药物(Drug)相互作用是新药开发的关键步骤之一。从时间和费用方面来说,通过生物实验的方法来确定GPCR-Drug是否相互作用的代价是昂贵的。因此,直接从蛋白质序列出发预测GPCR-Drug的相互作用具有重要的意义。提出了一种基于序列的GPCR-Drug相互作用预测方法:从蛋白质序列抽取进化信息特征;对药物抽取指纹特征;基于上述两种特征,使用基于证据理论的K近邻算法进行分类预测。在标准数据集上的实验结果表明了所述方法的有效性。 相似文献
5.
6.
一种基于ICA和模糊LDA的特征提取方法 总被引:1,自引:0,他引:1
独立成分分析(ICA)和线性鉴别分析(LDA)是两种经典的特征提取方法.为了更好地解决人脸识别中的特征提取问题,在已有的两种方法进行特征抽取的基础上引入模糊技术,抽取重叠(离群)样本中有助于分类的特征.首先用ICA进行初次特征提取,然后采用模糊k近邻方法得到相应的样本分布信息,最后在此基础上用模糊LDA进行二次特征提取,得到有效的特征向量集.在3个人脸数据库上的实验结果表明本文方法的有效性. 相似文献
7.
基于Contourlet域主成分分析的SAR图像去噪 总被引:1,自引:0,他引:1
相干斑噪声是合成孔径雷达图像所固有的,并且严重降低了图像的可编译性,影响了后续图像分割,特征提取,目标分类和识别等工作.因此,SAR图像的相干斑去除问题一直是SAR图像应用研究的重要问题之一.针对SAR图像噪声去除问题,提出了一种基于Contourlet多尺度分解域主成分分析的SAR图像去噪新方法,并且简要归纳了已有的SAR图像去噪方法.方法首先对源图像进行Contourlet分解,在不同频段的子带图像中,利用主成分分析方法进行能量保持,用重构图像来进行子带去噪,最后通过Contourlet逆变换得到去噪之后的图像.在SAR图像上的实验结果表明,方法不仅较好地保持了图像的纹理和细节特征,且信噪比也较高. 相似文献
8.
9.
10.