基于局部保持投影和核直接判别分析的掌纹识别

为了提高识别性能,提出运用局部保持投影(LPP)和核直接判别分析(KDDA)相结合的方法进行掌纹识别.在小样本图像识别中,为了解决特征方程矩阵的奇异性,首先运用图像下抽样降低掌纹空间的维数,然后应用LPP提取掌纹局部结构特征作为KDDA的输入提取分类特征,计算特征向量间的余弦距离进行掌纹匹配.运用PolyU掌纹图像库,...     

相位一致性和KDDA结合的人耳识别方法

随着人耳识别技术的发展,如何寻找不受光照和对比度影响的特征并用于识别成为研究热点之一。本文提出一种利用相位一致性对人耳进行特征提取的方法,该方法首先从8个方向计算人耳图像中每点的相位一致性,然后对经过相位一致性变换的输出图像分块求和,形成特征矢量,最后通过KDDA将特征向量投影到低维高可分空间,并用欧式距离对人耳图像分类。对77个人,共308幅人耳图像进行实验,在等误率为1.7%的情况下,识别率可以达到98.2%左右,验证了该方法所提取的人耳特征不受光照影响。     

基于统计模式的人脸识别方法

人脸识别的研究具有广泛的应用价值。论文对基于统计模式的人脸识别方法进行了深入的研究,提出了使用D-LDA与KDDA算法对特征进行提取。D-LDA算法克服了传统方法计算复杂的缺点;KDDA算法利用了基于核的分析方法,避免了利用线性方法处理问题产生的缺陷。文中重点研究了RBF网络分类器,对于参数的选择以及网络的学习过程采用了改进的算法,克服了常用方法中存在的问题。实验表明采用改进后的算法,识别率得到了提高。     

基于KDDA和SFLA-LSSVR算法的WLAN室内定位算法

针对接收信号强度(received signal strength, RSS)的时变性降低WLAN室内定位精度的问题,提出了一种基于核直接判别分析(kernel direct discriminant analysis, KDDA)和混洗蛙跳最小二乘支持向量回归机(SFLA-LSSVR)的定位算法,该算法通过核函数策略将采集的各接入点(access point, AP)的RSS信号映射到非线性领域,有效提取了非线性定位特征,重组定位信息,去除冗余定位特征和噪声;然后采用LSSVR算法构建指纹点定位特征数据与物理位置的映射关系模型,采用SFLA算法优化该关系模型的参数,并用该关系模型对测试点的位置进行回归预测.实验结果表明:提出算法在相同的采样次数下的定位精度明显优于WKNN,ANN,LSSVR算法,并且在相同的定位精度下,采样次数较大减少,是一种性能良好的WLAN室内定位算法.     

KDDA在高分辨雷达目标识别中的应用

文章研究了核直接判别分析(kernel direct discriminant analysis ,KDDA)在高分辨雷达目标特征提取与识别中的应用.KDDA算法是传统的LDA算法与核方法的结合,文中讨论了KDDA算法原理,首先将KDDA应用于雷达目标距离像特征提取,求取更易于分类的核投影向量,然后采用支持向量机进行分类,提出了基于核直接判别分析的高分辨雷达目标特征提取与识别方法.用四类目标数据进行了实验,实验结果表明,该方法能够提高目标识别性能.     

基于KDDA的人脸识别研究

由于PCA 和LDA算法存在小样本问题(Smell Sample Size),结合D-LDA 和Kernel,将线性不可分的低维空间映射到高维空间,并借助于"kernel 技巧"克服了维度灾难问题,并且充分的利用曾经被抛弃的有用信息Null-Space.经过才ORL人脸库的实验表明,此方法比PCA,LDA提高了人脸识别的可分性,并有效地解决了小样本问题.     

基于条件正定核的判决分类算法研究

在非线性分类算法中,重要的技术之一是对于核技巧的使用,目前仍是尚未解决的问题。针对Mercer核约束条件强的特点,引入条件正定核函数(c.p.d.核)改善其约束条件。实验证明,对于KPCA和KDDA等判决分类方法,通过c.p.d.核的使用,仍能保持其固有分类性能,从而推广了此类方法的适用范围。     

基于核直接判别分析和支持向量回归的WLAN室内定位算法

该文针对RSS信号的时变性降低WLAN室内定位精度的问题,提出了一种新的基于核直接判别分析和支持向量回归的定位算法。该算法利用核直接判别分析对原始RSS信号进行定位信息重组,去除冗余定位特征和噪声,提取最具判别力的定位特征,然后采用支持向量回归算法建立定位特征与物理位置的映射关系。实验结果表明,提出算法的定位精度明显高于传统定位算法,且大大降低了离线阶段数据采集的工作量。