2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩51頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、在模式識別領(lǐng)域中,如何利用已有樣本進行訓(xùn)練并提取特征,使各類樣本具有異于它類樣本的特征成為迫切需要解決的問題。目前雖有許多成熟的特征提取方法,但在某些情況下這些方法的性能并不理想,有改進的必要。根據(jù)樣本的類別個數(shù),可以把模式識別分為兩種:兩類樣本問題和多類樣本問題?;诤说淖钚∑椒秸`差方法(KMSE)和Fisher判別分析方法(FDA)分別廣泛應(yīng)用于這兩種問題的特征提取過程中。本文對這兩種方法進行了分析和研究,并對它們進行了相應(yīng)的改進。

2、
  我們通過分析KMSE模型的結(jié)構(gòu)得知此模型不具有唯一解。為了從KMSE模型的解空間中選擇最優(yōu)解,我們引入了一個衡量解向量優(yōu)劣的準則。此準則不僅能夠近似的說明通過KMSE提取到特征的可分性,而且不受解向量模的影響。利用引入的準則作為限制條件,我們給出了一種新的KMSE模型求解方案,并通過在Essex人臉數(shù)據(jù)庫上的實驗進行驗證。
  KMSE模型的另一個缺點是特征提取效率與訓(xùn)練樣本的個數(shù)成反比。在得到一個樣本的特征提取結(jié)果之

3、前,KMSE模型必須計算與所有訓(xùn)練樣本同等個數(shù)的核函數(shù)。為了提高特征提取效率,基于判別向量可以由一部分關(guān)鍵樣本線性表示的假設(shè),我們構(gòu)造了改進的KMSE模型。在此模型中,我們只需計算與關(guān)鍵樣本相同個數(shù)的核函數(shù)即可完成特征提取。而關(guān)鍵樣本只占訓(xùn)練樣本的很少一部分,因此改進的KMSE模型具有較高的特征提取效率。我們?yōu)榇四P驮O(shè)計了兩個算法,并通過六個樣本集上的實驗驗證了它們的有效性。
  除了應(yīng)用于兩類樣本問題的KMSE模型,我們還分析了

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論