论文研究-基于信息增益的最优组合因子Fisher判别法.pdf

线性判别分类器是一种有效的模式分析技术，其中以Fisher判别法准则应用最广，目前已有多种改进线性提取方法。引进信息增益，建立基于信息增益的最优组合因子判别分类器，实现最优组合因子判别分类器的优化。实

论文研究-基于Fisher线性判别率的加权K-means聚类算法.pdf

为提高K-means聚类效果，采用Fisher线性判别率的方法确定特征在聚类中的贡献度并依此对特征进行加权聚类。在人工和实际数据集上所做的实验表明，本方法在聚类效果上优于其他同类加权K-means聚类

基于近似梯度算法的Fisher线性判别分析问题的求解研究.pdf

基于近似梯度算法的Fisher线性判别分析问题的求解研究.pdf

论文研究-二维Fisher线性判别中子模式性能的一种评价方法.pdf

针对二维Fisher线性判别（2DFLD）方法中传统子模式选取方法计算量大、十分耗时的问题，结合影响2DFLD方法识别结果的两个主要因素——样本在投影空间的离散程度和子模式之间的相似度，提出了一种子模

论文研究-基于二维Fisher线性判别的手掌静脉识别研究 .pdf

基于二维Fisher线性判别的手掌静脉识别研究，吴微，苑玮琦，手掌皮肤对近红外光的散射造成部分人群手掌静脉成像效果不佳，直接提取掌脉信息进行身份识别性能不高。本文提出以二维Fisher线性判

论文研究-使用Fisher线性判别方法的提取分类器.pdf

针对规则随着时间变化的特点，为规则建立元规则对其支持度和置信度变化趋势的分析和预测模型。通过增加支持度向量和置信度向量这两种规则评价指标，给出了动态关联规则元规则的形式化定义。利用自回归Markov模

与大家分享北京大学模式识别课件-abbr_437599b8118b12cd25490c18bb75611b.pdf

与大家分享北京大学模式识别课件-abbr_437599b8118b12cd25490c18bb75611b.pdf 希望对大家有所帮助。 内容 1．导论 2．Bayes决策理论 3．概率密度估计 4．

与大家分享北京大学模式识别课件-abbr_e2b4a035b1079b6a387d09a3705a5180.pdf

与大家分享北京大学模式识别课件-abbr_e2b4a035b1079b6a387d09a3705a5180.pdf 希望对大家有所帮助。 内容 1．导论 2．Bayes决策理论 3．概率密度估计 4．

与大家分享北京大学模式识别课件-abbr_57a33fd358a754d1cec77a26d60bb78b.pdf

与大家分享北京大学模式识别课件-abbr_57a33fd358a754d1cec77a26d60bb78b.pdf 希望对大家有所帮助。 内容 1．导论 2．Bayes决策理论 3．概率密度估计 4．

与大家分享北京大学模式识别课件-abbr_3cad3ae3aa988841c350362dbd64f447.pdf

与大家分享北京大学模式识别课件-abbr_3cad3ae3aa988841c350362dbd64f447.pdf 希望对大家有所帮助。 内容 1．导论 2．Bayes决策理论 3．概率密度估计 4．

与大家分享北京大学模式识别课件-abbr_d18ba99ae0d381cec2f4b2b928571f91.pdf

与大家分享北京大学模式识别课件-abbr_d18ba99ae0d381cec2f4b2b928571f91.pdf 希望对大家有所帮助。 内容 1．导论 2．Bayes决策理论 3．概率密度估计 4．

与大家分享北京大学模式识别课件-abbr_157f7ac8341f66e0063b746b2a5a1ffd.pdf

与大家分享北京大学模式识别课件-abbr_157f7ac8341f66e0063b746b2a5a1ffd.pdf 希望对大家有所帮助。 内容 1．导论 2．Bayes决策理论 3．概率密度估计 4．

论文研究-基于小波和非负稀疏矩阵分解的人脸识别方法.pdf

提出了利用小波变换(WT)、非负稀疏矩阵分解(NMFs)和Fisher线性判别(FLD)来进行人脸识别。用小波变换分解人脸图像，选择最低分辨率的子段，既能捕获到人脸的实质特征，又有效地降低了计算复杂性

论文研究-基于HOC与Fisher判别法的电力电子电路故障诊断.pdf

针对电力电子电路模型具有非线性，进行故障诊断比较困难这一问题，提出了一种基于高阶累积量与Fisher判别法的故障诊断方法。首先，利用高阶累积量（HOC）对电路可测点的响应信息进行处理，将处理得到的峰度

研究论文-二维线性大间距判别分析及其在步态识别中的应用.pdf

提出一种二维线性大间距判别分析（Two dimensional linear maximum margin discriminant analysis,2DLMMDA）的投影算法。该算法一方面采用了有

论文研究-组合2DFLDA监督的非负矩阵分解和独立分量分析的特征提取方法.pdf

通过对投影非负矩阵分解(NMF)和二维Fisher线性判别的分析，针对NMF的特征提取存在无监督学习以及特征维数高的问题，提出了组合2DFLDA监督的非负矩阵分解和独立分量分析（SPGNMFICA)的

论文研究-基于速度约束算法的动态布料模拟.pdf

针对传统的二维线性判别方法提取出的人脸特征系数维数大的问题，提出一个改进的双向二维线性判别分析方法GB2DLDA。双向压缩类内和类间散布矩阵，用压缩后的散布矩阵构成两个Fisher鉴别准则函数，求出两

论文研究-学习原型超平面融合SILD的户外人脸识别.pdf

非限制环境下光照、姿势、表情等变化已成为户外人脸识别的主要瓶颈所在。针对这一问题，提出了一种学习原型超平面融合线性判别边信息的算法进行人脸识别。利用支持向量机将弱标记数据集中的每个样本表示成一个原型超

论文研究-一种改进的考虑噪声约束的过点分配方法.pdf

利用主成分分析（Principal Component Analysis，PCA）和Fisher线性判别分析（Fisher Linear Discriminative Analysis，FLDA）方法

论文研究-最小化空闲时间的Job-shop调度进化算法.pdf

Fisher准则函数的前提条件就是假设每类样本数据满足单峰高斯分布,即各类样本在模式空间的分布近似椭球状,但是当训练样本数据较多且呈多峰分布时,传统的Fisher准则函数并不能准确反映样本数据的分布,

论文研究-改进的LDA算法及秩限制问题研究.pdf

针对经典线性判别分析中存在的秩限制和小样本问题，通过改进原有的Fisher准则，提出了一种改进的线性判别分析算法ILDA，以克服秩限制问题并同时解决了小样本问题。重点研究了ILDA在解决样本类间离散度

论文研究-脸部特征点的定位与提取方法.pdf

提出一种正面人脸关键特征点的自动提取方法。该方法选取两个瞳孔点、两个鼻孔点、鼻尖点、两个嘴角点共7个关键特征点进行自动标定的研究，通过在图像预处理阶段采用选择式掩模平滑算子和Fisher线性判别思想分

论文研究-最小加权熵支撑树图像边缘提取方法.pdf

基于线性投影的方法是目前人脸识别领域中重要的主流方法之一，在近年中得到了广泛的关注，取得了显著的发展。其中，基于一维线性投影的方法包括特征脸方法和Fisher脸方法等；基于二维线性投影的方法包括二维主

论文研究-基于局部相关性的LSB匹配隐写分析.pdf

针对LSB匹配嵌入机制，提出一种利用局部区域像素之间相关性的LSB匹配隐写分析算法。根据较高位平面灰度之间的距离选择图像的平坦区域，将随机性较强的最低两个和三个位平面取出，统计相同灰度值图像块的个数，

论文研究-聚焦查询的自动文摘研究与实现.pdf

为了消除个体分类器间的相关性，提高集成器分类性能及稳定性，提出了基于Fisher线性判别方法的分类器提取方法。该方法将高维分类器空间压缩至低维分类器空间，并在该空间内学习集成器。在多个数据集上的比较实

论文研究-基于粒子群算法的LDA实现方法研究.pdf

针对传统线性判别分析方法存在的问题，在研究现有理论成果的基础上，提出一种新的LDA实现方法。该方法首先对原有的Fisher准则进行修正，然后通过迭代搜寻最佳鉴别矢量，最后对获取的鉴别矢量进行比较分析。

论文研究-基于WPCA和修正的最大间距准则的人脸识别.pdf

针对Fisher准则遇到的高维小样本问题和最大间距准则遇到的“次优化问题”，提出一种基于加权PCA（WPCA）和修正的最大间距准则（MMMC）的线性判别分析方法。首先对PCA空间进行加权，对最大间距准

论文研究-融合全局和局部特征的Fisherfaces方法.pdf

提出了一种融合全局和局部特征的Fisherfaces方法。在Fisher线性准则下，抽取出图像全局特征和局部特征的最佳分类特征。计算待识别样本和训练样本集的加权欧氏距离。在最近邻准则下，判别待识别样本

论文研究-面向不平衡数据分类的KFDA-Boosting算法.pdf

数据分布的不平衡性和数据特征的非线性增加了分类的困难，特别是难以识别不平衡数据中的少数类，从而影响整体的分类效果。针对该问题，结合KFDA（kernel Fisher discriminant ana

论文研究-多阶矩阵组合LDA及其在人脸识别中的应用.pdf

线性判别分析（LDA）是一种普遍用于特征提取的线性分类方法。但将LDA直接用于人脸识别会遇到小样本问题和秩限制问题。为了解决以上问题，提出一种基于多阶矩阵组合的LDA算法——MLDA。该算法重新定义了