期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到4篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于二维图像矩阵的稀疏表示分类方法 被引量：3
1
作者 程广涛 宋占杰 陈雪 《天津大学学报（自然科学与工程技术版）》 EI CAS CSCD 北大核心 2014年第6期541-545,共5页
利用稀疏表示对图像分类时,需要将二维图像转换为一维特征向量,这大大增加了计算复杂度和忽略了图像矩阵中固有的局部结构信息.为了解决上述问题,设计了完全基于二维特征矩阵的稀疏表示人脸分类方法.首先将二维图像转为2D Fisherface矩... 利用稀疏表示对图像分类时,需要将二维图像转换为一维特征向量,这大大增加了计算复杂度和忽略了图像矩阵中固有的局部结构信息.为了解决上述问题,设计了完全基于二维特征矩阵的稀疏表示人脸分类方法.首先将二维图像转为2D Fisherface矩阵,然后直接利用二维矩阵求解稀疏表示和进行分类.整个识别过程中,不需要将二维图像转换为一维向量.实验结果表明,二维特征矩阵在稀疏表示分类中是十分有效的,设计的方法可以更快的运算速度达到更高的识别率.在ORL人脸数据库和Extended Yale B人脸数据库上的识别率分别达到97.5%和99.3%. 展开更多
关键词 人脸识别 稀疏表示 目标分类 二维特征矩阵
下载PDF
基于二维特征矩阵的特征融合算法 被引量：2
2
作者 鲍必赛 伍健荣 +1 位作者 楼晓俊 刘海涛 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2012年第11期2081-2088,共8页
为了提高无线传感器网络信息融合的效率,提出一种多传感器二维特征融合(2DFF)策略.将多个传感器标准化后的特征集组合成二维特征矩阵,引入图像压缩技术,包括二维主成分分析(2DPCA)及MatPCA对特征矩阵进行特征提取,实现特征融合.从理论... 为了提高无线传感器网络信息融合的效率,提出一种多传感器二维特征融合(2DFF)策略.将多个传感器标准化后的特征集组合成二维特征矩阵,引入图像压缩技术,包括二维主成分分析(2DPCA)及MatPCA对特征矩阵进行特征提取,实现特征融合.从理论上剖析该方法之所以能够有效地适用于特征融合,且区别于传统方法的内在本质.相比传统的特征融合方法,该方法能够获得更加精确的融合特征,提高信息融合的效率.基于实地采集的地面目标信号的实验结果表明,该方法既提高目标识别率,又降低了计算复杂度. 展开更多
关键词 特征融合 二维特征矩阵 主成分分析 无线传感器网络 目标识别
下载PDF
基于2DPCA的弹道导弹目标特征级综合识别方法
3
作者 李陆军 杨源 +2 位作者 赵兴刚 潘小平 王志刚 《装甲兵工程学院学报》 2018年第4期57-62,共6页
为进一步提高弹道导弹目标多传感器综合识别正确率,提出了一种基于二维主成分分析(Two-Dimensional Principal Component Analysis,2DPCA)的多传感器特征级综合识别方法。该方法将多个传感器的特征集经标准化后组合成二维特征矩阵,引入... 为进一步提高弹道导弹目标多传感器综合识别正确率,提出了一种基于二维主成分分析(Two-Dimensional Principal Component Analysis,2DPCA)的多传感器特征级综合识别方法。该方法将多个传感器的特征集经标准化后组合成二维特征矩阵,引入图像压缩技术中的2DPCA方法进行特征提取,然后将其用于弹道导弹目标特征级融合识别。以3部雷达部署下弹头目标的雷达散射截面积(Radar Cross Section,RCS)特征融合为例进行仿真验证,结果表明:相比于传统的主成分分析(Principal Component Analysis,PCA),2DPCA的识别率更高,计算复杂度更低,为弹道导弹目标识别提供了一种新的思路。 展开更多
关键词 弹道导弹 目标识别 特征级融合 二维主成分分析(2DPCA) 二维特征矩阵
原文传递
特征矩阵构造方法在高速列车故障诊断中的应用
4
作者 赵莹莹 谭献海 《计算机工程》 CAS CSCD 北大核心 2017年第2期21-25,32,共6页
基于二维特征矩阵的二维特征融合(2DFF)方法——二维主成分分析法能够降低特征矩阵的维数,达到特征融合的目的,但该方法仅在特征向量维数相近的情况下效果较好。传统2DFF特征矩阵构造方法需要在每个特征向量后补0以形成二维特征矩阵,在... 基于二维特征矩阵的二维特征融合(2DFF)方法——二维主成分分析法能够降低特征矩阵的维数,达到特征融合的目的,但该方法仅在特征向量维数相近的情况下效果较好。传统2DFF特征矩阵构造方法需要在每个特征向量后补0以形成二维特征矩阵,在特征向量维数相差较大时补0个数较多,破坏原始特征向量属性,使最终识别率降低。针对该问题,提出一种基于奇异值分解(SVD)的二维特征矩阵构造方法,该方法将所有特征向量首尾相接组合成一维特征向量,利用SVD的分解特性,在保持特征信号相位不变的情况下,将一维综合特征向量分解成二维特征矩阵,避免大量补0导致信号特性的改变。实验结果表明,该方法在各特征向量维数相差较大的情况下,可获得比在向量后直接补0的特征矩阵构造方法更高的识别率。 展开更多
关键词 状态识别 高速列车故障诊断 特征融合 二维特征矩阵 主成分分析
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部