-
题名核方法的对比研究及在步态识别中的应用
被引量：3
- 1
-
-
作者
贲晛烨
王科俊
刘海洋
-
机构
哈尔滨工业大学交通科学与工程学院
哈尔滨工程大学自动化学院
-
出处
《智能系统学报》
2011年第1期63-67,共5页
-
基金
国家"863"计划资助项目(2008AA01Z148)
-
文摘
为了提高步态识别问题的识别性能,将"核技巧"应用到步态识别上,对核二维线性判别分析提出新的解决方案,在自建的HEU(B)步态数据库上,应用核主成分分析、核线性判别分析、核二维主成分分析与核二维线性判别分析进行特征提取作对比实验研究.实验结果显示:"核技巧"用于矩阵特征比向量更有效;核二维主成分分析对于单训练样本较核主成分分析更为有效;核二维线性判别分析在测试识别时间上有优势.
-
关键词
步态识别
核主成分分析
核线性判别分析
核二维主成分分析
核二维线性判别分析
-
Keywords
gait recognition
kernel principal component analysis （KPCA）
kernel linear discriminant analysis （klda）
kernel two dimensional principal component analysis （K2DPCA）
kernel two dimensional linear discriminant analysis （K2DLDA）
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于改进花朵授粉算法的极限学习机模型
被引量：3
- 2
-
-
作者
邵良杉
兰亭洋
李臣浩
-
机构
辽宁工程技术大学系统工程研究所
-
出处
《计算机工程》
CAS
CSCD
北大核心
2019年第12期281-288,共8页
-
基金
国家自然科学基金(71371091)
-
文摘
为提高瓦斯突出风险预测的准确率和效率,在极限学习机(ELM)模型的基础上构建预测模型ACFPA-ELM。采用核线性鉴别分析(KLDA)对瓦斯突出样本数据进行特征抽取,利用代价敏感思想修正ELM适应度函数,同时将Tent混沌搜索和自适应算子引入花朵授粉算法(FPA)中,优化ELM的初始输入权值和阈值,从而提高对瓦斯突出风险的预测能力。实验结果表明,相较于经典的SVM、BP和ELM单一预测模型以及改进的FPA-ELM和PSO-ELM复合预测模型,ACFPA-ELM模型在瓦斯突出风险预测的准确率、预测一致性以及运行效率方面均具有明显的优势。
-
关键词
瓦斯突出
花朵授粉算法
极限学习机
核线性鉴别分析
混沌映射
-
Keywords
gas outburst
Flower Pollination Algorithm(FDA)
Extreme Learning Machine(ELM)
kernel linear discriminant analysis(klda)
chaos mapping
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于2D-Gabor与KLDA的特征提取
被引量：1
- 3
-
-
作者
张建明
杜丹
刘俊宁
-
机构
江苏大学计算机科学与通信工程学院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2011年第15期137-139,共3页
-
基金
国家自然科学基金资助项目(60673190)
江苏省自然科学基金资助项目(BK2009199)
-
文摘
提出一种2D-Gabor小波与核线性鉴别分析(KLDA)相结合的特征提取方法。该方法对经过预处理的人脸图像进行多方向、多尺度的2D-Gabor滤波,将滤波后的图像看作独立样本加入原样本库中,对新样本利用KLDA方法进行二次特征提取,得到较理想的类内聚度和类间散度样本特征,再采用三阶近邻分类器进行特征分类处理。实验结果表明,该方法相比传统方法识别率更高,易于工程实现。
-
关键词
人脸识别
2D-Gabor小波
核线性鉴别分析
类内聚度
类间散度
-
Keywords
face recognition
2D-Gabor wavelet
kernel linear discriminant analysis（klda）
class cohesion
between-class scatter
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名多重核线性判别分析及其权值优化
- 4
-
-
作者
刘笑嶂
冯国灿
-
机构
河源职业技术学院电子与信息工程系
中山大学数学与计算科学学院
-
出处
《计算机应用》
CSCD
北大核心
2009年第9期2473-2476,共4页
-
基金
国家自然科学基金资助项目(60675007)
教育部重点基金资助项目(104145)
-
文摘
为了提高非线性分类精度,借鉴在支持向量机(SVM)框架下发展起来的多重核学习方法,针对基于核的线性判别分析(KLDA)构造多重核。进而,使用拉格朗日乘子法优化最大边缘准则(MMC),提出了多重核权值优化算法。在FERET和CMUPIE人脸图像库上的实验表明,与基于单个核的LDA相比,多重核线性判别分析能够达到更高的分类性能。
-
关键词
多重核
核线性判别分析
最大边缘准则
权值优化
拉格朗日乘子法
-
Keywords
multi-kernel
kernel linear discriminant analysis （klda）
Margin Maximization Criterion （MMC）
weight optimization
method of Lagrange multipliers
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
