最大散度差和大间距线性投影与支持向量机

首先对 Fisher 鉴别准则作了必要的修正，并基于新的鉴别准则设计了最大散度差分类器；然后探讨了当参数 C 趋向无穷大时，最大散度差分类器的极限情况，得到了大间距线性投影分类器；最后通过分析说明，大间距线性投影分类器实际上是在模式样本线性可分的条件下，线性支持向量机的一种特殊情况．在 ORL 和 NUST603人脸库上的测试结果表明，最大散度差分类器和大间距线性投影分类器可以与线性支持向量机、不相关线性鉴别分析相媲美，优于 Foley-Sammon 鉴别分析方法．

固体火箭发动机窄角扇束CT投影直接重建算法

用于固体火箭发动机检测的窄角扇束CT采用重排算法进行图像重建,而重排算法用到的插值运算会造成投影数据的不准确,使得重建的CT图像质量下降。为了解决重排算法存在的问题,提出了一种新的直接卷积反投影算法。该算法避免了重排过程,直接利用不等间距平行束投影数据进行卷积反投影重建。为了验证直接卷积反投影算法的有效性,进行了数值仿真和实验验证,并将直接卷积反投影算法与重排算法进行对比。仿真和实验结果表明,直接卷积反投影算法比重排算法的图像重建时间短,直接卷积反投影算法较重排算法的重建图像质量高,这对固体火箭发动机缺陷的精确测量具有重要意义。

车牌识别中的二值化及快速倾斜校正算法

根据车牌几何形状和纹理的特点,提出了基于图像的特征线确定二值化阈值的方法。为了解决车牌图像倾斜对字符分割与识别带来的不良影响,对一种基于字符间投影距离的倾斜校正方法做了研究。在该方法中,根据倾斜车牌与非倾斜车牌字符的投影距离大小比较来确定车牌图像的倾斜角度,再用基于双线性插值的旋转方法进行矫正。针对该方法的不足之处,提出了该算法的改进算法。试验结果表明,该算法是快速而有效的。

基于最大散度差鉴别准则的自适应分类算法

首先证明了,当类内散布矩阵非奇异时,特定参数值c_0下最大散度差的最优鉴别方向等同于Fisher最优鉴别方向；其次,给出了最大散度差分类算法的识别率随参数C变化的曲线．该曲线通常为一脉冲曲线．随着参数C的增大,识别率也逐渐增大．当参数C增大到c_0时,识别率达到最大值．另外,以往的研究成果表明：当类内散布矩阵奇异时,最大散度差鉴别准则逐步逼近大间距线性投影准则．而且,随着参数C的不断增大,最大散度差分类算法的识别率也单调增大并最终稳定到大间距线性投影分类算法的识别率上．为此,我们提出了基于最大散度差鉴别准则的自适应分类算法．新算法可以根据训练样本的特性(类内散布矩阵是否奇异)自动选择恰当的参数C．在UCI机器学习数据库上的6个数据集以及AR人脸图像数据库上的测试结果表明,自适应最大散度差分类算法具有良好的分类性能．

一类基于多目标规划的线性鉴别准则

两类Fisher鉴别准则、大间距线性投影准则以及最大散度差鉴别准则都是直接用于模式分类的两类线性鉴别准则,它们的共同点是将"投影后数据的可分性达到最大的方向"作为最优投影方向。区别在于它们对数据可分性的定义有所不同。过去的研究成果表明,大间距线性投影分类器与支持向量机之间、大间距线性投影准则与最大散度差鉴别准则之间以及最大散度差鉴别准则与两类Fisher鉴别准则之间,均存在着这样或那样的联系。论文试图在以往研究成果的基础上进一步理清这些两类线性鉴别准则之间的内在关系,并建立一个统一的理论框架从而将基于投影后数据可分性的这些两类线性鉴别准则都纳入其中。

一种基于散度差准则的人脸鉴别分析方法

本文提出一种基于散度差准则的人脸鉴别分析方法。最大散度差利用样本模式的类间散布与类内散布之差(Sb-C*Sw)大特征值对应的特征向量,而不是它们的熵比作为鉴别准则,这样,从根本上避免了类内散布矩阵奇异带来的困难。另外,分析了当参数C趋向无穷大时,最大散度差分类器的极限情况,得到了大间距线性投影分类器。