核最小模最小平方误差方法医学图像识别算法

最小平方误差方法(Least Square Error,MSE)因其在对模式分类中所具备的有效性和高效性,在模式识别领域得到广泛的应用。同时基于核方法的非线性理论的不断成熟,针对医学图像识别通常存在的非线性可分问题,提供了一种有效的解决途径。本文将两者结合,并针对MSE中存在的投影向量"超定"的问题加以分析和改进,提出了这种基于核理论的最小模最小平方误差方法(Kernel Minimal Mean Square Error,KMNMSE),并建立了一种一般的MNMSE分类器模型。最后通过在CT医学图像上做了大量的实验,实验结果与其他方法的比较,验证了本文所提出方法的有效性。

基于融合两类核Fisher鉴别函数的人脸识别方法

提出了一种基于两类核Fisher鉴别分析(KFDA)的人脸识别方法,对每2个不同人脸类别求解一个核Fisher鉴别函数,其优点是能针对特定的2个人脸图像类别,抽取区分该2类人脸的最佳鉴别特征,克服了多类KFDA和2类KFDA相比是次优的问题.为解决KFDA计算量大的问题,将MSE推广为基于核的MSE(KMSE),用其得到核Fisher鉴别函数,减少了训练和识别的计算时间.在识别阶段应用了两种融合方法融合各个基于KMSE的核Fisher鉴别函数.