基于核直接判别分析和支持向量回归的WLAN室内定位算法

该文针对RSS信号的时变性降低WLAN室内定位精度的问题,提出了一种新的基于核直接判别分析和支持向量回归的定位算法。该算法利用核直接判别分析对原始RSS信号进行定位信息重组,去除冗余定位特征和噪声,提取最具判别力的定位特征,然后采用支持向量回归算法建立定位特征与物理位置的映射关系。实验结果表明,提出算法的定位精度明显高于传统定位算法,且大大降低了离线阶段数据采集的工作量。

分数次幂多项式核函数在核直接判别式分析中的应用

提出了在核直接判别式分析(KDDA)中采用分数次幂多项式核函数的方法,并在ORL人脸库中对多头部姿态、尺度等变化进行了实验。实验结果表明,采用分数次幂多项式核函数比采用整数次幂多项式核函数时的KDDA误识别率明显要低(取36个特征数时,误识别率低2%),且随着使用的特征数不断减少,这种优势愈加明显。实验充分证实了在KDDA中采用分数次幂多项式核函数的有效性及其对人脸的光照、头部姿态、面部表情等变化的鲁棒性。

基于双向二维直接线性判别分析的人脸表情识别

提出基于双向二维直接线性判别分析的人脸表情识别新算法。新算法从水平和垂直两个方向对图像矩阵执行直接线性判别分析,从二维图像中提取图像协方差矩阵,降低特征维数,减少表示图像时所需要的系数及其存储空间。另外,不使用奇异值分解方法,便可得到图像协方差矩阵的特征向量,能够精确地估计图像协方差矩阵。在JAFFE人脸表情数据库中的试验结果表明,所提算法具有较高的识别率。

多元函数极限不存在的直接判别法

提出用一种新方法———构造法证明多元函数极限不存在 ,并得到了证明多元函数极限不存在的新条件。举例说明了利用构造法证明多元函数极限不存在比通常采用的观察法简单。

施工网络计划中时差和CPM的直接判别法

本文详细介绍了建筑施工网络计划中有关时差和关键线路的基本概念和作用，以实例介绍了几种对工程技术人员来说易学易掌握的简便而快捷的判别方法。

生物传染病模型中平衡点的直接判别法

对生物一类传染病模型dx/dt=ax+by+p(x,y),dy/dt=Q(x,y)(ab≠0)的平衡点(0,0)给出了直接判别定理,比现成的定理简捷些。并给出实例,对两种判别法的简捷程度作了比较。

基于新的Gabor变换与直接LDA方法的人脸识别

提出一种基于新的Gabor滤波变换与直接线性判别分析的人脸识别方法(GDLDA)。首先应用一种新的Gabor小波对脸谱图像进行滤波变换,然后应用直接线性判别分析法(DLDA)提取经滤波变换后的脸谱Gabor变换特征进行识别。最后使用近邻算法在标准AT&T脸谱数据库上对GDLDA与DLDA方法进行脸谱分类识别比较,实验结果表明了GDLDA方法的有效性。

基于模糊函数代表性切片的运动雷达辐射源识别

针对运动雷达辐射源的信号特性,提出了一种基于模糊函数代表性切片特征优化的个体识别算法。首先抽取模糊函数的"近零"频偏切片作为辐射源的代表性特征子集,从而保留了运动雷达辐射源信号的稳定个性特征,然后利用直接判别比准则在代表性切片上进行核点排序,以选择最具有判别力的特征。对美国海军实验室仿真雷达数据和实测运动雷达辐射源数据的实验均表明,本文算法不仅有效地解决了现有的模糊函数全平面优化法的计算问题,而且显著提高了对运动雷达辐射源的个体识别性能。

基于改进ISOMAP算法的图像分类

利用基于邻域的图像欧氏距离寻找最近邻,并用直接线性判别分析方法(Direct LDA)取代多维尺度分析法(MDS),提出一种改进的等距特征映射(ISOMAP)算法(KIMD-ISOMAP)进行降维.人脸图像分类试验表明:KIMD-ISOMAP提高了ISOMAP的分类能力,扩展了邻域半径的选取范围,在加高斯噪声和几何形变的情况下,该算法与其他方法相比,表现出较强的鲁棒性.

基于局部保持投影和核直接判别分析的掌纹识别

为了提高识别性能,提出运用局部保持投影(LPP)和核直接判别分析(KDDA)相结合的方法进行掌纹识别。在小样本图像识别中,为了解决特征方程矩阵的奇异性,首先运用图像下抽样降低掌纹空间的维数,然后应用LPP提取掌纹局部结构特征作为KDDA的输入提取分类特征,计算特征向量间的余弦距离进行掌纹匹配。运用PolyU掌纹图像库,对本文算法进行测试。实验结果表明,与主元分析(PCA)、独立元分析(ICA)、PCA+LPP、核局部保持投影(KLPP)、核判别分析(KDA)和抽样(sample)+LPP相比,本文算法的识别率(RR)最高为99.71%,特征提取和匹配总时间为0.131 s,满足实时系统的要求。

基于KDDA和SFLA-LSSVR算法的WLAN室内定位算法

针对接收信号强度(received signal strength,RSS)的时变性降低WLAN室内定位精度的问题,提出了一种基于核直接判别分析(kernel direct discriminant analysis,KDDA)和混洗蛙跳最小二乘支持向量回归机(SFLA-LSSVR)的定位算法,该算法通过核函数策略将采集的各接入点(access point,AP)的RSS信号映射到非线性领域,有效提取了非线性定位特征,重组定位信息,去除冗余定位特征和噪声;然后采用LSSVR算法构建指纹点定位特征数据与物理位置的映射关系模型,采用SFLA算法优化该关系模型的参数,并用该关系模型对测试点的位置进行回归预测.实验结果表明:提出算法在相同的采样次数下的定位精度明显优于WKNN,ANN,LSSVR算法,并且在相同的定位精度下,采样次数较大减少,是一种性能良好的WLAN室内定位算法.

基于增强Gabor特征和直接分步线性判别分析的人脸识别

Gabor特征能从不同方向和尺度有效表示人脸图片的局部特征,但是利用传统Gabor特征的方法却忽略原始人脸图片所包含的全局特征.文中把Gabor特征和原始图片信息结合起来,构成增强的Gabor特征,并结合直接分步线性判别分析算法,提出一种人脸识别方法.在Yale、ORL和GeorgiaTech人脸库的仿真实验结果表明,相对于传统Gabor特征,增强Gabor特征能够有效提高人脸识别率.

基于direct LDA的幅度谱子空间雷达目标识别

针对高分辨距离像(HRRP)可分性低和维数高的问题,提出一种新的雷达自动目标识别(RATR)方法:dLDA&SVM。先采用直接线性判别分析在HRRP的幅度谱空间进行特征提取,然后在子空间中采用角域均值模板库训练one-against-all支撑向量机(SVM)多类分类器进行目标识别。并设计了最短距离分类器与SVM分类器比较。基于外场实测数据的实验结果表明,与LDA幅度谱子空间法,幅度谱原空间法相比,dLDA&SVM可显著降低数据维数并提高识别性能。

年龄变化条件下采用Gabor金字塔的人脸描述与识别

随着年龄的增长,人脸特征会发生不同程度的改变,这些改变主要包括形状特征变化和纹理特征变化,从而给人脸识别问题增加了难度。为了精确地描述年龄变化条件下人脸形状和纹理特征以提高人脸识别的精度,首先将Gabor小波运用在金字塔模型上,形成Gabor金字塔特征序列,利用均值网格对Gabor金字塔特征序列进行初步降维去噪;然后将不同样本同一方向和尺度的Gabor金字塔特征进行重组;最后构造40个并行分类器,利用直接分步线性判别分析(DF-LDA)算法进行分类识别。实验结果表明,Gabor金字塔特征序列能够提高年龄变化条件下人脸识别的精度。

幅度谱差分子空间雷达自动目标识别

雷达高分辨距离像是目标的重要结构特征,其维数通常很高,造成数据可分性表达差,识别过程计算复杂度高,识别率低。为降低距离像的维数,提出一种新的距离像特征提取方法,即采用直接线性判别分析(dLDA)在距离像幅度谱差分空间进行特征提取,得dLDA幅度谱差分子空间。目标识别即在所得dLDA幅度谱差分子空间中进行。采用外场实测数据,分别训练了最小距离分类器和one-against-all支撑向量机分类器,2种分类器的识别结果均表明,该方法可显著地降低数据维数并提高识别率。

不同规模数据集下的人脸识别方法(英文)

系统研究了类内变化和类数目增加所引起的人脸识别中的非线性识别问题,并比较了线性识别方法和非线性识别方法在不同用户集规模下的适用性.采用CAS-PEAL大型人脸数据库中的表情集(330人)和姿势集(1 000人)进行了3组实验.实验结果表明:当训练集的人数在300人(表情集)以内时,增加类内的变化不会对线性识别方法造成影响,并可以提高识别的准确率;但是,当保持类内图片数不变而增加类的数目时,类数(人数)增加对线性方法和非线性方法产生了不同的影响.随着人数增加,线性识别方法的识别准确率逐渐降低,而基于核方法的非线性方法却能够一直保持识别准确率的稳定.因此,应该根据类的总数合理地选择识别方法,并合理地设计类内的图片数,这样有助于提高人脸识别系统的识别率.同时,实验也验证了基于核方法(kernel)的非线性人脸识别方法更适宜于人数规模较大的情况.

KDDA在高分辨雷达目标识别中的应用

文章研究了核直接判别分析(kernel direct discriminant analysis,KDDA)在高分辨雷达目标特征提取与识别中的应用。KDDA算法是传统的LDA算法与核方法的结合,文中讨论了KDDA算法原理,首先将KDDA应用于雷达目标距离像特征提取,求取更易于分类的核投影向量,然后采用支持向量机进行分类,提出了基于核直接判别分析的高分辨雷达目标特征提取与识别方法。用四类目标数据进行了实验,实验结果表明,该方法能够提高目标识别性能。

基于D-LDA与最近特征分类法的眼虹膜识别系统

以3个主要处理阶段来实现一个高识别率的虹膜识别系统。撷取人眼图像进而分离出虹膜图像,再利用图像处理予以改善,使得虹膜图像更适于后续的识别。接着建立虹膜的特征向量,在虹膜图像展开的过程中,解决了虹膜图像旋转不变性的问题,然后利用直接线性判别分析(D-LDA)的方式进行特征抽取,使得所产生出来的特征向量拥有最大类别间距离与最小类别内距离的特性。最后,探讨多种最近特征分类法与其识别效果,并将上述方法设计完成一套眼虹膜识别系统。实验结果显示,在样本特征向量数较少的情况下识别率有96.47%,如果在每个类别中增加样本特征向量的数量,则系统的识别率可以达到98.50%。

核Direct LDA子空间高光谱影像地物分类

为降低高光谱影像的数据维数,提高地物分类识别效率,提出了一种地物分类方法——核直接线性判别分析(Kernel Direct Linear Discriminant Analysis,KDLDA)子空间法;并推导出类先验概率的一般形式下KDLDA的解。KDLDA子空间法先采用KDLDA提取遥感影像的非线性可分特征,然后在KDLDA子空间采用最小距离分类器进行分类识别。机载可见光/红外成像光谱仪(Airborne Visible/Infrared Imaging Spectrometer,AVIRIS)的高光谱影像识别结果表明,相比原空间法、LDA子空间法、直接线性判别分析(Direct Linear Discriminant Analysis,DLDA)子空间法、核线性判别分析(Kernel Linear Discriminant Analysis,KLDA)子空间法,KDLDA子空间法可显著提高识别效率。

基于Direct LDA的相关向量机遥感图像分类

相关向量机是一种新型的基于贝叶斯统计学习框架的有监督机器学习算法,但是存在对高光谱数据分类精度不高的问题。针对此问题,文中提出了一种改进的算法,该算法将直接线性判别分析法与相关向量机相结合,对高光谱数据进行特征提取,然后采用相关向量机进行遥感图像分类。文中实验数据采用1992年Indian Pines高光谱数据。实验结果显示,与采用相关向量机直接分类,线性判别分析法(LDA)与相关向量机结合的两种方法的分类结果相比,文中算法能够明显降低数据维度,总体分类精度也提升了约1%。