农作物种植面积的改进型混合像元判别分析法提取

根据线性混合模型原理提出了利用低分辨率高光谱的遥感数据计算农作物种植面积的新方法,改进型混合像元判别分析法,并运用中分辨率成像光谱仪(MODIS)数据计算了江陵县中稻和棉花的种植面积,以当天TM数据的监督分类法得出的种植面积作为标准对此方法进行了详细比较,并与其他两种常规方法作物光谱特性差异法和监督分类法进行比较。结果表明,改进的混合像元判别分析法误差最小,运用在混合像元为特性的MODIS数据上比较合适;作物光谱特性差异法原理简单、计算方便,但小面积地物区分效果差;监督分类法误差最大,不适合运用在低分辨率高光谱的MODIS数据上。

利用二阶网络和判别分析建立分层混合专家模型

利用多层二阶神经元网络快速收敛及逼近连续函数的良好性质,并结合判别分析思想,构建了一种新的分层混合专家结构模型。这种结构模型选用二阶网络作为专家模块,可调权值数量适中,收敛速度快;它首次引入判别分析统计方法,并借鉴模块化设计理念,构建了无训练参数的组合门网模块。专家和门网模块的改进与设计,从根本上降低了分层混合专家网络的训练难度,提高了网络的训练速度和泛化能力。对典型非线性pH值混合槽实例进行了实验,结果表明,在相同的终止条件下,与目前常用的结构模型相比,新型结构模型的收敛速度和泛化能力都得到了显著的提高,验证了新模型在函数逼近应用中的良好特性。

一种基于两步降维和并行特征融合的表情识别方法

在采用特征融合方法进行人脸表情识别时,通常会产生高维特征问题。针对这一问题,提出一种基于两步降维和并行特征融合的表情识别新方法。利用主成分分析法(principal component analysis,PCA)分别对待融合的两类特征在实数域进行第一次降维,将降维后的特征进行并行特征融合;为了解决在并行融合过程中产生的高维复特征问题,提出一种基于酉空间的混合判别分析方法(unitary-space hybrid discriminant analysis,unitary-space HDA)作为酉空间的特征降维方法。该方法是实数域混合判别分析法在酉空间内的扩展,并兼顾了复特征数据的类间判别信息及全局描述信息。对局部二值模式(local binary pattern,LBP)和Gabor小波特征进行融合,并在JAFFE和CK+表情数据集上开展对比实验。实验结果表明,该方法具有较好的高维复特征数据降维能力,并且有效提高了表情识别率。