基于CNN多层融合特征与Fisher准则的分类算法

针对目标物体的多分类问题,提出基于CNN多层融合特征与Fisher准则的分类算法。首先,应用卷积神经网络提取图像的各层特征;然后,通过穷尽搜索法确定各层特征融合的权值系数,得到多目标分类特征;最后,采用Fisher多分类准则,求出使模式具有最大可分性的最佳投影方向,实现目标分类。在ORL、Yale库上进行实验研究,分类准确率分别达到了97. 5%和97. 3%。结果表明,该方法能够解决模式多分类的问题,与传统方法相比有效地提高了识别能力,具有很好的鲁棒性。

通过关联预测对古代玻璃制品成分分析

玻璃是早期商贸交流的重要物证。我国匠人在吸收西方技术后,就地取材制作玻璃制品,因此虽与外来的玻璃制品外观相似,但其化学成分截然不同。古代玻璃易受埋藏环境的影响而风化,致使其内部元素与环境元素进行大量交换,从而使得其成分比例发生变化,影响对其类别的正确判断,为解决玻璃制品成分分析与鉴别,依据相关数据进行建模并解决以下问题:问题1,建立文物风化与玻璃类型、纹饰与颜色关系模型并对不同玻璃类型的风化化学成分含量进行统计,并依照风化点的检测数据对风化前的玻璃制品化学成分含量进行分析。问题2,建立高钾玻璃、铅钡玻璃的分类模,并对结果进行合理性分析。问题3,依据玻璃分类模型对未知类别玻璃文物分类。本文采用最优标度法、系统聚类、Fisher多分类判据等方法,对古代玻璃制品的成分的分析和鉴别问题进行研究。