核Fukunaga-Koontz变换检测红外小目标

Fukunaga-Koontz变换作为一种两类模式识别工具,源自主成分分析,只能提取图像的二阶统计特征,没有考虑图像的高阶统计特征,用于红外小目标检测时难以达到满意效果.为了提高目标检测性能,本研究首先将Fuku-naga-Koontz变换推广到高维核特征空间,成为核Fukunaga-Koontz变换,以提取图像的高阶统计特征,从而利用核Fukunaga-Koontz变换来检测红外小目标.

基于Fukunaga-Koontz变换的高光谱图像异常检测

高光谱图像异常检测算法通常是基于数据变换,在新的特征空间中进行的。针对WDEST算法没有使得异常目标和背景在新的特征空间中有较好的分离,提出了一种基于Fukunaga-Koontz(FKT)变换的高光谱图像异常检测算法。该算法利用FKT对高光谱图像局部窗口中数据进行变换,使得在新的特征空间中异常目标和背景有相同的特征向量和互补的特征值,较之WDEST算法得到了更好的分离,在有效提高检测概率的同时降低了虚警概率;经与RX算法比较表明,该算法对于较大异常有更好的适应性,并用真实数据进行实验证明了算法的有效性。

基于修正Fukunaga-Koontz变换的说话人识别方法

研究了修正Fukunaga-Koontz变换在说话人识别中的应用方法。通过修正Fukunaga-Koontz变换对说人语音特征空间进行了降维,并通过高斯混合模型进行说话人建模。采用NIST 2006年测试的1conv4w-1conv4w作为实验,对比了LDA方法与修正Fukunaga-Koontz变换在说话人识别中的识别性能。结果证实,将修正Fukunaga-Koontz变换用于说话人识别获得了理想的效果,与传统的LDA降维方法相比,识别性能得到了较大的提升。

基于多线性Fukunaga-Koontz变换的海天背景中红外小目标检测

红外小目标检测在红外监测和跟踪系统中起着关键作用,海天背景中的红外小目标检测是其中需要解决的技术难题之一.基于传统子空间算法的检测方法必须将图像转换成矢量,而图像矢量化将破坏目标的原始结构和相关性,会导致大量信息的丢失,检测效果较差.多线性子空间算法将图像作为矩阵来处理,保留了图像的原始结构和信息.首先提出了一种多线性Fukunaga-Koontz变换算法,然后基于多线性Fukunaga-Koontz变换实现了海天背景中红外小目标的检测.为了提高检测性能,对图像进行了预处理和后处理操作.实验结果证明,基于多线性Fukunaga-Koontz变换的检测方法是有效的,且更具优势.

结合核优化的最佳KFKT算法及其应用

提出一种结合核优化方法的最佳KFKT算法。该方法采用核映射空间中样本数据集的类内散射距离来定义目标函数,并采用梯度投影算法来求解最佳核映射所对应的核函数参数。将优化所获得的参数运用于KFKT算法中,从而获得最佳的KFKT算法。采用FERET和Yale人脸数据库上进行实验,实验结果证实了所提方法的有效性。

基于FK变换的多用户MIMO低复杂度预编码算法

基于广义奇异值分解(GSVD)的信漏噪比(SLNR)预编码算法可提高传统SLNR预编码算法的数值稳定性,但其预编码器的产生需要进行奇异值分解,因此计算复杂度较高.针对这一问题,基于Fukunaga-Koontz(FK)变换方法,提出了基于SLNR的预编码算法.该算法同样具有数值稳定的优点,但无需进行奇异值分解,因此比基于GSVD的SLNR算法具有更低的计算复杂度.理论分析证明,提出的预编码算法与基于GSVD的SLNR预编码算法二者等效,验证了提出算法良好的数值稳定性;同时其复杂度较基于GSVD的预编码算法降低了34.3%～42%,因此更适合实际应用.数值仿真证明了提出算法的有效性及高效性.

提升管理境界的伦理诉求研究——从孔茨和周三多对“管理”内涵的理解说起

从管理学与伦理学的学科交叉层面入手,以孔茨和周三多对"管理"内涵的不同定义揭开对管理内涵之解读,立足于探究提升管理境界与内蕴管理之中的伦理诉求二者之间的关系,剖析了问题实质所在并分别从"管理境界之内化"、"管理境界之外化"和"协调之度"三个方面提出了伦理结合管理二者同构下付诸实际应用的方法论。