

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、維數災難問題是許多模式識別方法在實際應用中面臨的主要問題,比如文本處理,圖像識別。在低維空間里解析上或計算上行得通的方法,在高維空間里往往行不通。因此,降低維數有時就成為處理實際問題的關鍵。特征提取的任務就是求出一組有效的特征,把數據從高維空間變換為低維空間。 線性鑒別分析是最有效的線性特征提取和維數減少方法之一。線性鑒別分析方法的目標是通過最大化類間散度矩陣Sb,同時最小化類內散度矩陣Sw來提取特征。在許多應用中,線性鑒別分析
2、被證明是十分有效的。但是線性鑒別分析依然存在缺陷:一是當樣本維數很高時,類內散度矩陣為奇異的問題;二是它假設各類都屬于Gaussian分布,并且各類的協(xié)方差矩陣相同,但一般情況下數據不滿足這樣的假設。 本文中,我們提出一種新的非參數邊際距離最大化準則的特征提取方法,非參數邊際距離最大化準則是一種從最近鄰分類器的角度提出的線性特征提取方法。它不存在類內散度矩陣的奇異問題,也不需要假設每個類服從特定的分布。然后我們提出一種維數遞減的
3、優(yōu)化算法。 我們成功地將非參數邊際距離最大化準則應用于人臉識別,效果要好于目前流行的特征提取方法。 最后,我們進一步擴展非參數邊際距離最大化準則,從信息論的角度提出信息邊際距離的概念。我們同樣不假設樣本屬于某個特定的分布,用非參數密度估計方法得到每個樣本在不同類別里的概率密度,我們的目標是最大化類與類之間的相對熵,并且同時最小化每類樣本的熵。實驗證叫,信息邊際距離最人化準則要比互信息最大化準則和其它線性特征提取準則更有效
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于類間距離最大化的特征抽取方法研究.pdf
- 企業(yè)利潤最大化研究
- 19章利潤最大化
- 母豬的效益最大化
- 開展“零距離”服務促使文化公益服務趨向最大化
- 生產利潤最大化規(guī)劃求解
- 論技術價值的最大化.pdf
- 企業(yè)價值最大化及其實現(xiàn)途徑研究.pdf
- 投資收益如何最大化?
- 新西蘭留學的價值最大化
- 集團整體價值最大化探究
- 利潤最大化營銷方案求解
- 供應鏈價值最大化
- EVA應用于股東價值最大化管理研究.pdf
- 社交網絡中影響最大化研究.pdf
- 語境知識最大化與外語學習.pdf
- 合理籌劃實現(xiàn)企業(yè)利潤最大化
- 龍湖價值最大化贈送面積策略
- 素材使用應使效能“最大化”
- 企業(yè)生產利潤最大化管理系統(tǒng)
評論
0/150
提交評論