重积分的一种降维算法

本文论述了将具有一定条件的重积分的计算问题变成两个定积分的计算，并给出了计算公式和算法。     

一种新的彩色图像降维方法

基于内容的图像检索(CBIR)是图像检索的重要分支，而基于颜色的特征提取是CBIR的常用方法之一．如果对图像颜色的特征数提取过多、维数过大，则不利于对图像的快速匹配．本文将图像的色彩直方图作为输入向量，然后采用局部线性映射(LLE)算法对原始数据进行降维，并分别在4种色彩空间下对降维后的彩色图像进行分类．实验证明，在处理非线性数据降维时，LLE较主成分分析(PCA)具有明显的优势．     

Isomap算法在地震属性参数降维中的应用

本文针对非线性高维地震属性参数降维的困难,引入了一种新的非线性降维方法Isomap,并将Isomap降维的结果与线性的MDS降维结果通过小波神经网络进行检验,从算法原理的角度讨论了Isomap算法在地震属性参数降维处理中的可适性．     

一种高维航迹融合协方差交集算法降维实现方法

在互相关性未知的分布式融合系统中,协方差交集算法是一种有效的融合算法,但其在融合高维航迹时存在计算量大、精度低的问题,为此对高维航迹进行了降维处理,把高维航迹的融合变为多组二维航迹的融合,从而得到了一种降维的协方差交集算法(Dimensionality Reduction Intersection Algorithm,DRCI)。理论分析表明该算法能有效降低运算量,仿真实验结果表明,该算法的精度高于协方差交集算法(Covariance Intersection,CI),与Kalman融合算法处于同一水平。     

三维布尔运算的降维算法

实体间的交、并、差布尔运算是三雏实体造型中一种非常重要的造型方法.在时经典布尔算法进行分析的基础上,提出降维算法,该算法通过平面切割,把三雏实体问题转化为二雏平面问题,避免了求交的盲目性,提高了运算速度.     

降维卡诺图及其应用

本文通过卡诺图基本原理的讨论，导出降维卡诺图及其填写方法。通过实例讨论得出降维卡诺图读出的基本原则及降维卡诺图在中规模集成电路应用中的逻辑设计方法。     

对称函数的全局优化的降维算法

建立了一类对称函数的全局优化问题的降维算法 ,从而解决了一个有趣的分析不等式的最优化问题     

基于哈希表的动态向量降维方法的研究及应用

提出并实现了一种简洁的基于哈希表的动态向量降维方法.该方法用哈希表作为文档特征向量的存储数据结构,省去了预先构建向量模板的环节,实现了高维次稀疏特征向量的动态降维,有效减少了分类算法的数据计算量,能够显著提高分类器的性能.     

基于二维Gabor小波和孪生支持向量机的图像识别算法

为了提高图像识别性能,采用孪生支持向量机用于图像分类识别,并结合二维Gabor小波对图像纹理特征进行提取,借助局部线性嵌入(Locally linear embedding,LLE)降维,以进一步提高图像识别准确率和识别效率.采用二维Gabor小波对图像数据进行有效滤波,获得图像关键纹理特征,然后对大量纹理特征进行LL...     

智能识别中的降维算法简述

近年来降维方法作为智能识别中关键的数据预处理技术得到了较为成功地运用。在总结比较经典的降维方法的基础上,分别从特征选择和特征提取两个方面来阐述各种方法所具有的特点和优势,并在一定程度上指出相应方法在目前所存在的问题和挑战。     

基于线性降维技术和BP神经网络的热红外人脸图像识别

结合线性降维技术与BP神经网络对热红外人脸图像进行了识别研究.首先利用主成分分析和线性判别分析对热红外人脸图像进行图像降维及特征提取,然后将提取出的热红外人脸图像特征向量用于BP神经网络的训练,得到一个鲁棒性和容错性较强的分类器,用这个分类器对热红外人脸图像进行分类识别.实验结果表明,由于所提方法在提取便于分类的模式特征基础上,采用神经网络作为分类器代替特征向量间的欧氏距离判别,获得了较高的热红外人脸图像识别率.     

一种新的汽车牌照识别的图像增强算法

汽车牌照区域分割是牌照识别的关键步骤，增强图像中的牌照区域，抑制背景区域，可以有效降低牌照区域分割的难度。将图像分解为一组二值图像的组合，然后在二值图像上计算各连通分量及其特征参数，利用牌照区域和背景区域对应的连通分量的特征差别，可以有效抑制背景而保留牌照。处理后的二值图像可重构出牌照区域被增强的图像。还采用等高线标记代替连通分量标记，以减少计算量，使得算法具有实用性。试验表明，这种算法有效地突出了牌照区域而抑制了背景，提高了牌照定位分割的效果，可以很好地用于实际的汽车牌照识别系统中。     

基于特征联合和偏最小二乘降维的手势识别

针对以往手势识别研究中更关注识别率而弱化实时性的情况,首次将偏最小二乘降维思想引入手势识别领域,提出一种基于特征联合和偏最小二乘降维的手势识别方法。首先进行手势分割,在此基础上提取手势样本的梯度方向直方图和局部二值模式特征,并将二者进行联合。然后采用偏最小二乘法对手势联合特征进行降维,并将降维后的手势训练样本特征输入到支持向量机中进行分类训练。最后用训练好的支持向量机对降维后的手势测试样本进行识别测试。基于Jochen Triesch手势库及自制手势库的实验结果表明,同已有方法相比,本文所提方法在取得较高手势识别率的同时也取得了较好的实时性。     

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.     

复杂背景下的遥感图像特征识别算法

摘要：针对复杂背景和可变光照下的静态彩色图像人脸检测,提出一种基于多目标优化和蚁群算法的遥感图像特征识别方法。首先将遥感图像特征选择转化成多目标优化问题,然后利用特征子集维数和识别率加权构造了目标函数,最后利用蚁群算法的全局寻优和正负反馈投机实现特征子集搜索,从而找到遥感图像中的最优特征子集,实现准确识别。仿真实验结果表明,算法能够很快的找到最优特征子集,消除无用和冗余特征,降低了特征维数,识别率高。     

基于遗传算法的图像识别方法

分析了图像识别中模板匹配技术面临的计算量大、存储量大的问题,提出了基于遗传算法的图像识别方法。该方法首先对图像模板进行离散化处理,对图像离散点控制,从而把图像识别问题转化成一系列离散点的组合优化问题;然后利用遗传算法对种群优化的性能,对各个控制点组合优化,使各控制点与模板匹配;最后通过计算机仿真实验,证明了这种方法的有效性和实用性。     

一种新的图像加密算法

图像的纯位置置乱惟一对应一个置换群元素和排列,基于此给出了一种基于混沌序列和全排列的图像置乱加密算法．首先,定义了置换群元素新的表示符号,用N进制计数法建立起了置换群元素与整数的一一对应;然后利用混沌序列随机选择置换元素对像素的位平面、图像的四叉树结构置乱．试验证实了该算法的有效性,并得到了较好的加密效果．     

基于图像识别的动物纤维细度快速测量算法

以图像识别、图像分析为基础,研究动物纤维平均细度测量算法。采用图像二值化、边缘跟踪算法提取纤维边缘,用边缘突变点提取算法、纤维微段识别算法确定纤维微段,以边缘亚像素定位算法获取纤维边缘的准确位置,计算纤维细度。结果表明:基于该算法的动物纤维细度自动测量系统的测量精度达到±0.135μm,该算法能够准确、快速地测量动物纤维的细度,满足自动测量的要求。     

基于多元图形特征融合原理的降维方法研究

降维是将高维模式映射到低维子空间的过程.在降维后的低维子空间进行分类往往能得到更好的效果.本文以高维数据为研究对象,采用多元描述图对高维数据进行可视化表达,采用多元图图形特征融合的方法对高维数据进行降维,用K邻分类器进行分类效果评价.与Fisher线性判别及其他一些常用非线性降维方法相比,本文所提方法在数据的可视化以及分类精度等方面均有较好效果.     

基于LBP的图像集人脸识别算法

针对基于仿射包的图像集人脸识别方法(AHISD)对于离散数据的敏感性,提出了一种加入LBP的方法.通过LBP的方法对图像进行特征提取,然后再将图像集用仿射包进行建模,在此基础上,通过计算2个模型之间的距离,以达到对人脸进行鉴别和分类的效果.用LBP方法视频数据库(Honda/UCSD)给出了检测结果,有效地提高了识别率.