·
搜索结果:找到“核主成分分析”相关结果5721950条
排序: 按相关 按相关 按时间降序
  • 【期刊】 联合核主成分分析

    刊名:沈阳大学学报:自然科学版 作者:王喆 孟芸 关键词:核主成分分析(KPCA) 联合核映射 特征提取 核方法 机构:华东理工大学计算机科学与工程系 ; 华东理工大学计算机科学与工程系 年份:2015
    摘要:提出了KPCA的一种称为联合核主成分分析(Joint Krnel Pincierple Component Analysis,JKPCA)的变型,能够从输入和输出空间引出先验信息用于特征提取.首次将联合核映射应用于特征提取领域,而且在图像数据集上的实验结果表明,JKPCA是可行并有效的.
  • 【期刊】 联合核主成分分析

    刊名:沈阳大学学报:自然科学版 作者:王喆 孟芸 关键词:核主成分分析(KPCA) 联合核映射 特征提取 核方法 机构:华东理工大学计算机科学与工程系 ; 华东理工大学计算机科学与工程系 年份:2015
    摘要:提出了KPCA的一种称为联合核主成分分析(Joint Krnel Pincierple Component Analysis,JKPCA)的变型,能够从输入和输出空间引出先验信息用于特征提取.首次将联合核映射应用于特征提取领域,而且在图像数据集上的实验结果表明,JKPCA是可行并有效的.
  • 【期刊】 联合核主成分分析

    刊名:沈阳大学学报(自然科学版) 作者:王喆 ; 孟芸 关键词:核主成分分析(KPCA) ; 联合核映射 ; 特征提取 ; 核方法 机构:华东理工大学计算机科学与工程系 ; 华东理工大学计算机科学与工程系 年份:2015
    摘要:提出了KPCA的一种称为联合核主成分分析(Joint Kernel Principle Component Analysis,JKPCA)的变型,能够从输入和输出空间引出先验信息用于特征提取.首次将联合核映射应用于特征提取领域,而且在图像数据集上的实验结果表明,JKPCA是可行并有效的.
  • 【期刊】 核主成分分析概述

    刊名:才智 作者:于万鹏 关键词:核主成分分析 ; 主成分分析 机构:辽源职业技术学院 ; 辽源职业技术学院 年份:2013
    摘要:核主成分分析是一种非线性推广的主成分分析。由于在非线性统计和高阶统计特征提取具有较好的效果,相对于传统的主成分分析观测数据的特点,具有更好的分类能力。
  • 【期刊】 基于核主成分分析的EMD去噪算法

    刊名:数字技术与应用 作者:何云玲 ; 刘琳 关键词:核主成分分析 ; 超声信号 ; 经验模态分解 机构:东北电力大学自动化工程学院 ; 东北电力大学自动化工程学院 ; 海南核电有限公司 年份:2014
    摘要:本文以超声回波信号去噪为目的,研究了基于经验模态分解(EMD)分解的去噪方法。分解过程中固有模态函数(IMF)信号与噪声混叠,还会产生虚假分量,提出了基于核主成分分析(KPCA)的经验模态分解算法。首先对原信号进行经验模态分解得IMF分量;然后对信号进行KPCA变换,将各分量获得的贡献率与阈值比较,最终以去除分量中夹杂的噪声。为证明本文方法的有效性,还给出了仿真实验的仿真结果。
  • 【期刊】 面向图像分类的核主成分分析网络

    刊名:东南大学学报:英文版 作者:吴丹[1,4] 伍家松[1,2,3,4] 曾瑞[1,4] 姜龙玉[1,4] Lotfi Senhadji[2,3,4] 舒华忠[1,4] 关键词:深度学习 核主成分分析网络 主成分分析网络 人脸识别 物体识别 手写数字识别 机构:东南大学计算机网络和信息集成教育部重点实验室 ; 东南大学计算机网络和信息集成教育部重点实验室 ; 中法生物医学信息研究中心 年份:2015
    摘要:为了能够用线性分类器对非线性特征进行分类,同时提高图像的分类正确率,提出了一种核主成分分析网络(KPCANet).首先通过核主成分分析算法将数据映射到高维空间中,使得数据线性可分,然后建立一个2层的KPCANet,提取出图像的主特征,最后将图像的主特征输入线性分类器中进行分类.实验结果表明,KPCANet对于人脸识别、物体识别以及手写数字识别效果良好,其分类效果优于现存的主成分分析网络(PCANet).同时,KPCANet的成分提取效果不受光照条件变化的影响,且对于遮挡以及微小的形变提取效果稳定.
  • 【期刊】 面向图像分类的核主成分分析网络

    刊名:《东南大学学报:英文版》 作者:吴丹 ; 伍家松 ; 曾瑞 ; 姜龙玉 ; Lotfi ; Senhadji ; 舒华忠 关键词:深度学习 ; 核主成分分析网络 ; 主成分分析网络 ; 人脸识别 ; 物体识别 ; 手写数字识别 机构:东南大学计算机网络和信息集成教育部重点实验室 ; 东南大学计算机网络和信息集成教育部重点实验室 ; Institut ; National ; Sante ; Recherche ; Medicale ; Rennes ; France ; Laboratoire ; Traitement ; Signal ; l'Image ; Universite ; Rermes ; Rennes ; France ; 中法生物医学信息研究中心 年份:2015
    摘要:为了能够用线性分类器对非线性特征进行分类,同时提高图像的分类正确率,提出了一种核主成分分析网络(KPCANet).首先通过核主成分分析算法将数据映射到高维空间中,使得数据线性可分,然后建立一个2层的KPCANet,提取出图像的主特征,最后将图像的主特征输入线性分类器中进行分类.实验结果表明,KPCANet对于人脸识别、物体识别以及手写数字识别效果良好,其分类效果优于现存的主成分分析网络(PCANet).同时,KPCANet的成分提取效果不受光照条件变化的影响,且对于遮挡以及微小的形变提取效果稳定.
  • 【期刊】 鲁棒的加权核主成分分析算法

    刊名:计算机应用研究 作者:孟凡荣 ; 杨开睿 ; 梁志贞 关键词:核主成分分析 ; 特征提取 ; 人脸识别 ; 鲁棒 机构:中国矿业大学计算机科学与技术学院 ; 中国矿业大学计算机科学与技术学院 年份:2013
    摘要:为减弱离群点对数据处理的影响,提出了一种鲁棒的加权核主成分分析算法。利用核函数将样本投影到核空间,在核空间构建一个样本加权重建误差最小模型,最大限度地提取数据中的非线性信息并降低离群点样本的干扰。在Yale人脸库和UCI数据集上的实验表明,该方法具有很好的识别率,尤其对离群点样本具有较好的鲁棒性。
  • 【期刊】 基于核主成分分析的煤层冲击倾向性判别

    刊名:山东煤炭科技 作者:国黎光 ; 孔宣 ; 高亮 关键词:核主成分分析 ; 冲击倾向性 ; 判别模型 机构:山东天安矿业集团有限公司星村煤矿 ; 山东天安矿业集团有限公司星村煤矿 ; 陕西长武亭南煤业有限责任公司 年份:2017
    摘要:针对煤层冲击倾向性判别,采用MATLAB数据分析软件编写核主成分分析程序,对试验煤样的冲击能指数、弹性能指数、动态破坏时间、抗压强度以及弹性模量等煤层冲击倾向性指标进行核主成分分析,获取影响煤层冲击倾向性的主成分序列.根据核主成分分析结果,建立煤层冲击倾向性判别模型,为评价煤层冲击倾向性提供依据,对矿山冲击地压预防具有重要意义.
  • 【期刊】 基于核主成分分析的三维模型分类算法

    刊名:太原科技大学学报 作者:王鹏飞 ; 舒振宇 ; 于欣 关键词:核主成分分析 ; 三维模型 ; K近邻 ; 分类 ; 形状直径函数 机构:太原科技大学电子信息工程学院 ; 太原科技大学电子信息工程学院 ; 浙江大学宁波理工学院信息科学与工程学院 年份:2015
    摘要:针对三维模型的分类问题,提出了一种基于核主成分分析(Kernel-Principal Components Analysis,K-PCA)的三维模型分类算法。该算法首先选择形状直径函数(Shape Diameter Function,SDF)作为特征描述符来提取三维模型的特征向量;然后使用核函数将原始特征向量映射到高维空间中并在该空间上进行PCA得到新的特征向量;最后使用KNN算法并计算未知模型与已知类别的k个模型之间的l2范数以实现模型的分类,确定未知模型的类别。实验结果表明,该算法能够很好的识别三维模型的几何特征,能准确的区分不同类别的三维模型,具有较高的分类准确率。
  • 【期刊】 基于特征加权与核主成分分析的掌纹识别

    刊名:吉林大学学报(理学版) 作者:高雷阜 ; 李超 关键词:核主成分分析 ; 掌纹识别 ; 特征降维 ; Curvelet变换 ; 相关向量机 机构:辽宁工程技术大学理学院 ; 辽宁工程技术大学理学院 年份:2016
    摘要:针对掌纹采集受外界因素和噪声的影响较大,传统方法掌纹识别率低、鲁棒性差等问题,提出一种基于特征加权与核主成分分析的掌纹识别算法.首先采用Curvelet变换对掌纹图像进行分解,得到不同尺度和角度的轮廓系数,并对Curvelet系数进行加权融合操作;然后通过核主成分分析对掌纹特征进行降维处理,实现特征提取;最后采用相关向量机实现掌纹匹配,并采用PolyU掌纹图像对算法的性能进行测试.结果表明,与其他掌纹识别算法相比,该算法取得的掌纹识别率更高,且掌纹匹配的时间最短,可以满足掌纹实时识别要求.
  • 【期刊】 使用迭代方法求解核主成分分析

    刊名:小型微型计算机系统 作者:史卫亚 ; 郭跃飞 关键词:核主成分分析 ; 核矩阵 ; 大数据集 ; 特征分解 ; 幂迭代 机构:河南工业大学信息科学与工程学院 ; 河南工业大学信息科学与工程学院 ; 粮食信息处理与控制教育部重点实验室 ; 复旦大学计算机科学技术学院 年份:2013
    摘要:核主成分分析方法是使用核方法将经典的线性算法主成分分析推广到高维空间,用来处理复杂非线性数据的一种常用的特征提取算法,该算法首先在高维空间中计算所有样本之间的核矩阵,然后使用特征分解技术计算核矩阵的特征解,其计算的时间和空间复杂度分别为O(m2)和O(m3).然而在大规模数据集的情况下,由于储存和计算的问题无法进行正常的求解.文中提出首先使用幂迭代方法计算核矩阵的高阶特征解,然后重复使用Schur-Weilandt收缩方法分别计算出核矩阵的其它阶特征解.文中算法在计算过程中,不需要像传统的计算方法那样需要事先存储核矩阵,空间复杂度只有O(m).通过在模拟和真实数据的实验结果充分验证了算法的有效性.
上一页 1 2 3 4 5 6 7 8 9 10 下一页 跳转