基于核的四重子空间的LDA特征抽取方法

模式分类在面临非线性高维数据下的小样本问题时通常十分困难.文中提出了一种核的四重子空间学习(KFS)方法.首先通过构造基于类内和类间散布矩阵的混合鉴别准则,获得分布在各子空间中降维样本的最优鉴别信息.其次,通过向量点积,核鉴别分析方法(KFD)成为一种有效的抽取非线性鉴别信息的算法,在此基础上,提出了基于核的四重子空间鉴别分析算法,从而有效解决了非线性小样本问题的特征抽取.在ORL和Yale人脸库上的实验结果验证了该方法的有效性.     

基于奇异值分解和特征融合的镜头检测算法

镜头检测是基于内容的视频检索和浏览首先要解决的关键技术。对视频结构和镜头变换进行概述,对典型的镜头检测算法进行研究分析,并提出了一种基于奇异值分解和特征融合的镜头检测算法。通过子空间投影得到帧的重构矩阵,计算帧与其重构矩阵的奇异值差,结合直方图特征进行镜头检测。实验结果表明了所提算法在镜头检测方面的有效性。     

一种改进的基于密度和网格的高维聚类算法

提出了一种改进的基于密度和网格的高维聚类算法,并对算法有效性进行了验证.该算法通过减少样本点数量的方法达到减少稠密子空间数量.在发现高维稠密子空间时,对样本库进行精简.这些样本点的求得能有效减少求解最小聚类的时间复杂度.     

改进干扰抵消算法在超低频通信中的应用

通过分析利用超低频电磁波信号对远海船舶通信时存在的目标信号难提取的问题,提出了一种正交布设的天线阵列模型,并使用一种改进的特征子空间投影算法处理接收到的信号。提出的改进算法利用系数约束自适应阻塞矩阵的办法提取主天线上的干扰信息,并联合参考天线信号优化对干扰子空间的估计。仿真和实验结果表明,提出的算法能够有效抵消与主天线夹角较小的宽频带干扰。实验中,在夹角等于15°的情况下,信干噪比较原算法提高了10.11 dB。     

基于决策树的模糊序贯最小优化分类器的人脸识别

序贯最小优化算法是一种SVM s(Support VectorM ach ines)训练算法,该算法将一个大型QP(Quadratic Programm ing)问题分解为一系列最小规模的QP子问题,从而避免了多样本情形下的数值解不稳定及耗时问题,同时也不需要大的矩阵存储空间。本文在模糊支持向量机的基础上,提出了基于决策树的模糊序贯最小优化算法并对它进行了分析和研究,在对人脸图像进行独立成分分析后,用该算法进行多类人脸识别。通过在ORL人脸库上的实验结果表明,在样本类别较少的条件下,该算法可以取得较好的效果。     

基于谱分解的F-S最佳鉴别平面及舰船识别研究

Fisher最佳鉴别分析方法已在许多模式识别问题中取得成功应用。Fisher最佳鉴别分析建立在对Fisher最佳鉴别准则的最优化基础上。本文利用对类内矩阵S10进行谱分解，提出一种在类内矩阵S10的零空间中求解F—S最佳鉴别平面的新方法。我们将此方法应用于红外舰船图象的特征抽取和识别的研究。实验结果表明了该方法的有效性。     

一种新的聚类算法在数据挖掘中的应用

说明聚类算法在数据挖掘中的作用,并结合实际数据的特点,采用一种新的模糊聚类算法.该算法在事先不知聚类数的情况下,能够确定聚类数及中心点.同时,能够消除噪声对于数据的影响,适合较大规模的数据,方便进一步的数据挖掘.对实际通信信号的实验结果表明该方法是实效的.     

两种GTD模型参数估计算法的研究

基于电磁散射的几何绕射(GTD)模型参数估计研究,将采用两种方法:多重信号分类(MUSIC)和基于信号子空间特征向量的广义特征值(GEESE)算法.其中GEESE利用特征子空间分解方法中信号子空间与噪声子空间的正交特性分离出信号子空间.计算机仿真试验,分别采用这两种算法估计出目标散射中心的位置和类型参数.     

一种反舰导弹目标选择融合算法

根据反舰导弹自控终点散布、末制导雷达方位探测误差、舰艇队形和散布,推导了后续算法用到的一些正态分布总体的均值向量和协方差矩阵。在讨论了改进的最小偏离目标选择法和基于队形的目标选择法的基础上,融合最小偏离信息和队形信息提出了一种目标选择算法。算例的仿真结果表明目标选择融合算法总体上要优于其它三种目标选择算法。     

基于结构化Fisherface的人脸识别新方法

特征提取是人脸识别中一个关键步骤.传统的Fisherface人脸识别方法中用样本的类均值和总体均值定义相应的散布矩阵,丢失了样本个体之间的结构信息,本文提出了一种基于原始样本个体结构信息的结构化Fisherface人脸识别方法,最后得到的特征数据中保留了原始样本更多的分布信息.在ORL人脸数据库的实验结果验证了该方法的有效性.