首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于核的非线性特征抽取与图象识别研究

摘要第1-6页
ABSTRACT第6-8页
目录第8-11页
第一章 绪论第11-29页
   ·线性特征抽取方法概述第12-14页
   ·基于核的非线性特征抽取方法的研究与发展第14-19页
     ·核方法产生的理论背景第14-17页
     ·常用的几类核函数第17页
     ·核方法在特征抽取中的研究概述第17-19页
       ·线性特征抽取方法的核推广第17-18页
       ·核特征抽取方法第18-19页
   ·应用领域:人脸识别与字符识别第19-25页
     ·人脸识别介绍及研究概况第19-20页
     ·人脸识别方法第20-23页
       ·线性子空间方法第20-21页
       ·基于几何特征的方法第21页
       ·基于弹性模型的方法。第21-22页
       ·基于神经网络的方法。第22页
       ·形变模型方法第22-23页
     ·基于人脸的特征抽取第23-25页
     ·基于手写体字符的特征抽取第25页
   ·本文研究工作概述第25-26页
   ·本文的内容安排第26-29页
第二章 线性特征抽取算法的核推广第29-43页
   ·基于核的统计不相关鉴别分析(KSUDA)第30-38页
     ·问题描述第30-33页
     ·基于核的统计不相关鉴别分析第33-35页
     ·试验与分析第35-38页
   ·基于空间变换的非线性鉴别特征抽取第38-41页
     ·空间变换的理论和算法第38-40页
     ·实验结果第40-41页
   ·本章小结第41-43页
第三章 特征抽取框架第43-53页
   ·基本概念第43-44页
   ·基于核的Fisher鉴别分析(KFDA)第44-48页
     ·鉴别向量表达式的确定第45-46页
     ·基于核的Rayleigh系数第46-48页
   ·鉴别特征抽取框架第48-50页
   ·基于矩阵相似度的特征抽取(MSFE)第50页
   ·实验结果第50-52页
   ·本章小结第52-53页
第四章 两阶段核特征抽取方法第53-65页
   ·基于图象矩阵的主分量分析第54-57页
     ·经典的主分量分析(C-PCA)第54-55页
     ·基于图象矩阵的主分量分析(I-PCA)第55-57页
   ·核Fisher鉴别分析(KFDA)第57-58页
   ·算法实现第58-59页
   ·试验结果第59-61页
     ·试验1第59-60页
     ·实验2第60-61页
   ·核主分量分析(KPCA)第61-62页
   ·算法实现第62-63页
   ·试验与分析第63-64页
   ·本章小结第64-65页
第五章 基于小波特征的核Fisher鉴别分析技术第65-75页
   ·二维离散小波变换第65-68页
     ·二维离散小波变换的基本概念第65-66页
     ·图象空间的小波分解第66-67页
     ·小波特征的预处理第67-68页
   ·核Fisher鉴别分析与特征融合第68-70页
     ·核Fisher鉴别分析第68-70页
     ·特征融合第70页
   ·算法实现第70-71页
   ·试验与分析第71-73页
     ·实验1第71-72页
     ·实验2第72-73页
   ·本章小结第73-75页
第六章 基于聚类的核矩阵维度缩减技术第75-81页
   ·特征空间中内的k-均值聚类第75-77页
   ·核矩阵维度缩减第77-78页
     ·将输入数据投影到正交基上第78页
   ·特征抽取算法第78-79页
   ·实验与分析第79-80页
   ·本章小结第80-81页
第七章 核最优鉴别K-L变换第81-87页
   ·核方法的基本概念第81-82页
   ·基于核的最优鉴别K-L变换第82-84页
     ·抽取包含在类平均向量中的所有判别信息第82-83页
     ·提取二阶矩判别信息第83-84页
     ·算法过程第84页
   ·实验与分析第84-86页
   ·本章小结第86-87页
结束语第87-89页
致谢第89-91页
参考文献第91-105页
附录第105-106页
 攻读博士期间完成的业已发表或被录用待发表的论文第105-106页
 攻读博士期间完成的已投稿正在审理中的论文第106页

论文共106页,点击 下载论文
上一篇:华北某县义务教育投资体制个案研究
下一篇:大洋采矿1000米的海试升沉补偿器可视化监测系统研究