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

基于加权Fisher准则的统计不相关图像识别算法

摘要第4-5页
Abstract第5页
目录第6-8页
第一章 绪论第8-17页
    1.1 课题研究背景第8-10页
    1.2 主要生物特征技术第10-12页
    1.3 子空间学习方法简述第12-15页
        1.3.1 线性特征提取方法第12-14页
        1.3.2 非线性特征提取方法第14-15页
    1.4 本文工作的概述第15页
    1.5 本文余下内容章节安排第15-17页
第二章 相关基础知识第17-28页
    2.1 线性特征提取技术第17-21页
        2.1.1 主成分分析第17-18页
        2.1.2 线性鉴别分析第18-19页
        2.1.3 Foley-Sammon 线性鉴别分析第19页
        2.1.4 统计不相关鉴别变换第19-20页
        2.1.5 加权 Fisher 准则第20-21页
    2.2 非线性特征提取技术第21-27页
        2.2.1 核理论基础第21-22页
        2.2.2 常见的几种核函数第22-23页
        2.2.3 核主成分分析第23-24页
        2.2.4 核线性鉴别分析第24-25页
        2.2.5 局部保留投影第25-26页
        2.2.6 基于局部统计不相关核鉴别变换第26-27页
    2.3 本章小结第27-28页
第三章 基于加权 Fisher 准则的统计不相关鉴别分析第28-40页
    3.1 方法动机第28页
    3.2 基于加权 Fisher 准则的统计不相关第28-31页
        3.2.1 不相关鉴别分析的模型分析第28-29页
        3.2.2 加权 Fisher 准则第29页
        3.2.3 基于加权 Fisher 准则的统计不相关算法第29-31页
    3.3 实验结果和分析第31-38页
        3.3.1 数据库介绍第31-32页
        3.3.2 实验结果第32-38页
    3.4 本章总结第38-40页
第四章 基于加权 Fisher 准则的局部统计不相关鉴别分析第40-48页
    4.1 方法动机第40页
    4.2 基于加权 Fisher 准则的局部统计不相关鉴别分析第40-42页
    4.3 实验结果和分析第42-47页
    4.4 本章小结第47-48页
第五章 基于加权 Fisher 准则的局部统计不相关核鉴别分析第48-56页
    5.1 方法动机第48页
    5.2 基于加权 Fisher 准则的局部统计不相关核鉴别分析第48-52页
        5.2.1 在核空间中的加权 Fisher 准则第48-49页
        5.2.2 基于加权 Fisher 准则的局部统计不相关核鉴别分析算法第49-52页
    5.3 实验结果和分析第52-55页
    5.4 本章小结第55-56页
第六章 结束语第56-58页
    6.1 本文工作总结第56页
    6.2 研究展望第56-58页
致谢第58-59页
参考文献第59-62页
附录 攻读硕士学位期间撰写的论文第62页

论文共62页,点击 下载论文
上一篇:多目标广义蚁群算法的收敛性、收敛速度和算法复杂度研究及其应用
下一篇:0.18μm CMOS 6.25Gb/s模拟自适应均衡器的研究与设计