共查询到20条相似文献，搜索用时 31 毫秒
1.
在训练样本中,某些类与其他类的一些样本混杂或距离很近,后者被称为边界异类。此时,类中心离边界异类也近,从而影响最小类中心分类器的识别率。基于大间距思想,提出了一种新的分类算法,旨在改进最小类中心分类器。新分类算法为每类求解一个虚拟样本,使其尽可能排斥异类样本,并让每类虚拟样本取代该类中心点做分类。与类中心相比,虚拟样本离边界异类更远,因此增强了分类的可靠性。在CENPARMI手写阿拉伯数字库和Yale B人脸数据库上的实验表明,新分类算法的分类效果优于最小类中心分类器。 相似文献
2.
纹理一致性影响着实木地板档次,针对目前实木地板纹理分类速度慢、精度低的问题,提出一种适合区分直纹、抛物纹、乱纹3类纹理的在线检测方法。方法首先对纹理图像进行缩小,运用视觉心理学的Tamura方法提取粗糙度、对比度、方向度、线性度、规整度、粗略度等6个纹理特征;同时在原图像提取反映图像全局信息的灰度均值、方差、熵等3个统计量;然后,运用主成分分析法(PCA)对3类纹理9个特征进行降维融合操作;最后,采用线性判别分析方法(LDA)构建3类纹理的辨识模型。采用200幅实木地板纹理图像进行实验,当主成分个数为7时,分类正确率稳定达到85%,较传统Tamura方法的83%和全局基本统计量的70%有所提高;特征提取时间为0.554 8 s,比缩小前图像的Tamura特征提取时间55.700 0 s明显减低,而分类正确率没有明显变化。 相似文献
3.
纹理一致性影响着实木地板档次,针对目前实木地板纹理分类速度慢、精度低的问题,提出一种适合区分直纹、抛物纹、乱纹3类纹理的在线检测方法。方法首先对纹理图像进行缩小,运用视觉心理学的Tamura方法提取粗糙度、对比度、方向度、线性度、规整度、粗略度等6个纹理特征;同时在原图像提取反映图像全局信息的灰度均值、方差、熵等3个统计量;然后,运用主成分分析法（PcA）对3类纹理9个特征进行降维融合操作;最后,采用线性判别分析方法（LDA）构建3类纹理的辨识模型。采用200幅实木地板纹理图像进行实验,当主成分个数为7时,分类正确率稳定达到85％,较传统Tamura方法的83％和全局基本统计量的70％有所提高;特征提取时间为0．5548S,比缩小前图像的Tamura特征提取时间55．7000S明显减低,而分类正确率没有明显变化。 相似文献
4.
《江苏农业科学》2014,(5)
为了保证人们对蔬菜的安全食用,研究了蔬菜叶片农药残留的无损检测方法。标准营养液无土栽培生菜样本,在成熟期按4种不同浓度,分别为1.250、0.830、0.600、0.375 mL/L,将氰戊菊酯农药雾状均匀喷洒至生菜叶片上,8 h后采集生菜叶片高光谱数据。采用标准归一化(SNV)算法对原始光谱进行预处理,分别利用基于非监督特征提取方法主成分分析(PCA)、局部保留投影(LPP)与基于监督特征提取方法线性判别分析(LDA)、局部保留投影(SLPP)对降噪后的光谱数据进行特征提取,统一选用支持向量机(SVM)作为分类器。利用相同的训练样本与测试样本进行分类试验,对生菜叶片农药残留浓度分类鉴别的结果为,PCA-SVM分类正确率为82.14%,LPP-SVM分类正确率为85.71%,LDA-SVM分类正确率为89.29%,SLPP-SVM分类正确率达到92.86%。结果表明,与非监督特征提取算法相比,监督特征提取算法由于充分利用了样本的类别特性,使得分类器对降维后的数据更加敏感,分类精度更高,其中SLPP-SVM的分类效果最好。 相似文献
5.
针对水稻种子相似度高、识别困难等问题,提出一种线性判别分析(Linear discriminant analysis,LDA)和贝叶斯分类(Bayes)相结合的分类识别方法,以提高水稻种子分类识别速度和识别准确率.通过对4类水稻种子(楚粳7号、马坝油粘、玉杨糯、玉针香)的图像进行裁剪和分割等预处理操作,提取出水稻种子图像的颜色特征、几何特征和纹理特征.利用线性判别分析、主成分分析、因子分析和局部线性嵌入对特征数据进行分析降维,并分别选择Bayes、K-邻近、支持向量机、多层感知机分类器对原始特征数据和降维数据进行分类识别研究.为提高模型泛化能力,通过图像增强技术对稻种原始数据集进行样本扩充,利用图像增强技术模拟多种环境对水稻种子图片数据集进行增强处理,结果显示,基于数据增强后的LDA Bayes模型运行时间为0.019 s,识别准确率为99.4％.与其他模型比较,该模型具有更强的鲁棒性和适用性,能高效地分类识别不同环境下的水稻种子,可为水稻种子分类识别提供一种新方法. 相似文献
6.
采用由6个金属氧化物气教传感器组成阵列的电子鼻对3个等级的信阳毛尖茶进行检测.通过主成分分析(PCA)、系统聚类分析和线性判别分析(LDA)对茶叶样本进行了分类判别.试验结果表明,该气敏传感器阵列可以区分不同等级的信阳毛尖茶叶.PCA、系统聚类分析和LDA判别分析的正确率分别为96.6%,88.3%,100%. 相似文献
7.
为了提高基于油中溶解气体分析(dissolved gas analysis, DGA)的变压器故障诊断正确率，弥补单子空间特征提取的局限性，提出了基于双子空间特征提取的变压器故障分层诊断模型.首先，将DGA测试样本在一个子空间内进行特征提取后，为避免核函数及其参数的选择难题，以及利用多核支持向量机(multiple-kernel support vector machine, MKSVM)鲁棒性强和精度高的特点，采用MKSVM作为分类器对测试样本进行预测.依据预测结果将测试样本分为难分类和易分类样本，对易分类样本直接进行分类识别；对难分类样本则将该样本再次投影到另一子空间进行特征提取后，同样采用MKSVM作为分类器对难分类样本进行预测，综合两次预测结果进行分类识别，实现两分类MKSVM的双子空间特征提取算法.最后，根据故障特征，建立基于双子空间特征提取算法的变压器故障分层诊断模型.诊断实例表明，该模型具有较高的诊断正确率和推广能力. 相似文献
8.
喻传洲 《华中农业大学学报》1985,(1)
从统计学中知道,对于服从N(μ,σ~2)的随机变量x,它的多次记录均值(即样本均数)方差与单次记录的总方差的关系是σ~2-=σ~2x/n (1)这里,n表示样本含量,关于组内相关中多次记录均值方差与单次记录的方差的关系,一般统计书中未予涉及,这是数量遗传中的一个特殊问题。本文将专门讨论。在组内相关中,任一变数的数学线性模式为 相似文献
9.
矩阵模式主分量分析（MatPCA）作为有效的特征提取方法能同时处理矩阵表式的模式和向量表式的模式。但与主分量分析（PCA）方法一样，MatPCA没有使用样本的类别信息，因此所提取的特征不能提供足够的判别信息，进而影响随后的分类性能。为有效利用样本的类别信息，在MatPCA基础上提出了一种新的特征提取方法——模糊的类内MatPCA（F—WMatPCA）。F—WMatPCA利用模糊K最近邻（FKNN）求解训练样本的模糊隶属度并在模糊的类内执行MatPCA。由于F—WMatPCA使用更多的类别信息，因此能有效地提高识别精度。对0RL，Yale人脸数据集和几个UCI数据集做了实验，结果证实了该方法的有效性。另外，讨论了F—WMatPCA在人脸识别上的应用，并与F—Fisherfaces作了比较，结果表明F—WMatPCA具有比F—Fisherfaces更稳定、更鲁棒的识别性能。 相似文献
10.
提出了一种新颖的正则化方法-判别性正则化(Discriminative regularization,DR),为分类提供了一种通用的结合样本先验信息的方式.通过将先验信息引入到正则化项中,DR不但使分类器实际输出与期望输出之间的经验损失达到最小, 而且能在输出空间中同时最大化类间散性与最小化类内紧性.此外,通过将等式约束嵌入到目标函数中,DR的求解还可转化为解线性方程组问题,从而得到全局解析解.分类实验验证了DR的优越性. 相似文献
11.
文本分类中特征提取方法的比较与研究 总被引：1，自引：0，他引：1
介绍了进行文本分类的关键技术,着重介绍了常用的文本特征提取方法.选取支持向量机方法作为文本分类器方法,选取不同特征提取方法应用于文本分类,通过实验,比较和分析了由不同的提取方法所构成的分类器的分类性能,确定了信息增益(IG)法和文本证据权(WET)为两种性能优异的特征提取方法.该结论可为分类性能进一步的优化研究奠定理论和实践基础. 相似文献
12.
随着信息科学和通信技术的迅猛发展,传播学生成和积累了大量的数据与信息。近年来传播学发展速度很快,其研究方向及主题也较为丰富,它的学科发展脉络及热点研究主题等特征迫切需要得到系统而直观的分析及展示。为了更为全面地探索和发现研究领域的热点主题和受欢迎的“主旨-方法”对,文章提出基于分类视角的 LDA主题抽取方法。以传播学领域期刊文献为研究对象,利用 LDA 主题模型对文献集进行主题抽取,得到30个热点主题,将主题分为两类：主旨与方法,通过深入分析各“主旨-方法”对,发现热点主题所揭示的知识点。实验发现,基于分类视角的 LDA 主题抽取方法能够较为全面、细致地挖掘研究领域的学科主题和研究热点。 相似文献
13.
为了克服加权线性判别分析(WLDA)只利用有标签的训练样本而不能反映样本数据流形结构的缺点，提出一种正则化的半监督判别分析方法。首先构建所有样本的近邻图来估计数据的局部流形结构，然后将此作为正则项引入WLDA的准则函数中。该方法避免了类内散度矩阵奇异，同时保持了样本数据的判别结构和几何结构。在ORL和YALE人脸数据库上的实验结果证明了该算法的有效性。 相似文献
14.
采用电子鼻技术对不同烘烤度橡木片陈酿的葡萄酒进行检测,优化电子鼻传感器,并使用PCA(主成分分析)和LDA(线性判别分析)两种模式对优化信息进行分析。结果表明,两种分析模式均可显著区分经橡木片陈酿的葡萄酒与未经陈酿的原酒。在葡萄酒陈酿第22天前,LDA能够将不同烘烤度橡木片陈酿的葡萄酒明显区分开,LDA-DI均大于80%(陈酿第9天和第15天出现波动)。在葡萄酒陈酿26d左右,其陈酿接近完成,此时LDA依然能对其进行一定程度区分,LDA-DI值为-0.2%,总之,LDA-DI值均高于PCA-DI值。实验表明,电子鼻可以准确、高效地鉴别葡萄酒陈酿与否并可对不同陈酿工艺作出区分,为葡萄酒品质快速鉴定提供有力依据。此外,相较于PCA法,LDA法区分效果更好。 相似文献
15.
朱秀华 《农业图书情报学刊》2009,21(8):26-29
针对信息挖掘中的文本自动分类问题,提出了一种基于自组织特征映射网络的分类方法。网络由输入层和竞争层组成。输入层节点与竞争层节点实行全互连接。输入层完成分类样本的输入,竞争层提取输入样本所隐含的模式特征,并对其进行自组织,在竞争层将分类结果表现出来。分无监督和有监督两个阶段完成对网络的分类训练。该方法在特征提取时充分考虑了特征项在文档中的位置信息,构造出模糊特征向量,使自动分类原则更接近手工分类方法。以中国期刊网全文数据库部分文档数据为例验证了该方法的有效性。 相似文献
16.
本文从K-L变换的思想和理论依据入手,阐述了特征提取的目的,并解释了K-L变换和主成分分析(PCA)的区别。最后,以iris数据作为样本,采用K-L变换对其进行分类,并得出结论:该变换可以将样本的显著特征抽取出来,在降低特征数据的维数减少运算量和存储量的同时,分类结果基本不受影响,甚至在某些次优分类方法(BP神经网络)下可能优于未经变换处理进行的分类。 相似文献
17.
Landsat7 ETM+图像用作SPOT5图像森林分类的辅助数据研究 总被引：1，自引：1，他引：0
为改善面向对象的SPOT5图像分类精度,将Landsat7 ETM+数据作为辅助数据,试验了3种图像分割和对象特征提取方案,在图像分割、基于规则的分类、基于分类的分割和对象特征提取与筛选的基础上,进行了Bayes准则分类试验。结果表明:ETM+图像信息参与分类明显地提高了SPOT5图像的分类精度,但由于空间分辨率低,在森林分布破碎、类型和种类多样、结构复杂的研究区域,ETM+数据只能用于对象特征提取,不能实质性地参与图像分割,否则会导致图像对象边界不准确、同质性降低、异质性增加,影响图像分类精度。 相似文献
18.
基于协同表示分类(CRC)算法在实际应用中的效果,考虑到样本局部相似性先验信息对分类识别的不同贡献,构建加权矩阵,并嵌入到CRC中,称为加权CRC.为进一步改善人脸识别的性能,设计了如下算法:一种将加权CRC重复两次;另一种则将其与线性表示分类(LRC)结合.两种方法的共同特点为:首先基于主成分分析(PCA)对所有图像样本进行降维,以降低计算的复杂度;其次都是在第一阶段的加权CRC中根据重构残差排序保留相关性较大的训练样本用于下一阶段的分类识别.这种缩小分类目标的做法,使识别更精确.在ORL,FERET及AR人脸数据库上通过仿真验证了本文所提方法的有效性. 相似文献
19.
蒙古文字特征信息选取技术的研究 总被引：1，自引：0，他引：1
蒙古文字作为1种在蒙古族等少数民族地区流行的语言文字,研究它的特征提取方法对促进民族地区的信息与科技发展都是大有裨益的.特别是连笔字的识别,因字母切分的困难使得识别难度大增.针对这种情况,我们提出1套手写体蒙古文字特征提取技术,依次采用了基于蒙古文自身结构特征的粗分类和细分类特征提取技术,以及结合了HMM模型与遗传算法的多分类器设计技术等. 相似文献
20.
构建核心种质可大幅提高种质资源利用效率。以410份甜椒种质资源为材料,基于8个性状表型数据,采用混合线性模型分析方法无偏地预测基因型值,利用马氏距离计算种质间遗传距离,分别采用两种聚类方法(最短距离法和类平均法)和两种取样方法(随机取样法和偏离度取样法),按照25%抽样比率构建甜椒核心种质库。采用均值、方差、极差和变异系数4个指标评价不同取样和聚类构建核心种质库水平。结果表明,最短距离法能极显著增加性状方差和变异系数,明显优于类平均法;偏离度取样法优于随机取样法;基于马氏距离、最短距离法和偏离度取样方法获取的102份甜椒核心种质资源能代表原群体遗传多样性。该研究可为甜椒种质资源有利基因发掘和新品种选育奠定基础。 相似文献