导读:本文包含了核鉴别分析论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:特征,矩阵,广义,增量,奇异,分解,流形。
核鉴别分析论文文献综述
曾青松[1]（2016）在《核鉴别分析在图像集合匹配中的应用》一文中研究指出图像集匹配是当前图像处理和模式识别领域研究的热点问题之一。处理图像集合匹配一般将其映射到高维流形,然后在流形上度量2个点之间的距离。本文使用协方差矩阵对图像集合建模,把图像集合表达为黎曼流形上的一个点,将图像集的匹配问题转化为黎曼流形上的点的匹配问题,最后应用核鉴别分析方法进行分类。在基于图像集合的对象识别应用中测试本文所提出的算法,在公开数据库上的实验结果表明,本文所提出的方法在识别率上超越了当前主流的图像集匹配算法。(本文来源于《计算机与现代化》期刊2016年08期）
薛寺中,陈秀宏[2]（2013）在《基于一种改进的类内散布矩阵的核鉴别分析法》一文中研究指出基于核的非线性判别方法及算法的研究近年来得到广泛的研究。在这些方法中,一个主要的缺点是对L类判别问题,判别向量最多只有L-1个。定义一种改进的核类间散布矩阵,并对两类问题给出改进的核鉴别分析法,该方法克服了以上缺陷。试验结果表明所提出的方法与其他方法相比具有很好的识别性能。(本文来源于《计算机工程与应用》期刊2013年02期）
荆晓远,张永川,姚永芳,蓝超,李敏[3]（2011）在《基于广义奇异值分解的增量核鉴别分析》一文中研究指出核鉴别分析(KDA)已经被广泛应用于特征提取,然而由于矩阵奇异以及可伸缩性问题的存在,使得KDA的应用也有其局限性。为了解决以上两个问题,最近提出了基于广义奇异值分解的核鉴别分析(GSVD-KDA)以及增量线性鉴别分析(Incremental LDA)。在本文中,我们在上述工作的基础上,提出了基于广义奇异值分解的增量式核鉴别分析(GSVDIncremental KDA),通过增量学习来降低计算的复杂度,并使用广义奇异值分解(GSVD)解决计算中遇到的矩阵奇异性问题。我们将所提方法在理论上和其它的算法进行了比较,实验结果也证明了我们的方法在保持人脸识别效果不变的同时能够很好的降低计算的复杂度。(本文来源于《Applied Computing,Computer Science, and Computer Engineering（ACC 2011 V4）》期刊2011-07-16）
荆晓远,唐辉,张纪伟,姚永芳[4]（2011）在《基于四元数核鉴别分析的彩色人脸图像识别》一文中研究指出提出了一种基于四元数的彩色分量融合技术。四元数域是比实数域、复数域更为广义的数域,具有许多良好的性质。对每幅彩色图像,我们在四元数域中构造一个超复数来表示它,并将其R、G、B叁个分量分别作为该超复数的叁个分量。考虑到数据集在原始空间中线性不可分的情况,我们引入核的思想,提出用核鉴别分析提取超复数的鉴别特征,取得了很好的分类效果。(本文来源于《Applied Computing,Computer Science, and Computer Engineering（ACC 2011 V4）》期刊2011-07-16）
卞璐莎[5]（2011）在《核鉴别分析方法研究》一文中研究指出人脸识别技术是利用计算机分析人脸图像,从中提取有效的识别信息用来辨识身份的一门技术。它涉及图像处理与分析、计算机视觉、人工智能、模式识别及生物学等多个研究领域,研究的成果有着非常广阔的应用前景。由于人脸图像的特殊性,人脸识别问题是模式识别领域的一个难点,这一技术的完全成熟还有很多问题需要解决。人脸识别包括图像预处理、特征提取和识别叁个环节。其中特征抽取是模式识别研究中最基本问题之一。对图象识别而言,抽取有效的图象特征是完成图象识别的首要任务。而基于核的特征抽取方法是当今很热门的一种有效的非线性特征提取方法。本文即从核特征抽取方法入手,提出了一种基于虚拟样本的快速核鉴别框架方法。核特征提取方法虽能把原始空间的线性不可分的问题转化为高维空间的线性可分的问题,但其投影向量是由所有训练样本线性展开的,尤其在多类的情况下,需耗费大量的时间来计算庞大的核矩阵,从而使核方法的计算量变得很大。为了解决这一问题,一些核加速算法被提出,但这些加速算法搜索投影向量展开元素十分耗时。为了减少展开元素,这些加速方法使用迭代算法从原始样本集中逐个选择展开元素,尤其考虑每个核函数的计算量,计算量就更加巨大了。而且由于舍弃了部分样本信息,这些加速核方法的识别能力均有所下降。本文对核方法的加速提出了一种新思路:基于虚拟样本的快速核方法。该方法通过一次性构造虚拟样本集,并从中选择少量描述能力强的作为投影向量的展开元素,包括投影本征样本(MES)、投影公共向量样本(MCS)和投影均值样本(MMS),大幅提高了核方法的计算速度。AR, FERET和CAS-PEAL数据库上的实验验证了所提方法是快速有效的,且在加速后识别率也优于传统的一些核方法,这是其他加速方法所难以达到的。所提出的核鉴别框架还被应用在一些经典核鉴别方法上,均获得了快速有效的识别效果。(本文来源于《南京邮电大学》期刊2011-03-01）
程正东,樊祥,章毓晋[6]（2009）在《基于图像抽样重组的2维核鉴别分析》一文中研究指出2维核鉴别分析(2DKDA)存在离散度量矩阵过大而无法计算的问题。该文通过将图像抽样重组与2DKDA的结合,提出了3种基于图像抽样重组的2DKDA(SR2DKDA),它们不仅克服了2DKDA在计算上的困难,识别性能也优于2维线性鉴别分析(2DLDA)。在ORL人脸库和UMIST人脸库的实验验证了SR2DKDA的有效性。(本文来源于《电子与信息学报》期刊2009年12期）
周大可,唐振民[7]（2008）在《一种加权核鉴别分析方法》一文中研究指出基于Fisher准则的核鉴别分析法(KDA)是最常用的非线性特征提取方法之一,但对于多类识别问题,就分类率而言Fisher准则并不是最优。本文提出了一种加权核鉴别分析方法(KIDA)。首先利用非线性映射将原始样本隐式地映射到高维隐特征空间;在此特征空间内使用权函数重新估计类间离散度矩阵得到优化的准则函数;最后采用同时对角化方案求解最优鉴别矢量。在ORL和Yale人脸数据库上的实验结果验证了本文方法的有效性。(本文来源于《南京航空航天大学学报》期刊2008年02期）
核鉴别分析论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
基于核的非线性判别方法及算法的研究近年来得到广泛的研究。在这些方法中,一个主要的缺点是对L类判别问题,判别向量最多只有L-1个。定义一种改进的核类间散布矩阵,并对两类问题给出改进的核鉴别分析法,该方法克服了以上缺陷。试验结果表明所提出的方法与其他方法相比具有很好的识别性能。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
核鉴别分析论文参考文献
[1].曾青松.核鉴别分析在图像集合匹配中的应用[J].计算机与现代化.2016
[2].薛寺中,陈秀宏.基于一种改进的类内散布矩阵的核鉴别分析法[J].计算机工程与应用.2013
[3].荆晓远,张永川,姚永芳,蓝超,李敏.基于广义奇异值分解的增量核鉴别分析[C].AppliedComputing,ComputerScience,andComputerEngineering（ACC2011V4）.2011
[4].荆晓远,唐辉,张纪伟,姚永芳.基于四元数核鉴别分析的彩色人脸图像识别[C].AppliedComputing,ComputerScience,andComputerEngineering（ACC2011V4）.2011
[5].卞璐莎.核鉴别分析方法研究[D].南京邮电大学.2011
[6].程正东,樊祥,章毓晋.基于图像抽样重组的2维核鉴别分析[J].电子与信息学报.2009
[7].周大可,唐振民.一种加权核鉴别分析方法[J].南京航空航天大学学报.2008
论文知识图
