共查询到20条相似文献，搜索用时 46 毫秒
1.
郑豪 《南京晓庄学院学报》2009,25(6)
文章讨论了模块2DPCA(two-dimensional principal eomponent anallysis)的人脸识别方法.传统的PCA方法是在特征抽取之前将子图像矩阵转化为图像向量,这样会造成维数增大.二维主成分分析算法(2DPCA)作为模式识别领域的一种重要算法,它直接利用原始二维图像矩阵,生成特征提取所需的图像协方差矩阵,具有较高健壮性.模块2DPCA是2DPCA的推广,模块2DPCA方法先对图像矩阵进行分块,将分块得到的子图像矩阵直接用于构造总体散布矩阵,然后利用总体散布矩阵的特征向量进行图像特征提取.与2DPCA相比,模块2DPCA方法在识别性能上优于PcA.、比2DPCA更具有鲁棒性.最后就模块2DPCA存在的问题进行了讨论. 相似文献
2.
《河南职业技术师范学院学报(职业教育版)》2017,(2)
针对语音情感识别的特征提取和分类模型构建问题,首先提出了一种基于语谱图的特征提取方法,将语谱图进行归一灰度化后,利用Gabor滤波器进行纹理特征提取,并采用主成分分析(principal component analysis,PCA)对特征矩阵进行降维;然后分析了卷积神经网络(convolutional neural networks,CNNs)并把其作为情感识别分类器;最后在Emo DB和CASIA库进行了不同的比对实验.实验结果取得了较高情感识别率,表明了所提特征提取方法的有效性以及CNNs用作情感分类的可行性. 相似文献
3.
基于DiagPCA（对角主成分分析）及平均脸的方法对二维主成分分析（2DPCA）方法进行了改进,既考虑到构造2DPCA训练样本人脸间散布矩阵时使特征最大化,减少了同类人脸之间的特征差异,又利用图像矩阵对角化将图像的行、列关系联系起来,并利用ORL人脸数据库进行实验。结果显示,该方法可提高人脸识别率,且降低了特征提取的时间。 相似文献
4.
提出了主成分分析(PCA)和局部线性嵌入降维方法(LLE)组合的优化RBF神经网络降水预测模型,首先利用主成分分析(PCA)和局部线性嵌入降维方法(LLE)组合对众多气象物理因子降维提取有效因子,再将这些综合有效因子组成的特征空间矩阵作为优化的RBF神经网络的输入矩阵,从而建立网络模型.以此对广西5月三个不同区域平均日降水量进行预报实验,结果表明,该模型具有较好的收敛效果和泛化能力,在预报性能上明显优于同期的T213降水预报、PCA预报、LLE预报,预报稳定性好,预报准确率较高,具有一定的普遍适用性. 相似文献
5.
针对用主成分分析算法对非线性数据降维,存在丢失局部结构数据信息的不足,提出了将主成分分析与局部线性嵌入相结合的正交投影降维算法。首先采用主成分分析方法降维可算出特征空间矩阵,然后采用局部线性嵌入方法降维后提取特征空间矩阵,再将这两种方法获得的特征空间矩阵正交投影进行降维的主要信息作为预报因子,最后利用优化的径向基函数RBF建立网络模型,以此对广西5月区域日降水量进行降水预报,结果显示,该模型在预报性能上优于同期的T213日降水预报。 相似文献
6.
为提高虹膜识别系统的识别率和识别时效性,设计了基于多通道Gabor滤波和二维主分量分析(2DPCA)的虹膜识别算法。利用多通道Gabor滤波器对采集的虹膜进行特征提取。由于得到的特征向量矩阵的维数通常较大,会影响特征匹配和虹膜识别的运算速度,因而需要对特征矩阵进行降维处理。2DPCA算法能有效地克服传统虹膜识别系统中的"维数危机"问题,在保留虹膜特征主分量的基础上,降低虹膜匹配运算量,提高虹膜系统的识别效率。虹膜识别采用差异度匹配法,通过阈值比较得到识别结果,对容量不等的各类虹膜图库均具有良好的适应性。实验中对容量为50的虹膜图库进行了算法测试,系统的最低识别率达到了88%,识别时间仅为传统非降维识别方法的一半。理论分析和实验结果表明,该算法对虹膜纹理的特征提取精度高,识别率高,识别速度快。 相似文献
7.
《实验室研究与探索》2022,(1):306-311
为减少高校实验室安全事故的发生和提高实验室安全风险评估的准确率,使用层次分析法(AHP)建立实验室安全风险评价体系,然后利用主成分分析法(PCA)对评价指标的综合权重进行降维,再将降维后的特征信息作为GA-BP神经网络的输入层,建立一种基于主成分分析(PCA)、遗传算法(GA)和人工神经网络(BP)相结合的实验室安全风险评价模型。实验结果表明,与BP神经网络、PCA-BP神经网络模型和GA-BP网络模型相比,PCA-GA-BP神经网络的评价精度和准确率更高、收敛速度更快、学习能力更强,可用于实验室安全风险评价。 相似文献
8.
二雏主成分分析(2DPCA)是一种图像表示的新技术，与PCA相比，2DPCA的基础是二雏图像矩阵。而不是一维向量，因此，在特征提取之前图像矩阵不需要预先转变为一维向量，实验结果表明，使用2DPCA的识别率均高于PCA，而且2DPCA在图像特征提取方面比PCA更有效。 相似文献
9.
基于2DPCA和改进的LDA算法的人脸识别技术 总被引：1，自引：0，他引：1
为提高人脸识别的准确率,缩短图像特征提取的时间,提出了一种将二维主成分分析（简称2DPCA）与改进的线性鉴别分析（简称LDA）相结合的人脸识别方法。该法首先以图像矩阵为分析对象,直接利用原始图像矩阵构造图像的协方差矩阵。以进行特征提取和2DPCA分析;再采用改进的线性鉴别分析。得到最佳的分类特征,从理论上有效解决了传统的线性鉴别分析在人脸识别中存在的“边缘类”问题：最后．在ORL人脸库上检验了该识别方法的性能。实验结果表明,该方法抽取的鉴别特征有较强的鉴别能力。 相似文献
10.
在与人交互情况下,针对物体识别系统通过反馈信息自动优化识别能力问题,提出一种结合梯度直方图（HOG）特征提取和支持向量机（SVM）进行特定物体识别的方法。运用Tensorflow训练语音识别模型反馈人机交互信息,使系统实现自优化。以手表类别作为识别对象,通过HOG特征描述对手表进行特征提取,通过二维主成分分析（2DPCA）和线性判别分析（LDA）对整体和局部特征进行降维,运用改进的空间金字塔匹配模型通过SVM对其分类,并运用非极大值抑制（NMS）确定区域,运用训练的梅尔倒谱（MFCC）特征语音识别模型对反馈信息进行识别,最终整合信息优化识别系统。实验表明,该系统对手表有较高的识别率,并能通过人机交流在较短时间内使系统实现自优化。 相似文献
11.
通过核主成分分析对面料FAST高维数据进行降维处理,获取的核主成分作为模糊神经网络的输入,提出了一种丝织物缝纫性能模糊评价方法.实验结果表明,该方法可以基于丝织物FAST力学指标快速准确地预测成衣后的缝纫性能. 相似文献
12.
将基于多个嵌入图组合形式的半监督判别分析(SDA)以及核SDA(KSDA)应用于全监督的语音情感识别.在语音信号样本情感成分的预处理阶段,从样本语段中提取出多种特征及其统计参数,包括基音、过零率、能量、持续长度、共振峰和MFCC(Mel频率倒谱系数).在将样本特征送入分类器之前的维数约简阶段,使用经过参数优化的SDA或KSDA进行降维.Berlin语音情感数据库上的实验表明,在使用多类SVM分类器时的全监督语音情感识别中,SDA优于其他一些先进的基于谱图学习的维数约简算法,如LDA,LPP,MFA等,而KSDA通过核化的数据映射,能够取得比上述所有算法更好的识别效果. 相似文献
13.
研究表明,对一种识别有利的信息有可能反而对其他识别任务造成干扰,表情识别需要利用表示各种表情之间差异的信息.针对特定人及非特定人的7种基本表情.提出基于二维主元分析(Two-Dimensional Principle Analysis,2DPCA)补空间的表情识别算法.基于CED-WYU(1.0)及JAFFE两个表情数据库的实验结果表明,2DPCA补空间算法针对特定人与非特定人的表情识别率可达100%,高于2DPCA算法. 相似文献
14.
在掌纹采集过程中,由于受光照噪声的影响,以及手掌的弓形常常给掌纹采集带来噪声.基于此,提出小波变换子带杂交的一种新颖掌纹识别算法.该算法综合考虑小波同层各子带及相邻层子带分解系数的噪声特点,采用基于掌纹图像空间能量加权,再由二维主元分析(Two-dimensional Principle component Analysis,2DPCA)算法降维、去相关,最终由最小距离分类器完成掌纹识别.基于香港理工大学公布的PolyU掌纹数据库的实验,此算法正确识别率达到100%.同2DPCA算法相比,提出的算法不仅正确识别率较高,识别效率也较高. 相似文献
15.
为了提高语音情感识别的准确度，探讨了将Transformer应用于语音情感识别的可能性.将对数梅尔尺度谱图及其一阶差分特征相融合作为输入，使用Transformer来提取分层语音表示，分析注意头个数和Transformer编码器层数的变化对识别精度的影响.结果表明，在ABC、CASIA、DES、EMODB和IEMOCAP语音情感数据库上，相比以MFCC为特征的Transformer,所提模型的精度分别提高了13.98%、8.14%、24.34%、8.16%和20.9%.该模型表现优于递归神经网络(RNN)、卷积神经网络(CNN)、Transformer等其他模型. 相似文献
16.
负性情绪对于临床治疗的效果有着巨大影响.语音是人类表达情绪的主要方式之一,通过语音识别患者的情绪状态,可以帮助我们更简便、更快捷地监控病人的情绪,从而可以更快更有效地采取措施降低负面情绪带来的不良影响.对一种改进BP神经网络进行了扩展,拓展了用于情感识别的语音特征向量的冗余度,采取主成分分析方法对语音特征向量进行降维处理,并对语音样本进行去野点处理,从而使得该BP网络同时具备了对于愤怒和悲伤两种负性情绪的良好识别能力. 相似文献
17.
为了识别出动物正常行走和跛脚行走,利用步态能量图特征描述和降维思想,提出一种基于计算机视觉的动物跛脚行为识别方法。以猪为研究对象,首先通过图像预处理获得目标猪二值图像,并进行步态周期检测和图像归一化处理。然后合成猪的步态能量图(PGEI),利用二维主成分分析（2DPCA）方法对其降维。最后使用最近邻分类器识别出猪的跛脚行为。通过猪的步态数据库进行试验,最终识别率达到93.25%,说明该方法可以有效识别出猪的跛脚行为。该研究为采用计算机视觉技术识别动物的异常步态和跛脚行为提供了一种新思路。 相似文献
18.
针对当前远程证明技术存在证明粒度粗,不能实时监控平台行为和验证效率低等问题,提出一种基于实体行为的远程证明方案(RABEB).RABEB根据安全属性需求定义细粒度的度量对象——实体,通过实时截获系统调用序列组合表征实体行为,将对平台可信性的证明转化为对系统调用序列组合可信性的证明.采用主成分分析法对系统调用序列频率矩阵进行降维处理,从而提高网络传输速度,并根据降维后的频率矩阵生成基于软件行为的Merkle哈希树,以达到提高验证效率的目的. 相似文献
19.
深度神经网络模型通常使用注意力机制或融合卷积神经网络来提取特征,但由于注意力机制抓取的特征过于单一,存在提取特征不完善的问题。 将循环机制引入卷积神经网络中,构建了具有双循环结构的网络模型(DRCNN),从而改善模型的特征提取能力,将其与双向长短期记忆网络结合,提出一种带有注意力机制、特征提取能力更强的混合模型(BiLSTM-DRCNN)并应用于情感分类任务中。通过情感分类的实验分析表明,BiLSTM-DRCNN 神经网络模型具有比较好的性能,与融合卷积神经网络(CNN)和双循环长短期记忆神经网络(BiLSTM)模型相比,综合评价指标提高2%以上;与BiLSTM-CNN、Fusion Model 模型相比,综合评价指标提高了近1%,且收敛速度更快。 相似文献
20.
《绵阳师范学院学报》2019,(11)
鉴于线性判别分析(Linear Discriminant Analysis,LDA)算法存在的弊端,本文提出了一种基于局部离散度的监督型线性判别分析(Supervised Linear Discriminant Analysis based on Local Dispersion,SLDALD)算法.新方法的改进主要有:1)从像元邻域的角度出发,对类内散布矩阵、类间散布矩阵进行重新定义,得到类内邻域散布矩阵和类间邻域散布矩阵.新定义充分考虑了不同区域之间像元光谱特征离散度的差异性; 2)在计算类间邻域散布矩阵时,赋予类边界像元较大的权重,让特征降维更针对此类像元; 3)在计算类内邻域散布矩阵时,加大类边界像元的权重,让后续的特征降维针对此类像元.同时,降低噪声点的权重,以抑制噪声点对特征降维的干扰.实验结果表明:相比依据LDA算法所获得的低维特征的分类结果,以SLDALD算法所获得的低维特征为依据,影像分类精度得到明显地提高. 相似文献