鑒別分析造句
例句與造句
- 一種基于核的快速非線性鑒別分析方法
- 線性鑒別分析的理論研究及其應(yīng)用
- 基于模糊集理論的二維線性鑒別分析新方法
- 一種新的核線性鑒別分析算法及其在人臉識別上的應(yīng)用
- 摘要應(yīng)用近紅外光譜技術(shù)對蜂蜜、蕎麥、食用油等樣品進(jìn)行品質(zhì)鑒別分析。
- 用鑒別分析造句挺難的，這是一個萬能造句的方法
- 線性投影分析，包括主分量分析(或稱k - l變換)和fisher線性鑒別分析，是特征抽取中最為經(jīng)典和廣泛使用的辦法。
- ( 4 )提出了一種在頻域上的代數(shù)特征抽取方法，該方法將小波分析、小波包分析和最優(yōu)鑒別分析、廣義最優(yōu)鑒別分析相結(jié)合。
- 該文從理論上解決了奇異情況下基于fisher準(zhǔn)則的最優(yōu)鑒別矢量集的求解問題，為高維、小樣本情況下線性鑒別分析方法建立了一個統(tǒng)一的理論框架。
- 更為重要的是，我們進(jìn)一步揭示了高維、小樣本情況下線性鑒別分析的本質(zhì)，即先作k - l變換，再用fisher鑒別變換作二次特征抽取。
- 本文依據(jù)聲強(qiáng)測量的原理，以汽車噪聲源的分析為應(yīng)用對象；通過對汽車的車外輻射噪聲進(jìn)行了聲強(qiáng)測試并對噪聲信號進(jìn)行頻譜分析和相干分析，研究了聲強(qiáng)測量系統(tǒng)在汽車噪聲控制中的應(yīng)用問題；論述了汽車發(fā)動機(jī)噪聲的鑒別分析技術(shù)和各種控制措施，為發(fā)動機(jī)噪聲的降噪工作提供參考。
- ( 2 )提出了基于最優(yōu)鑒別分析的圖象特征抽取的一系列新方法，它們包括：基于對類內(nèi)矩陣s _ w進(jìn)行譜分解的f - s最優(yōu)鑒別矢量集方法，該方法在類別數(shù)比較小時非常有效；一種改進(jìn)的基于svd的最優(yōu)鑒別矢量求解算法，將該方法用于人臉識別時有較好的性能；非線性最優(yōu)鑒別矢量集方法，該方法雖然有效，但計算時間較長。
- 揭示了具有統(tǒng)計不相關(guān)性的線性鑒別分析與經(jīng)典的k - l展開方法的內(nèi)在關(guān)系，即不相關(guān)的線性鑒別分析方法與包含在類均值向量中判別信息的最優(yōu)壓縮方法是等價的，并在此基礎(chǔ)上導(dǎo)出了一種最優(yōu)k - l展開方法。
- 進(jìn)一步地，在該理論框架下，具體給出了處理高維、小樣本問題的組合最優(yōu)的線性鑒別分析算法，在orl標(biāo)準(zhǔn)人臉庫和nust603人臉庫上的試驗(yàn)結(jié)果證實(shí)了該方法的卓越性能，在識別率方面均優(yōu)于以往的同類方法。
- 所提出的這兩種方法的共同特點(diǎn)是，在進(jìn)行圖像特征抽取時，不需要事先將圖像矩陣轉(zhuǎn)化為高維的圖像向量，而是直接利用圖像矩陣本身構(gòu)造圖像散布矩陣，然后基于這些散布矩陣進(jìn)行主分量分析與線性鑒別分析。
- 在orl標(biāo)準(zhǔn)人臉庫和nust603人臉庫上的試驗(yàn)結(jié)果表明，與通常的主分量分析與線性鑒別分析方法相比，圖像投影鑒別分析與主分量分析技術(shù)將特征抽取的速度提高了一個數(shù)量級以上。不僅如此，其識別精度依然高于傳統(tǒng)的eigenfaces與fisherfaces方法。
更多例句： 下一頁