基于小波变换的多分类器融合分类系统

• 作者: 周立柱 潘泉 谷晓巍 邢春晓
• 来源期刊: 模式识别与人工智能
• 学科: 工学
• 关键词: 模式识别 特征 正交小波 神经网络 融合
• 年，卷（期）: 2000,（1）
• 所属期刊栏目: 论文与报告
• 页码范围: 22-27
• 页数: 6页
• 分类号: TP391|TP18
• 字数: 4084字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6059.2000.01.005

摘要

利用计算机进行模式识别需要完成模式特征的选取、特征维数的压缩以及分类器的设计.本文在人脸识别的研究中,根据选取的代数特征,提出了一种基于正交小波变换的多分类器融合分类系统.首先利用正交小波变换将高维特征变换为多个低维的特征,达到特征维数压缩的目的;然后采用基于模糊的BP神经网络(FB-PNN)并行地对这些特征空间的模式进行分类;最后,利用FBPNN对这些分类结果进行融合,得到最终的分类结果.实验结果表明这种分类系统具有很好的分类效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	潘泉	西北工业大学自动控制系	544	9437	45.0	77.0
2	周立柱	清华大学计算机科学与技术系	69	3313	19.0	57.0
3	邢春晓	清华大学计算机科学与技术系	84	2349	18.0	47.0
4	谷晓巍	西北工业大学自动控制系	2	16	2.0	2.0