基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
提出并严格证明了具有统计不相关性的最佳鉴别特征空间的维数定理:对含有L个类别的模式识别问题,具有统计不相关性的最佳鉴别特征空间的维数为(L 1);说明了具有统计不相关性的最佳鉴别变换与Wilks所提出的经典的模式特征抽取方法的关系.在一定的条件下,具有统计不相关性的最佳鉴别矢量集等价于Wilks所提出的经典鉴别矢量集.经典的模式特征抽取方法可以用来在不损失任何Fisher鉴别信息的意义下,对含有L个类别的模式识别问题,抽取(L-1)个具有统计不相关性的最佳鉴别特征.
推荐文章
不相关最佳鉴别矢量集的有效算法
特征抽取
小样本问题
广义线性鉴别分析
不相关鉴别矢量
人脸识别
求解统计不相关的最佳鉴别矢量的统一算法
最佳鉴别矢量,统计不相关,模式识别
人脸识别
正交约束的无监督统计不相关最佳鉴别平面
无监督模式
特征降维
最佳鉴别平面
人脸识别
一种改进的统计不相关最佳鉴别向量集
模式识别
特征提取
最优鉴别矢量集
统计不相关
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 具有统计不相关性的最佳鉴别特征空间的维数定理
来源期刊 计算机学报 学科 工学
关键词 模式识别 特征抽取 鉴别分析 维数问题
年,卷(期) 2003,(1) 所属期刊栏目 研究论文与技术报告
研究方向 页码范围 110-115
页数 6页 分类号 TP391
字数 4789字 语种 中文
DOI 10.3321/j.issn:0254-4164.2003.01.018
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 杨静宇 南京理工大学计算机科学与技术系 623 11098 50.0 74.0
2 金忠 南京理工大学计算机科学与技术系 72 1142 17.0 31.0
3 胡钟山 南京理工大学计算机科学与技术系 14 735 11.0 14.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (18)
共引文献  (78)
参考文献  (9)
节点文献
引证文献  (15)
同被引文献  (7)
二级引证文献  (43)
1970(1)
  • 参考文献(0)
  • 二级参考文献(1)
1975(3)
  • 参考文献(1)
  • 二级参考文献(2)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(2)
  • 参考文献(1)
  • 二级参考文献(1)
1992(5)
  • 参考文献(2)
  • 二级参考文献(3)
1996(5)
  • 参考文献(0)
  • 二级参考文献(5)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(5)
  • 参考文献(3)
  • 二级参考文献(2)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(3)
  • 参考文献(1)
  • 二级参考文献(2)
2003(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2004(2)
  • 引证文献(2)
  • 二级引证文献(0)
2005(2)
  • 引证文献(2)
  • 二级引证文献(0)
2006(3)
  • 引证文献(2)
  • 二级引证文献(1)
2007(6)
  • 引证文献(1)
  • 二级引证文献(5)
2008(8)
  • 引证文献(2)
  • 二级引证文献(6)
2009(11)
  • 引证文献(3)
  • 二级引证文献(8)
2010(2)
  • 引证文献(0)
  • 二级引证文献(2)
2011(5)
  • 引证文献(1)
  • 二级引证文献(4)
2012(3)
  • 引证文献(1)
  • 二级引证文献(2)
2013(7)
  • 引证文献(1)
  • 二级引证文献(6)
2014(5)
  • 引证文献(0)
  • 二级引证文献(5)
2015(1)
  • 引证文献(0)
  • 二级引证文献(1)
2016(2)
  • 引证文献(0)
  • 二级引证文献(2)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
模式识别
特征抽取
鉴别分析
维数问题
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机学报
月刊
0254-4164
11-1826/TP
大16开
中国科学院计算技术研究所(北京2704信箱)
2-833
1978
chi
出版文献量(篇)
5154
总下载数(次)
49
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导