一种改进的基于ICA特征子空间的目标识别方法

• 作者: 张桂林 张波 王新余
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: 独立分量分析 特征子空间 目标识别 特征的优化选择
• 年，卷（期）: 2005,（12）
• 所属期刊栏目: 研究与方法
• 页码范围: 63-66
• 页数: 4页
• 分类号: TP391
• 字数: 3996字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2005.12.017

摘要

介绍了独立分量分析(ICA)的基本原理和算法,并提出了基于独立分量分析的特征子空间的目标识别方法.该方法首先利用快速独立分量分析(FastICA)算法对训练集目标图像进行ICA分解,据此建立特征子空间,然后根据待识别图像在特征子空间的投影系数进行判别.本文的改进在于根据类内类间距离比值最小化准则进行最有利于分类的特征的优化选择.实验结果显示,和传统方法相比,改进的方法能有效提高识别的准确率和效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张桂林	华中科技大学图像识别与人工智能研究所图像信息处理与智能控制教育部重点实验室	69	1527	19.0	37.0
2	张波	华中科技大学图像识别与人工智能研究所图像信息处理与智能控制教育部重点实验室	124	576	12.0	16.0
3	王新余	华中科技大学图像识别与人工智能研究所图像信息处理与智能控制教育部重点实验室	5	180	4.0	5.0