基于重叠空间相对划分的仿生模式识别方法

• 作者: 姚潇 武妍 王守觉
• 来源期刊: 模式识别与人工智能
• 学科: 工学
• 关键词: 重叠空间的相对划分 神经网络 样本空间 高维几何空间 仿生模式识别
• 年，卷（期）: 2008,（3）
• 所属期刊栏目: 论文与报告
• 页码范围: 346-350
• 页数: 5页
• 分类号: TP181
• 字数: 5123字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6059.2008.03.012

摘要

为实现特征空间的有效覆盖,提出在高维空间覆盖前提下基于重叠空间相对划分的仿生模式识别方法(RDBPR),实现在认识的前提下对样本进行相对区别.该方法在多样本大阈值造成的空间重叠的情况下,通过计算到各类特征子空间的相对距离,对重叠空间中的样本进行相对划分,从而可在不增加误识的基础上提高正确识别率.以人脸识别为例,实验证明,本文方法在稳定性、识别率方面均优于传统识别分类器.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	武妍	同济大学计算机科学与技术系	58	726	15.0	24.0
2	王守觉	同济大学计算机科学与技术系	17	129	5.0	10.0
6	姚潇	同济大学计算机科学与技术系	4	8	2.0	2.0