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:
在高维、小样本的情况下使用Fisher线性鉴别分析的特征提取方法存在病态奇异问题,学者们提出了许多解决此问题的方法.针对小样本问题,并通过对现有人耳识别方法的研究,提出了一种利用KDA/GSVD算法对图像数据进行降维,运用SVM分类器对样本进行判别的人耳识别方法.此外,还对线性判别分析、广义奇异值分解和支持向量机的基本理论等内容做了简要介绍.实验证明,KDA/GSVD很好地解决了由于小样本的问题而导致的LDA算法中类内离散度矩阵不可求逆的问题,把它与支持向量机有机地结合起来,构成了一种有效的人耳识别新方法.
推荐文章
基于粗糙集和支持向量机的人耳识别
人耳识别
粗糙集
支持向量机
基于特征融合的人耳识别
人耳识别
特征融合
Zernike矩
BP神经网络
非负矩阵分解
一种基于2DPCA的人耳识别方法
人耳识别
主分量分析
二维主分量分析
BP神经网络
基于改进奇异值分解的人耳识别别算法研究
人耳识别
广义Fishier鉴别分析
特征矩阵
奇异值分解
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 基于KDA/GSVD和支持向量机的人耳识别
来源期刊 计算机科学 学科 工学
关键词 人耳识别 线性判别分析 广义奇异值分解 KDA/GSVD 支持向量机
年,卷(期) 2009,(2) 所属期刊栏目 人工智能及图像处理
研究方向 页码范围 257-260
页数 4页 分类号 TP391
字数 4172字 语种 中文
DOI 10.3969/j.issn.1002-137X.2009.02.062
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 赵海龙 北京科技大学信息工程学院 8 54 4.0 7.0
2 穆志纯 北京科技大学信息工程学院 140 1211 16.0 24.0
3 敦文杰 北京科技大学信息工程学院 5 45 3.0 5.0
4 张霞敦 北京科技大学信息工程学院 1 1 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (5)
共引文献  (12)
参考文献  (5)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
1976(1)
  • 参考文献(1)
  • 二级参考文献(0)
1981(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(2)
  • 参考文献(1)
  • 二级参考文献(1)
2004(3)
  • 参考文献(0)
  • 二级参考文献(3)
2005(2)
  • 参考文献(1)
  • 二级参考文献(1)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(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)
2012(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
人耳识别
线性判别分析
广义奇异值分解
KDA/GSVD
支持向量机
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
计算机科学
月刊
1002-137X
50-1075/TP
大16开
重庆市渝北区洪湖西路18号
78-68
1974
chi
出版文献量(篇)
18527
总下载数(次)
68
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