1) kernel discriminant analysis
核判别分析
1.
Based on the idea of subspace projection,an optimal kernel discriminant analysis(OKDA) is given and used to extract features from a range profile.
核判别分析(KDA)是一种抽取非线性特征的有效方法,但它会因为奇异性问题而难以求解。
2.
In this paper,a facial expression recognition method based on feature fusion and fuzzy kernel discriminant analysis (FKDA)is proposed.
提出了基于特征融合和模糊核判别分析(FKDA)的面部表情识别方法。
2) kernel Fisher discriminant analysis
核Fisher判别分析
1.
Hyperspectral Remote Sensing Image Classification Based on Kernel Fisher Discriminant Analysis;
基于核Fisher判别分析的高光谱遥感影像分类
2.
Nonlinear statistical process monitoring and fault diagnosis based on kernel Fisher discriminant analysis;
基于核Fisher判别分析方法的非线性统计过程监控与故障诊断
3.
MPSK signal classification method based on fourth cumulants and kernel Fisher discriminant analysis
基于四阶累积量与核Fisher判别分析的MPSK信号分类方法
3) kernel discriminant analysis
模糊核判别分析
1.
Using fuzzy kernel discriminant analysis for tumor classification with gene expression data;
基于模糊核判别分析的基因表达数据分析方法
4) KDDA
核直接判别分析
1.
This paper investigates the application of KDDA(kernel direct discriminant analysis) in the target s feature extraction and recognition of high range resolution profile radar.
文章研究了核直接判别分析(kernel direct discriminant analysis,KDDA)在高分辨雷达目标特征提取与识别中的应用。
2.
This paper isinvestigated the applying of the KPCA and KDDA met.
本文研究了核主分量分析和核直接判别分析在高分辨雷达目标特征提取与识别中的应用，并对四类目标进行了仿真实验。
5) Kernel Fisher Discriminant analysis (KFD)
Fisher核判别分析
6) kernel Fisher discriminant analysis (KFDA)
核Fisher判别分析(KFDA)
补充资料：判别分析预测法(见发生量预测)
判别分析预测法(见发生量预测)
discriminatory analysis for forecast
判别分析预测法(diseriminatory analysisfor foreeast)又叫分辨分析法，是用判别函数预测害虫发生量的方法。其步骤为:将预报因子和预报量分为2级或多级，对预报因子进行线性组合，构成一个判别函数;先确定一个临界值作分辨指标，然后计算判别函数式中的系数，求出临界值;应用时，将预报因子的实查值代入判别函数式，求出预报值，将此值与临界值相比较，可预报害虫的发生量。 判别函数通式将预报因子的数据进行线性组合: 尸y~习c、·x、(1) 左=l式中夕为预报量;P为预报因子个数;x、(k二1，2，……，尸)为预报因子;c、为系数。二级判别法中的x分为2级，故(l)式为:〕一clxl+cZxZ(2)则y值亦分2级，可确定一个y。为分辨指标，当夕)yc时为A级，夕
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条