1) Distance classification
距离分类器
1.
Distance classification compares brightness between aware sort and unknown pixels.
距离分类器是以已知地物类别的亮度值作为分类基准 ,通过比较未知类别像元与已知类别像元亮度值间的距离进行分类 ;角度分类器是以光谱谱线角为分类基准 ,通过比较n维波段空间中未知类别像元与已知类别像元光谱角度进行分类。
2) euclid-distance classifier
欧式距离分类器
3) nearest distance classifier
最近距离分类器
4) minimum distance classifier
最小距离分类器
1.
Improved minimum distance classifier — weighted minimum distance classifier;
最小距离分类器的改进算法——加权最小距离分类器
2.
Finally the recognition results are obtained by the general minimum distance classifier.
设计了一种基于图像分块的LDA(linear discriminant analysis)人脸识别方法,该方法从模式的原始数字图像出发,先对图像矩阵进行分块,然后对分块子图像进行LDA特征提取,从而得到能代替原始模式的低维新模式,最后再用最小距离分类器进行分类。
3.
A minimum distance classifier ensemble method based on adaptive distance metric was proposed.
提出了一种基于自适应距离度量的最小距离分类器集成方法,给出了个体分类器的生成方法。
5) Manhattan distance classifier
Manhattan距离分类器
6) Mahalanobis distance classifier
马氏距离分类器
1.
Unlike the past work, 40 local features are extracted from the target region and the shadow region inherent in MSTAR images and the Mahalanobis distance classifier is used to recognize the images in this paper.
与以往仅提取MSTAR SAR图像的图像域系数、傅立叶系数和小波系数作为特征不同,本文提取了图像中目标区域和阴影区域的40个局部特征并用马氏距离分类器分类。
补充资料：最小距离分类
按照模式与各类代表样本的距离进行模式分类的一种统计识别方法。在这种方法中，被识别模式与所属模式类别样本的距离最小。假定c 个类别代表模式的特征向量用R1,...,Rc表示,x是被识别模式的特征向量，|x-Ri|是x与Ri(i＝1,2,...,c)之间的距离，如果|x-Ri|最小，则把x分为第i类。在更复杂的情况下可以用各类的代表样本集合，而不仅仅是用一个样本作为最小距离分类的基础(见近邻法分类)。进行最小距离分类首先要为每个类别确定它的代表模式的特征向量，这是用这种方法进行分类效果好坏的关键。各类代表特征向量可以根据所研究对象的物理、化学、生物等方面的机理来确定，常用的方法是收集各类样本，用各类样本特征向量的平均向量作为各类代表模式的特征向量。其次要选择一种确定的距离度量以计算被识别模式与各类代表模式特征向量之间的距离。常用的距离有欧几里得距离、绝对值距离等。
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