1) kernel-based nonlinear classifiers
核非线性分类器
1.
In classification, five kernel-based nonlinear classifiers, Parzen and robust Parzen classifiers, radial basis function classifier, support vector classifier, and kernel-based nonlinear representor a.
该文提出了一种基于分数本征特征和核非线性分类器的手写数字识别方法,首先找到时频平面的一个轴进行分数傅里叶变换,使不同类别样本在这个轴上最大限度地分开,然后用主元分析进行降维,得到比较稳健的低维特征,再将常用分类器用于特征分类,实现对手写数字的识别。
2) kernel-based nonlinear classification
核非线性分类
3) nonlinear classifier
非线性分类器
1.
Then, based on BP neural network theory, a nonlinear classifier is designed specially for such a pattern recognition, and its network structure was determined by test to give the way to choose parameters involved.
针对金属断口图像模式识别的特点,提出应用小波变换技术提取断口图像特征的方法,在此基础上,利用神经网络的基本原理设计了一种断口图像模式识别的非线性分类器·通过实验确定了分类器的网络结构,给出了相关参数选择的方法·对几种典型的金属断口图像进行了计算机实验研究·实验结果表明,其平均正确识别率达93 75%,单独以能量作为特征值,其平均正确识别率可达到95%·这说明采用非线性分类器进行断口模式识别比采用线性分类器能取得更高、更可靠的正确识别率·研究结果显示出,这种基于小波变换技术和神经网络原理的非线性模式识别方法能对纹理变化复杂、规律性不强的断口图像进行有效识别,具有更好的适应性
4) nonlinear classification
非线性分类
1.
This paper introduces the theory and training algorithm of the support vector machine which is applied in nonlinear classification and recognition by the way of bringing in the concept such as structural risk minimization principle and optimal hyperplane,then a set of nonlinear binary samples are successfully classified by using different kernel functions,followed by discussion to the results.
通过引入结构风险最小化原则和最优分类面的概念,介绍了支持向量机及其用于非线性分类的基本原理和训练算法,并选用不同的核函数及参数对一组线性不可分的两类样本进行了划分识别,得到了较好的效果,并对结果进行了分析说明,展望了支持向量机的发展趋势。
5) Linear classifier
线性分类器
1.
After analyzing their charicteristics in time and frequency domains,two classifying experiments were performed by means of linear classifier and support vector machine,respectively.
在分析目标与背景时域与频域特性的基础上,利用线性分类器和支持向量机进行分类识别实验,结果表明所提出的方法是可行的。
2.
Aiming at the recognition of linear classifier, the narrowpattern, analyze the convergence that affect the linear classifierbased on the perceptron’s genetic algorithm.
针对线性分类器这一狭义模式识别问题,分析影响基于感知器的梯度算法的线性分类器的收敛性问题,提出一种遗传算法和梯度算法相结合的权值训练方法,用于线性分类器的参数设计,给出一种衡量算法优劣的标准,并进行仿真研究。
6) nonlinear classify algorithms
非线性分类算法
1.
One of the important techniques is the trick of kernels among the nonlinear classify algorithms.
在非线性分类算法中,重要的技术之一是对于核技巧的使用,目前仍是尚未解决的问题。
补充资料：半导体非线性光学材料
半导体非线性光学材料
semiconductor nonlinear optical materials
载流子传输非线性:载流子运动改变了内电场，从而导致材料折射率改变的二次非线性效应。④热致非线性:半导体材料热效应使半导体升温，导致禁带宽度变窄、吸收边红移和吸收系数变化而引起折射率变化的效应。此外，极性半导体材料大都具有很强的二次非线性极化率和较宽的红外透光波段，可以作为红外激光的倍频、电光和声光材料。 在量子阱或超晶格材料中，载流子的运动一维限制使之产生量子尺寸效应，使载流子能态分布量子化，并产生强烈的二维激子效应。该二维体系材料中激子束缚能可达体材料的4倍，因此在室温就能表现出与激子有关的光学非线性。此外，外加电场很容易引起量子能态的显著变化，从而产生如量子限制斯塔克效应等独特的光学非线性效应。特别是一些11一VI族半导体，如Znse/ZnS超晶格中激子束缚能非常高，与GaAs/AIGaAs等m一V族超晶格相比，其激子的光学非线性可以得到更广泛的应用。 半导体量子阱、超晶格器件具有耗能低、适用性强、集成度高和速度快等优点，以及系统性强和并行处理的特点。因此有希望制作成光电子技术中光电集成器件，如各种光调制器、光开关、相位调制器、光双稳器件及复合功能的激光器件和光探测器等。 种类半导体非线性光学材料主要有以下4种。 ①111一V族半导体块材料:GaAs、InP、Gasb等为窄禁带半导体，吸收边在近红外区。 ②n一巩族半导体量子阱超晶格材料:HgTe、CdTe等为窄禁带半导体，禁带宽度接近零;Znse、ZnS等为宽禁带半导体，吸收带边在蓝绿光波段。Znse/ZnS、ZnMnse/ZnS等为蓝绿光波段非线性光学材料。 ③111一V族半导体量子阱超晶格材料:有GaAs/AIGaAs、GalnAs/AllnAs、GalnAs/InP、GalnAs/GaAssb、GalnP/GaAs。根据两种材料能带排列情况，将超晶格分为I型(跨立型)、n型(破隙型)、llA型(错开型)3种。 现状和发展超晶格的概念是1969年日本科学家江崎玲放奈和华裔科学家朱兆祥提出的。其二维量子阱中基态自由激子的非线性吸收、非线性折射及有关的电场效应是目前非线性集成光学的重要元件。其制备工艺都采用先进的外延技术完成。如分子束外延(MBE)、金属有机化学气相沉积(MOCVD或MOVPE)、化学束外延(CBE)、金属有机分子束外延(MOMBD、气体源分子束外延(GSMBE)、原子层外延(ALE)等技术，能够满足高精度的组分和原子级厚度控制的要求，适合制作异质界面清晰的外延材料。
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