1) Fisher Linear Discriminant
Fisher线性判决函数
1.
Research of License Plate Location Algorithm Based on Principal Component Analysis and Fisher Linear Discriminant;
基于主成分分析和Fisher线性判决函数的车牌定位算法的研究
2) Linear Fisher Discriminant Analysis(FDA)
线性Fisher判决分析
3) Fisher linear discriminant analysis(FLDA)
Fisher线性判决分析
1.
To solve the small sample size(SSS) problem of Fisher linear discriminant analysis(FLDA) when it is applied to image recognition tasks,a novel image feature extraction technique is proposed which is called two-directional two-dimensional maximum clustering-based scatter difference((2D)2MCSD) discriminant analysis.
针对Fisher线性判决分析(FLDA)在图像识别应用中遇到的小样本问题,提出了两向二维最大子类散度差((2D)2MCSD)鉴别分析的图像特征提取方法。
4) Fisher discriminant function
Fisher判别函数
1.
0 occurred in Chin′s mainland,Fisher discriminant functions in different period since the mainshock,taking different sequence parameters as the independent variables,have been established,which could be used for synthetical judgment of sequence types.
在对中国大陆294次5级以上地震序列主震后不同时段、11个单项序列参数计算结果的基础上,分别建立不同时段、以不同序列参数为自变量的Fisher判别函数,用于序列类型的综合判定。
5) Fisher linear discriminant
Fisher线性判别
1.
Relative energy attached to each subspace was calculated as eigenvalue and feature dimension reduction was conducted by Fisher linear discriminant analysis.
针对表面肌电信号的分类问题,采用最佳小波包分解构造最能体现分类能力的小波包基,用Fisher线性判别分析对肌电信号各个子空间的相对能量特征进行降维处理,然后利用BP神经网络进行分类识别。
2.
The method uses a self-organizing map to obtain the class label for each training sample and enhanced Fisher linear discriminant(EFM) to find the optimal projection for pattern classification,and a Gaussian distribution to model the class-conditional density function of the projected samples for each class.
该方法首先使用自组织映射网络为每个训练样本确立类别标签 ,然后用改进的 Fisher线性判别模型对所有样本进行投影以尽可能拉大各类之间的距离 ,最后使用高斯分布对每类样本进行建模 。
3.
Finally,PCA and Fisher linear discriminant are used to reduce the dimensiona-lity and optimize discriminative classification respectively.
寻求有效且分类性能高的人脸表征方法至关重要,在局部二值模式(LBP)的纹理提取基础上,引进一种改进的新型的局部三值模式(LTP)纹理特征提取方法,此方法对光照变化和噪声更加鲁棒且更有利于分类,最后采用PCA和Fisher线性判别分析对特征空间进行降维和最优鉴别分类。
补充资料：函数逼近，线性方法
函数逼近，线性方法
pproximation of functions, Mnear methods
函数通近，线性方法【即pro劝ma柱佣of如口比此，Unearmethds;即面.橄...中伸叫浦月.州白.eM曰’O周曰!甲的-习..‘。侧.1由线性算子所定义的逼近方法.如果在赋范线性空间X中将线性流形(线性子空间)选作逼近集，则任何将函数f任X变换成函数U汀，t)=(Uf)(t)‘灾且满足’一U(。:f，+。2f2，r)=。IU汀，，t)+aZU价，r)(其中“1和气为任意数)的线性算子U均定义了灾中函数对X中函数的一种线性逼近方法(1i ncar approxi-mation method).一个线性逼近方法称为是射影的(P rojeCtive)如果对所有fe贝，U以t)=f(O;称为是正的(户犯itive)，如果对非负函数f有U(f，r))0. 最有意思的是有限维数的情形.此时，若贝二贝、是N维子空间，则有 八 U以‘)=饰以，)=艺e*汀)叭(，)，(1) k二1其中{叭(t)}犷是灾、的基底，吼为定义在X上的线性泛函.线性无关系{叭(t)}犷和泛函集{q}仁的选取依赖于构造线性方法时所用函数的有关信息.如果几们二了仇)(这里{气片是f的定义域中的固定点组玉且叭(t.卜0，(i笋k)，叭(tk)=1，则U从工气)=f(t*)伍=1，…，扔，此时得到一种插值方法(interpolation method)(如，Lag-ran罗插值多项式或播值样条(interpolation spline)).如果X=H是托lbert空间，吼汀)为函数f关于标准正交系{叭(t)}的Fourier系数，则(1)的右端的和式导致了X到贝N上的正交投影线性方法(li near methodoforthogonal Projection);此时， ，，介饰汀，”一萝…卜詹:一……。因此，可用函数叭的线性组合对f作最佳逼近. 线性逼近方法的理论中最引人注目的是收敛问题.令x为一Banach空间，{甲:(t)，中2(t)，…}是X上某个线性无关函数系，令灾N为这个系的前N(N=1，2，…个元素形成的子空间，叽为X到贝八N二1，2，…上的有界线性算子.对任何f‘X，收敛关系式珠以O~f(t)(在11叽一fllx~0(N~的)的意义下)成立，当且仅当:l)U、的范数列11叭}}有界，见B田.山-Stei曲aus定理(Banach一Steinhaus theorem):2)对于X中处处稠密的集合A上的所有函数f有认以t)一f(O.特别地，在周期为27r的函数空间乌=乌[0，2司(l
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