#
单击此处编辑母版标题样式单击此处编辑母版文本样式第二级第三级第四级第五级IPL第六章 特征的选择与提取单击此处编辑母版标题样式单击此处编辑母版文本样式第二级第三级第四级第五级单击此处编辑母版标题样式单击此处编辑母版文本样式第二级第三级第四级第五级单击此处编辑母版标题样式单击此处编辑母版文本样式第二级第三级第四级第五级模式识别与神经网络Pattern Recognition and Neural N
单击此处编辑母版标题样式单击此处编辑母版文本样式第二级第三级第四级第五级第二章 特征的提取与选择特征 模式的描述表示表达 样本特征的提取 特征的选择 1分类结果识别过程训练过程数据获取预处理特征提取选择分类器设计分类决策分类器参数特征提取与选择2 在分类器设计中都是在d维特征空间已经确定的前提下进行的因此讨论的分类器设计问题是一个选择什么准则使用什么方法将已确定的d维特征空间
基于信息量原则其中:Si为第i个波段的标准差Rij表示第i个波段与第j个波段之间的相关系数选择的波段数目一般取3即将所有可能的三个波段组合在一起OIF越大则相应组合波段图像的信息量就越大离散度主要有主成份分析(Principalponent AnalysisPCA)小波变换(Wavelet TransformWT)独立成分(Independentponent Analysis IC
#
§46基于Karhunen-Loeve变换的特征提取K-L变换又称主分量分析,是一种正交变换,K-L变换常用来作为数据压缩,这里我们用它作降维,学习这一节主要要掌握以下几个问题:1.什么是正交变换 2.K-L变换是一种最佳的正交变换,要弄清是什么意义的最佳,也就是说它最佳的定义。3.K-L变换的性质。 4.K-L变换的重要应用。 8/30/20231中国矿业大学 计算机科学与技术学院§461Kar
§ 按概率距离判据的特征提取方法本节的可分性判据就是用各种方式来度量它们之间重迭的程度 3中国矿业大学 计算机科学与技术学院5散度为总的平均可分信息可表示成:如果两类协方差矩阵相等即 3212023是一标量因而13那末此时的X肯定可划分为ωi 而错误率为零由此可看出后验概率越集中错误概率就越小反之后验概率分布越平缓即接近均匀分布则分类错误概率就越大 (2) 如p(ωi x)=1(1<i<c)
行人探测特征选择和提取李林 201022610003摘要目标探测计算机视觉中一项重要切有挑战性的课题该文借鉴了简化了的APCF特征值[3]简化了的称为JRoG特征(Joint Ranking of Granules)这些特征值是由图像中每一块相比较的一系列离散的二值结果组成本文采用了模拟退火(SA)和渐进式特征选择模型(incremental feature selection module
单击此处编辑母版文本样式第二级第三级第四级第五级刘锐 2010.9.9单击此处编辑母版标题样式单击此处编辑母版文本样式第二级第三级第四级第五级单击此处编辑母版标题样式HOG特征(Histograms of Oriented Gradients)刘锐 2010.9.9HOG特征的定义和出处Paper:Histograms of Oriented Gradients for Human Detec
单击此处编辑母版标题样式单击此处编辑母版文本样式第二级第三级第四级第五级单击此处编辑母版标题样式单击此处编辑母版副标题样式单击此处编辑母版标题样式单击此处编辑母版副标题样式单击此处编辑母版标题样式单击此处编辑母版文本样式第二级第三级第四级第五级单击此处编辑母版标题样式单击此处编辑母版副标题样式单击此处编辑母版标题样式单击此处编辑母版文本样式第二级第三级第四级第五级单击此处编辑母版标题样式单击此处编
违法有害信息,请在下方选择原因提交举报