所有
标题
作者
关键词
摘要
DOI
栏目
地址
基金
中图分类号
高级搜索
主页
期刊介绍
在线期刊
优先发表
当期目录
过刊浏览
下载排行
浏览排行
引用排行
高级检索
出版道德声明
编委会
投稿指南
期刊订阅
联系我们
English
所有
标题
作者
关键词
摘要
DOI
栏目
地址
基金
中图分类号
检索
高级检索
论文元数据
论文正文内容
图
表
新闻及其他
检索
高级检索
论文元数据搜索,找到相关信息共
1
条:
其他条件:
年 =
作者 =
关键词 =
基于图像协方差无关的增量特征提取方法研究
王肖锋
,
孙明月
,
葛为民
2019, 41(11): 2768-2776.
doi:
10.11999/JEIT181138
关键词:
模式识别
,
协方差无关
,
特征提取
,
增量学习
,
2维主成分分析
[摘要]
(
)
[引证文献]
(
)
针对2维主成分分析(2DPCA)算法无法实现在线特征提取及无法体现完整数据结构信息等问题,该文提出一种基于图像协方差无关的增量式2DPCA(I2DPCA)算法。该算法无需对图像协方差矩阵进行特征值分解奇异值分解,复杂度将大为降低,提高了特征提取速度。针对I2DPCA仅提取了横向特征的问题,又提出一种增量式行列顺序2DPCA(IRC2DPCA)算法,该算法对I2DPCA的特征矩阵再次进行纵向特征提取,保留了图像的横向与纵向结构信息,实现了行列两个方向上的特征提取与数据降维。最后,以自建的物块数据集、通用的ORL和Yale人脸数据集分别进行对比实验,结果表明,该文算法在收敛率、分类率及复杂度等性能方面均得到了显著提高,其收敛率达到99%以上,分类率可达97.6%,平均处理速度为29 帧/s,能够满足增量特征提取的实时处理需求。
×
Close
导出文件
文件类别
RIS(可直接使用Endnote编辑器进行编辑)
Bib(可直接使用Latex编辑器进行编辑)
Txt
引用内容
引文——仅导出文章的Citation信息
引文和摘要——导出文章的Citation信息和文章摘要信息
×
Close
引用参考文献格式