典型文献
应用于水下生物识别的联合范数主成分分析算法
文献摘要：
针对F范数对离群数据较为敏感,而L1范数能降低离群数据的影响,但无法有效控制重构误差的问题,本文将L1范数与F范数同时作为目标函数的距离度量方式,提出了二维主成分分析(two-dimensional principle component analysis,2DPCA)联合算法 2DPCA-F-L1,并给出 了 其非贪婪求解方法.该算法确保了对图像的分类能力,同时也降低了图像重构时的平均重构误差.本文将提出的2DPCA-F-L1算法在应用于水下生物图像识别时,可以抑制水下光学影像存在的噪声干扰.实验证明,该算法能够精确地识别水下生物的种类,并且在图像重构时相较于其他主成分分析(principle component analysis,PCA)算法具有更优的鲁棒性.
文献关键词：
主成分分析(PCA);生物识别;图像识别;鲁棒性;联合范数
中图分类号：
作者姓名：
张浣星;王肖锋;武刚
作者机构：
天津市先进机电系统设计与智能控制重点实验室,天津理工大学,天津300384;机电工程国家级实验教学示范中心,天津理工大学,天津300384
文献出处：
引用格式：
[1]张浣星;王肖锋;武刚-.应用于水下生物识别的联合范数主成分分析算法)[J].光电子·激光,2022(10):1067-1074
A类：
联合范数
B类：
生物识别,离群数据,L1,控制重构,重构误差,距离度量,度量方式,二维主成分分析,two,dimensional,principle,component,analysis,2DPCA,联合算法,贪婪,求解方法,图像重构,生物图像,图像识别,水下光学,光学影像,噪声干扰
AB值：
0.340807
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
