典型文献
基于主成分分析和支持向量机的鲁棒稀疏线性判别分析方法
文献摘要：
线性判别分析(linear discriminant analysis,LDA)是一种基于监督学习的模式识别方法,在图像识别领域应用广泛.针对经典的LDA识别率不高、识别效率低以及鲁棒性不强的问题,提出了一种基于主成分分析(principal component analysis,PCA)和支持向量机(support vector machine,SVM)的鲁棒稀疏线性判别分析方法.通过ORL人脸图像库、YaleB人脸图像库、COIL20物体图像库和UCI机器学习库中部分图像集,将本文方法与线性判别分析、鲁棒线性判别分析、基于L1范数和巴氏距离的鲁棒线性判别分析、鲁棒自适应线性判别分析和鲁棒稀疏线性判别分析6种方法进行比较.实验结果表明,在ORL人脸库、COIL20物体库和UCI机器学习库中的部分图像集中,本文方法的识别率和识别效率均高于其他5种方法.在YaleB人脸库加入椒盐噪声的条件下,本文方法的识别率均值为81.35％,说明提出方法的识别率和鲁棒性均优于其他5种方法.
文献关键词：
鲁棒稀疏线性判别分析;主成分分析(PCA);图像识别;监督分类;支持向量机(SVM)
中图分类号：
作者姓名：
鞠厦轶;吕开云;龚循强;鲁铁定
作者机构：
东华理工大学测绘工程学院,南昌330013;自然资源部环鄱阳湖区域矿山环境监测与治理重点实验室, 南昌330013
文献出处：
引用格式：
[1]鞠厦轶;吕开云;龚循强;鲁铁定-.基于主成分分析和支持向量机的鲁棒稀疏线性判别分析方法)[J].科学技术与工程,2022(26):11515-11523
A类：
鲁棒稀疏线性判别分析
B类：
linear,discriminant,analysis,LDA,监督学习,模式识别,图像识别,识别率,principal,component,support,vector,machine,ORL,人脸图像,YaleB,COIL20,UCI,棒线,L1,范数,巴氏距离,鲁棒自适应,椒盐噪声,监督分类
AB值：
0.231428
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。
