一种改进的基于ICA特征子空间的目标识别方法
张波
张桂林
王新余
1.华中科技大学图像识别与人工智能研究所,图像信息处理与智能控制教育部重点实验室,武汉,4300742.华中科技大学图像识别与人工智能研究所,图像信息处理与智能控制教育部重点实验室,武汉,4300743.华中科技大学图像识别与人工智能研究所,图像信息处理与智能控制教育部重点实验室,武汉,430074
摘要：介绍了独立分量分析(ICA)的基本原理和算法,并提出了基于独立分量分析的特征子空间的目标识别方法.该方法首先利用快速独立分量分析(FastICA)算法对训练集目标图像进行ICA分解,据此建立特征子空间,然后根据待识别图像在特征子空间的投影系数进行判别.本文的改进在于根据类内类间距离比值最小化准则进行最有利于分类的特征的优化选择.实验结果显示,和传统方法相比,改进的方法能有效提高识别的准确率和效率.
关键词：独立分量分析特征子空间目标识别特征的优化选择
分类号：TP391(计算技术、计算机技术)
论文发表日期：2005-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：4( 63-66 )
英文信息