本发明公开了基于特征谱正则化的格拉斯曼流形判别分析图像识别方法，包括：将标准正交基集合组成的格拉斯曼流形映射到希尔伯特空间得到向量组；依据图嵌入理论框架建立局部保持矩阵并通过权重框架函数执行正则化操作得到变换矩阵，通过变换矩阵对向量组投影得到新的样本空间；对新的样本空间结合权重邻接矩阵求解方程得到降维投影矩阵，根据变换矩阵与其组合得到的最终矩阵提取训练视频图像集合与待识别视频图像集合的降维特征并进行相似度比较得到识别结果。本发明利用特征谱正则化技术解决了GDA方法在判别分析中因类内散度矩阵奇异而导致求逆不稳定、泛化能力差的问题；且加入图嵌入理论框架使得算法能更好地保持局部信息以获得更好的识别结果。
📄 2019109430718
📂 G06V20_40
👤 广州大学
📅 2019-09-30
本发明公开了复合材料缺陷热影像图的局部敏感判别分析方法，包括如下步骤：1)获取缺陷热成像序列集；2)设置初始参数并计算最近邻距离；3)构造最近邻域图得到权值矩阵；4)计算拉普拉斯算子构造最佳目标函数；5)特征值分解得到低维嵌入；6)缺陷图像重构及评估；本发明从仿真数据中提取的特征及建立复合材料缺陷热影像图的局部敏感判别模型并对训练模型进行评估，LSDT方法更好地将信息进行处理，可以在很大程度上分离不均匀背景，缺陷特征和测量噪声，从而更加有助于进行缺陷识别。
📄 2020113712616
📂 G06T7_00
👤 浙江工业大学
📅 2020-11-30
本发明提出一种基于脑网络和正则化判别分析的脑电分析方法，该方法使用脑网络方法，进行脑电信号的特征提取，根据得到的邻接矩阵来对脑网络进行构建，通过将每个节点的度信息绘制在脑地形图中，令大脑的活动状态变得可视化，可以更直观的观察到大脑活动的神经机制，再通过正则化判别分析最终得到分类结果，具有更高的分类识别率。
📄 2019112823731
📂 A61B5_372
👤 燕山大学
📅 2019-12-13
本发明公开了一种基于驾驶员突发疾病判别分析方法的车辆控制系统，涉及驾驶行为预测管理技术领域，系统包括:驾驶员身体特征监测模块用于收集驾驶员身体特征数据；数据信息分析模块用于判断驾驶员是否突发疾病；车联网模块用于连接车辆和数据中心，发送信号指令至接下来的模块；警告警报模块用于驾驶员突发疾病时警告周边人员注意安全；交通状态控制模块用于启动高级辅助驾驶模式控制行驶状态；外部协调管理模块用于使交通安全部门通过消息提示在异常行驶的预设影响范围内人员。本发明可以实时监测驾驶员的身体状态，还通过内外警报、交通状态控制以及外部协调管理减少可能产生的事故影响范围和程度。
📄 2024108309182
📂 B60W40_08
👤 华东交通大学
📅 2024-06-26
本发明公开了一种基于半监督加权迁移判别分析的图像分类方法，属于机器学习技术领域。该方法在传统特征迁移方法基础上引入样本的差异性权重，构造特征迁移分类模型，来解决图像跨领域分类问题。本发明首先设计一种跨领域均值逼近权重。其次，将跨领域均值逼近权重引入最大均值差异度量MMD，并对联合分布调整JDA进行提升改造。然后，将加入半监督判别分析SDA，充分挖掘标签信息和数据的原始空间结构信息，提高算法的类别可分性。本发明能有效抽取领域间高质量的共享特征，提升知识在领域间的迁移效率，获取更高的分类精度。
📄 2021100758461
📂 G06V10_764
👤 河南普林自控设备有限公司
📅 2021-01-20
本发明公开了一种模糊线性判别分析的牛奶产地溯源方法，包括步骤：(1)牛奶近红外光谱数据采集；(2)利用最小二乘平滑滤波算法对光谱数据进行预处理；(3)利用主成分分析对牛奶近红外光谱数据进行降维；(4)采用一种模糊线性判别分析方法实现对牛奶近红外光谱数据中鉴别信息的提取；(5)利用K近邻分类器对光谱数据进行分类。本发明解决了传统的特征提取方法在面对数据集中的有较多重叠数据时分类效果不理想的问题，能够有效地提取出光谱数据中所包含的鉴别信息。本发明具有便捷，检测速度快，分类精度高等优点。
📄 202111661905X
📂 G06Q30_00
👤 江苏大学
📅 2021-12-30
本发明公开一种基于线性判别分析与粒子群优化支持向量机的故障诊断方法，属于故障诊断技术领域。该方法首先采集待诊断部件的原始正常状态振动信号与故障状态振动信号，然后基于时域、频域与时频域的信号处理方法，提取能表征部件状态信息的特征指标，构建高维混合域特征集；对训练样本高维混合域特征集和测试样本高维混合域特征集进行线性判别分析降维技术处理，得到训练样本低维特征集和测试样本低维特征集，然后将训练样本低维特征集输入到粒子群优化支持向量机中进行模型训练，再用训练好的PSO‑SVM模型对降维处理后的测试样本低维特征集进行模式识别，最后根据分类结果识别该部件的故障类型。本发明方法具有较高的诊断精度。
📄 201911133818X
📂 G06N3_006
👤 安徽工业大学
📅 2019-11-19
本发明是一种基于四元数广义判别分析的RGB‑D目标识别方法，包括基于四元数的RGB‑D图像表征方式、定义四元数广义判别分析、基于平均行和平均列的双向四元数广义判别分析识别方法；其中，基于四元数的RGB‑D图像表征方式解决了现有四元数彩色图像表征方式在采用四维四元数表征三维彩色图像时存在数据冗余和额外计算开销的不足的问题，将核函数引入四元数子空间分析领域，定义四元数广义判别分析，解决了现有四元数子空间分析算法对四元数非线性信号处理效果不理想的问题，最终通过基于平均行和平均列的双向四元数广义判别分析识别方法，消除了针对RGB‑D识别过程中四元数核矩阵特征分解计算复杂度过于庞大的问题，进而提高了该目标识别方法的识别效果。
📄 2018111766440
📂 G06K9_00
👤 南京信息工程大学
📅 2018-10-10
柿子坊 · 知识产权运营
柿子坊知识产权运营平台