基于双线性联合稀疏判别分析的步态识别方法.pdf

本发明提出的基于L2,1范数的双线性联合稀疏判别分析的步态识别方法，使用两个投影矩阵将原始的包含步态轮廓的图像投影到低维的特征矩阵中。与传统的基于矩阵分解的降维算法相比，本发明能够更好的进行特征提取与特征选择。为了增强算法的判别能力和分类的精度，联合稀疏性和Fisher判决标准融入到算法中来选取更有效的分类特征。本发明的创新点是使用L2,1范数作为正则项作用于投影矩阵，从而改进了基于l1范数和l2范数的弹性网正则稀疏回归方法存在的缺点。本发明的方法利用迭代回归方法来学习具有联合稀疏特性的投影矩阵进行特征提

2023-10-11

10

786KB

局部约束组稀疏表示的步态识别方法.docx

局部约束组稀疏表示的步态识别方法摘要：步态识别是人体运动分析和生物特征识别领域的一个研究热点。其中，姿态和运动模式的识别是步态识别的关键问题。针对局部约束组稀疏表示的步态识别方法，本文提出一种基于支持向量机的算法。通过实验结果的分析，表明该算法可以有效地提高步态识别的准确率和鲁棒性。1.引言步态识别是人体运动的一种重要特征，不仅可以用于锻炼、身体健康等方面，同时也可以应用于生物识别等领域。越来越多的研究表明，步态识别可以为改善康复治疗和不同行业的人身份识别提供极大的便利。步态识别的难点在于姿态和运动模式的

2024-11-02

5

11KB

基于稀疏重构的判别分析.docx

基于稀疏重构的判别分析基于稀疏重构的判别分析摘要：稀疏重构的判别分析（sparserepresentation-baseddiscriminativeanalysis，SRDA）是一种将稀疏重构和判别分析相结合的新兴方法。SRDA通过对输入数据进行稀疏编码和低维投影来实现高维数据的降维和分类。本文首先介绍了SRDA的基本原理和算法流程，然后分析了SRDA的优点和局限性。接着，我们回顾了SRDA在图像识别、人脸识别和生物信息学等领域的应用，并对其未来发展进行了展望。关键词：稀疏重构、判别分析、降维、分类、图

2024-11-12

5

11KB

基于多特征联合稀疏表示的SAR舰船目标识别方法.docx

基于多特征联合稀疏表示的SAR舰船目标识别方法基于多特征联合稀疏表示的SAR舰船目标识别方法摘要：合成孔径雷达（SAR）广泛应用于舰船目标的识别与检测。然而，由于SAR图像存在噪声、目标形状复杂等问题，直接对SAR图像进行处理难以取得理想结果。针对这一问题，本论文提出了一种基于多特征联合稀疏表示的SAR舰船目标识别方法。首先，通过对原始SAR图像进行预处理，如去噪、减小影响因素等，得到优化的SAR图像。然后，构建多特征集合，包括边缘特征、纹理特征和形状特征。接着，采用联合稀疏表示方法将多特征进行融合，以获

2024-10-23

5

11KB

基于深度学习的步态识别方法.docx

基于深度学习的步态识别方法基于深度学习的步态识别方法摘要：步态识别作为一种生物特征识别的技术，具有广泛的应用前景。本文提出了一种基于深度学习的步态识别方法，该方法利用深度神经网络模型来提取步态特征并进行分类识别。实验结果表明，该方法在步态识别准确率和鲁棒性方面具有较好的性能，可以用于实际应用中的人体认证、健康监测等领域。关键词：步态识别；深度学习；深度神经网络；特征提取；分类识别1.引言步态识别是一种基于人体步行特征进行个体鉴别和行为识别的技术。相比传统的生物特征识别方法如指纹、面部识别等，步态识别具有非

2024-10-20

5

12KB