导读:本文包含了局部敏感判别分析论文开题报告文献综述及选题提纲参考文献，主要关键词:城市交通,特征提取,局部敏感判别分析,路网状态
局部敏感判别分析论文文献综述
徐丽香,王云鹏,于海洋[1]（2016）在《基于局部敏感判别分析的路网状态特征提取模型研究》一文中研究指出为简化路网状态表达,最大限度地实现路网信息增值,本文构建了从海量历史交通数据中提取特征参量来表达路网运行状态的模型.模型选取城市区域路网的流量、车速和密度数据,综合考虑交通数据的非线性和相关性,基于自适应邻域选择的局部敏感判别分析算法,实现城市路网数据特征提取.通过实例验证了模型的有效性.结果表明:本文得到的特征参量能有效地描述路网状态变化的24 h周期性,可直观反映早晚高峰现象及工作日与周末的区别性;与核主成分分析算法比较,模型得到的特征参量具有可分性更好的特点,可以表达宏观路网运行状态,为交通管理者提供决策依据.(本文来源于《交通运输系统工程与信息》期刊2016年03期）
张善文,张传雷,张云龙[2]（2013）在《基于二维局部敏感判别分析法的雷达目标识别》一文中研究指出由于在不同的观察角度、位置以及光照等条件下雷达目标图像之间差异较大,使得很多经典的维数约简和特征提取算法不能有效地用于飞机目标图像识别。基于二维局部敏感判别分析(2DLSDA),提出了一种雷达目标识别方法。首先构造类内和类间邻域关系图,计算两个邻域图上的权重矩阵;然后基于Schur分解求出两个正交变换矩阵,得到映射矩阵,对观察数据进行维数约简,由此有效地克服小样本问题。对飞机目标的分类实验结果表明,该方法是有效可行的。(本文来源于《电光与控制》期刊2013年04期）
张善文,巨春飞[3]（2012）在《基于改进的局部敏感判别分析的步态识别方法》一文中研究指出相对于人脸和指纹等广泛使用的生物特征识别手段而言,步态识别是一种相对新的非接触式的身份识别方法。提出了一种基于改进的局部敏感判别分析的步态识别方法。在真实的步态数据库上的实验结果表明,提出的步态识别方法是有效可行的。(本文来源于《计算机工程与应用》期刊2012年25期）
高玮军,白万荣,公维军,陈作汉[4]（2012）在《基于自适应邻域选择的正交局部敏感判别分析》一文中研究指出维数灾难是机器学习算法在高维数据上学习经常遇到的难题,基于局部敏感判别分析(locality sensitive discrimi-nant analysis,LSDA),可以很好地解决维数灾难问题。且LSDA构建邻域时不能充分反映流形学习对邻域要求和克服测度扭曲问题,利用自适应邻域选择方法来度量邻域,同时,引入施密特正交化获得正交投影矩阵,提出一种自适应邻域选择的正交局部敏感判别分析算法。在ORL和YALE人脸数据库上进行实验,实验结果表明了该算法的有效性。(本文来源于《计算机工程与设计》期刊2012年05期）
易玉根[5]（2012）在《基于改进的局部敏感判别分析的特征提取方法研究》一文中研究指出特征提取是高维数据处理和分析中非常重要的步骤，也是解决高维数据所产生的维数灾难问题最有效、最核心的方法之一。在短短的几十年内，许多研究学者提出了大量的特征提取方法，其主要分为线性方法（如主成份分析）和非线性方法（如基于核和基于流形学习）。其中，流形学习是近十年迅速发展起来的特征提取方法，也是当前模式识别和机器学习等领域的研究热点。最近，局部敏感判别分析（Locality Sensitive Discriminant Analysis，LSDA）作为一种有效地基于流形学习的特征提取方法被提出，其主要通过分析高维数据的局部流形结构，使近邻中同类样本点在低维子空间中更近而不同类的样本点彼此相互远离。然而，由于局部敏感判别分析算法只考虑了数据流形的局部信息，所以其不能有效地处理包含局外点（outliers point）的数据集。为了有效地解决这个局限性，本文提出一种新的特征提取方法——改进的局部敏感判别分析（Improved Locality Sensitive Discriminant Analysis，ILSDA）。在ILSDA算法中，引入类内散度矩阵，通过最小化类内散度矩阵使局外点与其类中心更近。因此，ILSDA不仅可以保持数据局部判别邻域结构，而且能够得到更为紧致的低维特征。另外，为了提高算法计算效率，本文提出一种有效的方法实现ILSDA。本文最后将提出的改进的局部敏感判别分析算法分别在标准人脸数据库和基因数据库上进行大量实验，结果验证了算法的可行性和有效性。(本文来源于《东北师范大学》期刊2012-05-01）
局部敏感判别分析论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
由于在不同的观察角度、位置以及光照等条件下雷达目标图像之间差异较大,使得很多经典的维数约简和特征提取算法不能有效地用于飞机目标图像识别。基于二维局部敏感判别分析(2DLSDA),提出了一种雷达目标识别方法。首先构造类内和类间邻域关系图,计算两个邻域图上的权重矩阵;然后基于Schur分解求出两个正交变换矩阵,得到映射矩阵,对观察数据进行维数约简,由此有效地克服小样本问题。对飞机目标的分类实验结果表明,该方法是有效可行的。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
局部敏感判别分析论文参考文献
[1].徐丽香,王云鹏,于海洋.基于局部敏感判别分析的路网状态特征提取模型研究[J].交通运输系统工程与信息.2016
[2].张善文,张传雷,张云龙.基于二维局部敏感判别分析法的雷达目标识别[J].电光与控制.2013
[3].张善文,巨春飞.基于改进的局部敏感判别分析的步态识别方法[J].计算机工程与应用.2012
[4].高玮军,白万荣,公维军,陈作汉.基于自适应邻域选择的正交局部敏感判别分析[J].计算机工程与设计.2012
[5].易玉根.基于改进的局部敏感判别分析的特征提取方法研究[D].东北师范大学.2012