导读:本文包含了二次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:人头重识别,高斯混合模型,Fisher向量,度量学习
二次判别分析论文文献综述
何敬霞,薛彦兵,李胜利,张桦,王志岗[1]（2019）在《局部Fisher向量编码与交叉视角二次判别分析的人头重识别》一文中研究指出目前行人重识别主要是基于完整人体的研究,但是某些特定场景下,完整行人图片难以获取,因此本文建立一个基于人头的重识别数据库,并提出了相关算法.算法采用局部Fisher向量编码和交叉视角二次判别分析算法,首先基于HSV颜色信息去描述特征,使用高斯混合模型对特征数据建模,然后Fisher向量加权聚合,最后对样本的低维特征子空间和度量矩阵同时进行学习.实验及分析证明了基于人头的重识别算法的可行性,其中基于Rank1的重识别率达到89.29%.(本文来源于《天津理工大学学报》期刊2019年01期）
李亚庆,柳婵娟,马振磊[2]（2018）在《基于改进的交叉二次判别分析的行人再识别》一文中研究指出行人再识别的任务是匹配不同摄像机在不同时间、地点拍摄的人体目标.受光照条件、背景、遮挡、视角和姿态等因素影响,不同摄像机下的同一目标差异较大.针对交叉二次判别分析算法(XQDA)中的矩阵奇异问题,本文提出了一种基于PLDA改进的交叉二次判别分析方法,即PLDA-XQDA算法.在PRID 2011,i LIDSVID数据集上进行实验,结果表明:本文方法与已有的基于视频的度量学习方法相比,PRID 2011和i LIDSVID数据集匹配率分别提高了1.23%和1.07%;与已有的基于图像的度量学习方法相比,PRID 2011和i LIDS-VID数据集匹配率分别提高了12.92%和15.34%.(本文来源于《鲁东大学学报(自然科学版)》期刊2018年02期）
胡永恒,杜鸿[3]（2016）在《基于二次判别分析法颜色识别研究》一文中研究指出随着图像识别技术的发展,利用医学成像、图像识别和数据处理来分析尿样试纸也是未来的一个发展方向。针对尿样试纸被检测颜色块有效面积小、受光照条件影响严重、直方图匹配可行性差、采样数据有限等不足,提出了基于QDA(Quadratic discriminant analysis)和LDA(Linear discriminant analysis)相结合的判别分析算法。该算法通过对采集的图像直接进行数据采样,可减少颜色空间转换带来的的误差;考虑s RGB颜色空间的相关性和采样数据构成的协方差矩阵的差异做判别分析。通过实验验证,该算法能够有效提升识别效率。(本文来源于《科技风》期刊2016年18期）
刘佳,赵秀娟,裴智勇,秦笙,蔡禄[4]（2012）在《离散增量结合二次判别分析预测人类DNA甲基化位点》一文中研究指出DNA甲基化作为直接作用于DNA序列的一种表观遗传修饰,能够在不改变DNA分子一级结构的情况下影响基因表达,在生命活动中扮演着重要的角色.在哺乳动物中,DNA甲基化主要发生在C_pG二核苷酸的胞嘧啶上,并且在基因组中呈现不均匀分布.准确预测DNA甲基化位点有助于阐明DNA甲基化对基因表达的调控作用,并为肿瘤的早期诊断及治疗提供新的依据.本文应用离散增量结合二次判别分析的方法,对人类的C_pG二核苷酸甲基化状态进行了识别.5折交叉检验的整体准确率超过了80%,受试者操作特性曲线面积也达到了0.86.与现有方法相比,预测成功率显着提高.这说明离散增量结合二次判别分析方法适用于甲基化位点的预测;基因组序列中甲基化位点具有序列依赖性.(本文来源于《生物数学学报》期刊2012年03期）
杨慧中,贾淑矿[5]（2010）在《基于二次判别分析的多模型建模方法》一文中研究指出针对单一软测量模型难以精确描述复杂非线性的化工生产过程的问题,为提高软测量模型的预测精度,基于多模型建模思想,提出一种基于二次判别分析的支持向量机多模型建模方法。首先依据样本输出空间的值区间把样本集合分为若干子集,并分别对每个子集建立基于支持向量机算法的子模型,多个子模型采用"开关切换"方式连接。对于未知类别的输入数据,依据各子集的先验类别信息,用二次判别分析算法判断其所属类别,并以输入向量所属类别的支持向量机模型的输出作为多模型的最终输出。工业仿真实例表明,该建模方法建立的多支持向量机模型比单一支持向量机模型具有更高的预测精度。(本文来源于《控制工程》期刊2010年05期）
王卫东,杨静宇[6]（2008）在《采用虚拟训练样本的二次判别分析方法》一文中研究指出小样本问题会造成各类协方差矩阵的奇异性和不稳定性.本文采用对训练样本进行扰动的方法来生成虚拟训练样本,利用这些虚拟训练样奉克服了各类协方差矩阵的奇异性问题,从而可以直接使用二次判别分析(Quadratic discriminant analysis,QDA)方法.本文方法克服了正则化判别分析(Regularized discriminant analysis,RDA)需要进行参数优化的问题.实验结果表明,QDA的模式识别率优于参数最优化时RDA算法的识别率.(本文来源于《自动化学报》期刊2008年04期）
胡煜[7]（2007）在《主分量分析方法和二次判别分析方法应用于基因芯片数据分析》一文中研究指出本文主要采用主分量分析方法和二次判别分析(QDA)有监督分类的方法来对基因芯片(微阵列)数据进行分析。PCA是一种提取海量的数据有效特征的有效方法。可以获得与原来基因芯片数据更为接近的成分的提取特征的效果。实验表明采用PCA方法事先对数据处理不可以提高基因芯片数据分析的准确性。得出结论可为工业应用提供科学依据。(本文来源于《广东技术师范学院学报》期刊2007年10期）
胡煜[8]（2007）在《偏最小二乘方法和二次判别分析方法应用于基因芯片数据分析》一文中研究指出主要用偏最小二乘(PLS)方法和二次判别分析(QDA)有监督分类的方法来对基因芯片(微阵列)数据进行分析.PLS是一种提取海量的数据有效特征的有效方法,可以获得与原来基因芯片数据更为接近的成分的提取特征的效果.结果表明用PLS方法事先对数据处理可以提高基因芯片数据分析的准确性.(本文来源于《鞍山师范学院学报》期刊2007年04期）
张庆丰[9]（2007）在《利用Logistic二次回归法提高判别分析效率》一文中研究指出线性回归是使用最广泛的关于相关数据的分析方法之一,其基本作用在于利用预测变量去预测和解释响应变量,但是它往往局限于响应变量是度量变量的情形;与此形成对照的是,判别分析可以用来解决响应变量是非度量变量的情形,但是它又不具有回归分析所具备的良好的统计特征,而能够把这两者结合起来的一个纽带就是Logistic回归。本文从对一般线性回归应用于二分类变量的局限性出发,通过比较Logistic回归与一般线性回归的联系与区别,对Logistic回归模型进行了讨论。然后通过分析Logistic回归的特点得到了将其应用于判别分析的思想方法,特别是提出了一种新的将Logistic回归应用于判别分析的方法,文章最后通过一个关于英语学习研究的实际案例表明了该方法的有效性。(本文来源于《华北电力大学（北京）》期刊2007-01-05）
施能[10]（1992）在《利用Kullback散度的多组二次判别分析》一文中研究指出本文介绍用两个线性变换将 m 维因子向量进行变换,建立二次判别函数的方法.这种变换的优点在于可用 Kullback 散度指标对二次判别函数进行组合和优选.大量计算实例表明,这种方法的效果优于其它判别分析方法.(本文来源于《数学的实践与认识》期刊1992年02期）
二次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：
行人再识别的任务是匹配不同摄像机在不同时间、地点拍摄的人体目标.受光照条件、背景、遮挡、视角和姿态等因素影响,不同摄像机下的同一目标差异较大.针对交叉二次判别分析算法(XQDA)中的矩阵奇异问题,本文提出了一种基于PLDA改进的交叉二次判别分析方法,即PLDA-XQDA算法.在PRID 2011,i LIDSVID数据集上进行实验,结果表明:本文方法与已有的基于视频的度量学习方法相比,PRID 2011和i LIDSVID数据集匹配率分别提高了1.23%和1.07%;与已有的基于图像的度量学习方法相比,PRID 2011和i LIDS-VID数据集匹配率分别提高了12.92%和15.34%.
（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。
二次判别分析论文参考文献
[1].何敬霞,薛彦兵,李胜利,张桦,王志岗.局部Fisher向量编码与交叉视角二次判别分析的人头重识别[J].天津理工大学学报.2019
[2].李亚庆,柳婵娟,马振磊.基于改进的交叉二次判别分析的行人再识别[J].鲁东大学学报(自然科学版).2018
[3].胡永恒,杜鸿.基于二次判别分析法颜色识别研究[J].科技风.2016
[4].刘佳,赵秀娟,裴智勇,秦笙,蔡禄.离散增量结合二次判别分析预测人类DNA甲基化位点[J].生物数学学报.2012
[5].杨慧中,贾淑矿.基于二次判别分析的多模型建模方法[J].控制工程.2010
[6].王卫东,杨静宇.采用虚拟训练样本的二次判别分析方法[J].自动化学报.2008
[7].胡煜.主分量分析方法和二次判别分析方法应用于基因芯片数据分析[J].广东技术师范学院学报.2007
[8].胡煜.偏最小二乘方法和二次判别分析方法应用于基因芯片数据分析[J].鞍山师范学院学报.2007
[9].张庆丰.利用Logistic二次回归法提高判别分析效率[D].华北电力大学（北京）.2007
[10].施能.利用Kullback散度的多组二次判别分析[J].数学的实践与认识.1992