导读:本文包含了非参数化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:最近特征线,二维非参数化判别分析,子空间学习,ORL数据库
非参数化判别分析论文文献综述
张旭,张向群,赵伟,何岩峰[1]（2012）在《基于最近特征线的二维非参数化判别分析算法》一文中研究指出提出一种基于最近特征线(NFL)的二维非参数化判别分析算法,用于人脸识别等模式分类问题。该算法在子空间学习阶段运用NFL思想计算训练集中各样例的最近特征距离,计算得到低维投影空间,在低维投影空间中进行分类。通过ORL标准人脸数据库进行实验,结果表明该算法的鲁棒性优于传统算法。(本文来源于《计算机工程》期刊2012年14期）
张旭,曹健,刘玉树[2]（2010）在《二维非参数化判别分析方法中的人脸识别算法研究》一文中研究指出在使用传统线性判别分析方法计算类间散射矩阵时,使用类中心来近似表示各个类,类内散射矩阵的定义有一定的局限性,从而导致算法性能不稳定、小样本、数据的高斯分布假设及维数困扰等问题.提出了一种用于人脸识别的二维非参数化判别分析方法,对类间散射度矩阵和类内散射度矩阵进行了重新定义,考虑了各类数据的边界结构.通过在ORL标准人脸数据库上的实验结果,验证了算法相对于传统算法的鲁棒性和准确率.(本文来源于《北京理工大学学报》期刊2010年04期）
张旭,曹健,刘玉树[3]（2009）在《基于二维非参数化判别分析的人脸识别》一文中研究指出基于二维线性判别分析和非参数化判别分析的思想,提出了一种新颖的用于人脸识别的特征提取方法——二维非参数化判别分析方法.该方法解决了传统判别分析方法中的小样本问题与高斯分布假设问题.可以准确、高效地实现人脸识别.通过在ORL标准人脸数据库上的实验结果表明,算法相对于传统线性判别分析方法有显着优势.(本文来源于《北京理工大学学报》期刊2009年09期）
曾敏[4]（2009）在《基于非参数化判别分析的人脸识别研究》一文中研究指出生物特征识别技术以其独特的优势,已成为身份鉴别和认证的一个重要研究方向。人脸识别技术作为生物特征识别技术中的一种,同其它生物特征识别技术相比,具有直接、方便、易接受等特点,因而受到广泛关注。论文从经典的线性最佳描述特征入手,针对具有更好判别性能的判别分析方法,深入研究了子空间方法中典型的主成分分析、Fisher判别分析的人脸特征提取方法,并进行了大量的实验分析,主要内容如下:1.详细研究主成分分析(Principal Component Analysis, PCA)和线性判别分析(Linear Discriminant Analysis, LDA)的基本原理。分析了基于PCA的人脸识别方法;在分析PCA方法不能提取有效分类特征的缺点的基础上,实现了基于LDA的人脸识别方法,并进行了大量分析。实验结果表明,LDA可以获得优于PCA的识别率,缺点是不适用于线性不可分数据,不能提取隐藏在图象空间的非线性结构。2.针对LDA不能有效地提取图象空间的非线性结构,且最多只能提取c? 1个判别特征,使得分类性能不够理想等问题,研究了基于非参数化判别分析(Nonparametric Discriminant Analysis, NDA)的人脸识别方法。该方法借助非线性结构局部近似线性的思想,定义了新的类间散布矩阵和类内散布矩阵,然后通过最大化类间散布矩阵和最小化类内散布矩阵准则提取最优投影方向,使得投影后的特征不仅有效地保持了类内的局部结构,且类内分布具有较好的紧凑性,类间分布具有较好的可分性。此外,NDA提取的特征个数不受类别的限制。在ORL和AR数据库上的实验结果证实了算法的有效性。3.设计了基于NDA的人脸识别系统。详细介绍了实时人脸识别系统的设计原理、评价指标、模块的构成、流程图,并进行了分析。(本文来源于《西安电子科技大学》期刊2009-01-01）
非参数化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：
在使用传统线性判别分析方法计算类间散射矩阵时,使用类中心来近似表示各个类,类内散射矩阵的定义有一定的局限性,从而导致算法性能不稳定、小样本、数据的高斯分布假设及维数困扰等问题.提出了一种用于人脸识别的二维非参数化判别分析方法,对类间散射度矩阵和类内散射度矩阵进行了重新定义,考虑了各类数据的边界结构.通过在ORL标准人脸数据库上的实验结果,验证了算法相对于传统算法的鲁棒性和准确率.
（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。
非参数化判别分析论文参考文献
[1].张旭,张向群,赵伟,何岩峰.基于最近特征线的二维非参数化判别分析算法[J].计算机工程.2012
[2].张旭,曹健,刘玉树.二维非参数化判别分析方法中的人脸识别算法研究[J].北京理工大学学报.2010
[3].张旭,曹健,刘玉树.基于二维非参数化判别分析的人脸识别[J].北京理工大学学报.2009
[4].曾敏.基于非参数化判别分析的人脸识别研究[D].西安电子科技大学.2009
标签：最近特征线; 二维非参数化判别分析; 子空间学习; ORL数据库;