导读:本文包含了核线性判别论文开题报告文献综述及选题提纲参考文献，主要关键词:核函数,线性判别分析,多特征融合,特征偏好
核线性判别论文文献综述
高全力,高岭,石美红,朱欣娟,陈锐[1]（2019）在《多特征的核线性判别分析推荐方法》一文中研究指出为提高在非线性可分数据上的推荐质量,采用基于核函数的多特征线性判别分析建立推荐模型.基于多维特征数据,采用非线性映射转换到高维特征空间,通过构建基于核的映射函数,将特征映像转换为内积空间的特征子集,最终建立基于核函数的多特征线性判别分析的分类准则,对于用户喜好的物品进行分类判别并生成推荐.实验结果表明:在20%、40%、60%、80%的数据作为训练集,其余为测试集的实验条件下,随着推荐列表长度|R|的增加,推荐准确率呈现先升后降的趋势,在25≤|R|≤35区间内,能够取得最优的平均绝对误差0.34.所提方法与现有方法相比准确率平均提升18.01%,多样性平均提升42.29%,而所用时间开销仅增加6.21%.对历史偏好数据进行特征映射,有助于提高推荐准确率与多样性.(本文来源于《东南大学学报(自然科学版)》期刊2019年05期）
马家军[2]（2016）在《针对人脸个体差异性的核线性判别分析》一文中研究指出分析人脸特征结构,提出针对人脸个体差异性的核线性判别分析。首先,利用QR分解和正交投影提取出能够描述人脸个体差异的特征。然后,应用核技术将描述人脸个体差异的特征集投影到高维空间;最后,利用线性判别分析对高维空间中的数据进行分类识别,并在FERET、PIE和AR数据库上进行仿真实验。实验结果表明,本文算法与核线性判别分析、核主成分分析相比能够去除人脸的公共特征,从而提高了正确识别率和识别的稳定性。(本文来源于《商洛学院学报》期刊2016年02期）
马家军[3]（2015）在《基于核线性判别分析的人脸个体差异识别算法》一文中研究指出针对人脸特征的结构,提出了人脸个体差异识别算法.首先,通过QR分解和正交投影得到人脸中的个体差异特征;然后,利用核技术将描述人脸个体差异的特征数据投影到高维空间;最后,利用线性判别分析对高维空间中的数据进行分类识别.在FERET、PIE和AR数据库上进行仿真实验,验证了该算法的有效性和稳定性.(本文来源于《河南科学》期刊2015年12期）
王金甲,胡备[4]（2012）在《脑机接口的广义核线性判别分析方法研究》一文中研究指出针对脑机接口中脑电信号处理,提出了一种基于核方法和广义奇异值分解(GSVD)的广义核线性判别分析(GKLDA)方法,对两类脑电信号进行特征提取。首先在非线性核函数映射的核空间对样本做线性判别分析,针对"小样本采样问题",采用GSVD求解一种非线性空域滤波器。算法验证中,采用BCI竞赛一数据集、竞赛二数据集Ⅳ和竞赛叁数据集ⅢB中S4b等3组公开数据,以及一组自行采集的想象左右手运动的数据,同时分别与核共空间模式(KCSP)、核线性判别分析(KDA)、广义判别分析(GDA)进行对比。分类器采用Fisher线性判别分析分类器。所提出的方法针对3组公开数据,正确率分别为93%、77%、80%,自行数据正确率为97%,且优于其他几种核方法。实验结果表明,GKLDA方法是脑机接口中一种新的有效的特征提取方法。(本文来源于《中国生物医学工程学报》期刊2012年01期）
刘笑嶂,冯国灿[5]（2009）在《多重核线性判别分析及其权值优化》一文中研究指出为了提高非线性分类精度,借鉴在支持向量机(SVM)框架下发展起来的多重核学习方法,针对基于核的线性判别分析(KLDA)构造多重核。进而,使用拉格朗日乘子法优化最大边缘准则(MMC),提出了多重核权值优化算法。在FERET和CMUPIE人脸图像库上的实验表明,与基于单个核的LDA相比,多重核线性判别分析能够达到更高的分类性能。(本文来源于《计算机应用》期刊2009年09期）
核线性判别论文开题报告
（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：
分析人脸特征结构,提出针对人脸个体差异性的核线性判别分析。首先,利用QR分解和正交投影提取出能够描述人脸个体差异的特征。然后,应用核技术将描述人脸个体差异的特征集投影到高维空间;最后,利用线性判别分析对高维空间中的数据进行分类识别,并在FERET、PIE和AR数据库上进行仿真实验。实验结果表明,本文算法与核线性判别分析、核主成分分析相比能够去除人脸的公共特征,从而提高了正确识别率和识别的稳定性。
（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。
核线性判别论文参考文献
[1].高全力,高岭,石美红,朱欣娟,陈锐.多特征的核线性判别分析推荐方法[J].东南大学学报(自然科学版).2019
[2].马家军.针对人脸个体差异性的核线性判别分析[J].商洛学院学报.2016
[3].马家军.基于核线性判别分析的人脸个体差异识别算法[J].河南科学.2015
[4].王金甲,胡备.脑机接口的广义核线性判别分析方法研究[J].中国生物医学工程学报.2012
[5].刘笑嶂,冯国灿.多重核线性判别分析及其权值优化[J].计算机应用.2009