搜索结果: 1-9 共查到“人工智能 ICA”相关记录9条 . 查询时间(0.093 秒)
基于ICA的卵巢癌质谱数据分析
独立成分分析 特征提取 散布度
2009/8/19
卵巢癌蛋白质谱数据属于高通量数据，含有大量冗余信息，且许多重要信息都包含在高阶信息中，而独立成分分析可以从高阶信息中提取有用特征。将传统的独立成分分析融入卵巢癌蛋白质谱数据的特征提取中，并利用类信息机制监督独立成分分析过程。仿真实验结果表明，独立成分分析和监督式独立成分分析在卵巢癌蛋白质谱数据集研究过程中取得了良好的效果，识别率可达98%。
基于CCIPCA和ICA降维的文本分类研究
特征降维 独立成分分析 支持向量机
2009/7/21
文本分类中采用向量空间模型来表达文本特征，维数巨大，关键是对高维的特征集进行降维处理，而一般的分解算法无法处理大规模的高维问题。采用CCIPCA与ICA相结合的特征提取方法可以有效地实现文本特征降维。实验结果表明降维提高了分类器的效率和效果。
基于ICA和NFL与NN联合分类器的人脸识别
独立变量分析 最近邻特征线分类器 最近邻分类器
2009/7/21
提出了一种基于最近邻特征线（NFL）与最近邻（NN）联合分类器进行人脸识别的方法。首先对人脸图像用主成分分析（PCA）降维，然后用快速独立变量分析（FastICA）提取独立基，分类时采用最近邻特征线和最近邻分类器的联合分类器进行分类。该方法综合了NFL和NN的优势，充分利用了同类之间相似，距离最短的性质。实验表明此方法提高了人脸识别率，是一种可行的人脸识别方法。
基于ICA与聚类分析的支持向量机分类研究
独立成分分析 聚类分析 相关关系
2009/7/21
在ICA与聚类分析的基础上提出了一种改进的支持向量机分类模型——ICSVM模型。ICSVM模型中利用一种指标筛选算法与独立成分分析的方法将各数据指标转化为互相独立成分的数据指标。接着运用K-means方法对独立成分样本数据集进行聚类分析，再由获得的各子类中心数据构造初始的超平面，筛选出靠近初始超平面的支持类与亚支持类，并展开支持类与亚支持类中的样本数据点重新构造超平面，以便对数据进行分类。实验表明...
ICA和改进的SVM在有限集字符识别中的应用
独立分量分析 特征提取 字符识别
2009/5/13
介绍了独立分量分析(ICA)基本原理和算法，提出了一种基于独立分量分析和支持向量机的有限集字符识别新方法。对传统向量机解决多分类问题的“一对一”模式进行了改进，将传统向量机的“一对一”模式存在的不可分区域减小到可以忽略的程度，克服了不可分区域的影响。该算法可应用于车牌字符、手写体英文字母、手写体数字、印刷体字母、印刷体数字等有限集字符的识别。在大量的车牌汉字和手写体英文字母自动识别实验中，取得了高...
基于复合型神经网络的非线性ICA及其在SCP少次提取中应用研究
非线性ICA 互信息 全体学习
2009/4/30
该文提出一种基于MISEP和NLFA方法的复合无监督多层感知神经网络模型解决非线性独立分量分析(ICA)的解混问题,并对MISEP神经网络中用到的两种Sigmoid函数及新引入的径向基函数(RBF)作了信号分离性能的对比分析。实验结果表明,本文方法可以更好地从非线性混合信号中复现源信号,稳定性高,同时应用于慢皮层电位(SCP)的少次提取,经与相干平均法比较,波形的整体提取效果明显。
基于CGA和ICA的人脸特征提取方法研究
快速独立分量分析 遗传算法 人脸识别
2009/3/6
独立分量分析方法是一种有效的人脸特征提取方法。为了提高独立分量分析法表征人脸特征空间的能力，采用遗传算法对特征空间进行选择优化，获得最优的人脸特征子集。针对遗传算法的随机初始化个体分布不均匀性问题，采用混沌种群生成算法，使遗传算法的搜索更具有全局性。仿真实验表明，该方法的识别率明显优于单一独立分量分析方法。
基于ICA-MJE和SVM的虹膜特征提取与识别
虹膜识别 特征提取 独立分量分析
2009/2/8
提出了一种新的虹膜特征提取与识别方法。对虹膜纹理采用最大判别熵的独立分量分析(ICA-MJE)实现特征提取,通过支持向量机(SVM)完成模式匹配。与Gabor小波的方法比较，在编码长度和编码时间方面有明显地改进。实验结果表明，该算法能更好地提高虹膜的识别率并能够有效地应用于身份识别系统中。
AN ICA BASED METHOD FOR TEXTURE RECOGNITION
Independent Component Analysis Negentropy Pattern Recognition
2010/1/12
The method proposed in this paper uses the Independent Component Analysis (ICA) for an application of unsupervised recognition of textures. The analysed texture is modelled by a weighted sum of almost...