排序方式: 共有3条查询结果,搜索用时 0 毫秒
1
1.
主成分分析(PCA)是一种无监督的线性降维方法,能有效地提取模式的类内特征,当样本之间出现高度相关性或多重相关性时,PCA提取的主成分解释能力不够。鉴于PCA的缺点,采用一种有监督的鉴别特征提取法——偏最小二乘(PLS),在保留输入变量的最大信息条件下,先在输入和输出变量组中建立模型,再用非线性迭代法提取类间特征,直至隐变量收敛。在ORL人脸库和Yale人脸库中实验结果表明,该算法具有有效性。 相似文献
2.
棘波是癫痫疾病诊断和癫痫灶评估的重要标志,脑磁图设备能更精确地捕捉到癫痫患者在发作间期的棘波信号。然而,目前临床医生仍依赖于手动方法标记棘波信号,缺少便捷离线的多通道棘波检测方法。提出一种脑磁图的多通道棘波检测方法,针对给定时间宽度的多通道脑磁图信号的时间序列可以看作为一个二维矩阵,利用二维主成分分析(2DPCA)方法提取该矩阵的本征特征,再结合最近邻分类器实现离线的多通道棘波信号检测。通过临床癫痫患者的脑磁图信号验证表明,提出的方法棘波信号检测率高达93.23%,且该方法是有效的。 相似文献
3.
1