文献检索-宁波市创意产业特色资源库

限定检索结果

应用于水下生物识别的联合范数主成分分析算法: 收藏
分享
引用; 《光电子．激光》2022年第10期33卷 1067-1074页; 作者：张浣星王肖锋武刚天津市先进机电系统设计与智能控制重点实验室天津理工大学天津300384 机电工程国家级实验教学示范中心天津理工大学天津300384; 针对F范数对离群数据较为敏感,而L1范数能降低离群数据的影响,但无法有效控制重构误差的问题,本文将L1范数与F范数同时作为目标函数的距离度量方式,提出了二维主成分分析(two-dimensional principle component analysis,2DPCA)联合算法2...; 针对F范数对离群数据较为敏感,而L1范数能降低离群数据的影响,但无法有效控制重构误差的问题,本文将L1范数与F范数同时作为目标函数的距离度量方式,提出了二维主成分分析(two-dimensional principle component analysis,2DPCA)联合算法2DPCA-F-L1,并给出了其非贪婪求解方法。该算法确保了对图像的分类能力,同时也降低了图像重构时的平均重构误差。本文将提出的2DPCA-F-L1算法在应用于水下生物图像识别时,可以抑制水下光学影像存在的噪声干扰。实验证明,该算法能够精确地识别水下生物的种类,并且在图像重构时相较于其他主成分分析(principle component analysis,PCA)算法具有更优的鲁棒性。; 来源：详细信息评论

限定检索结果