作者:丁思静; 孙中阳; 孙延奎; 王永革 期刊:《中国图象图形学报》 2019年第01期
目的主成分分析网络(PCANet)能提取图像的纹理特征,线性判别分析(LDA)提取的特征有类别区分性。本文结合这两种方法的优点,提出一种带线性判别分析的主成分分析网络(PCANet-LDA),用于视网膜光学相干断层扫描(OCT)图像中的老年性黄斑变性(AMD)、糖尿病性黄斑水肿(DME)及正常(NOR)这3类的全自动分类。方法PCANet-LDA算法是在PCANet的基础上添加了LDA监督层,该层加入了类标签对特征进行监督投影。首先,对OCT视网膜图像进行去噪、二值...
作者:赵小虎; 尹良飞; 朱亚楠; 刘鹏; 王学奎; 沈雪茹 期刊:《激光与光电子学进展》 2019年第02期
针对深层卷积神经网络模型的训练复杂、调参技巧和经验要求高、理论分析难等问题,提出一种训练效率高、可解释性强以及理论分析简单的图像分类算法。基于主成分分析网络(Principal Component Analysis Network,PCANet)进行特征提取,并采用宽度神经网络(Flat Neural Network,FNN)分类图像,最后通过直接计算得到模型参数。根据训练数据集自适应决定宽度神经网络节点数目,增加节点时不需要重新训练,只需要调整局部参数。实验表明,该模...
作者:钟菲; 杨斌 期刊:《计算机科学》 2018年第03期
车牌识别是智能交通系统的核心技术,车牌检测是车牌识别技术中至关重要的一步。传统的车牌检测方法多利用浅层的人工特征,在复杂场景下的车牌检测率不高。基于主成分分析网络的车牌检测算法,能够无监督地逐级提取车牌深层特征,可有效提高算法的鲁棒性。算法首先采用Sobel算子边缘检测和边缘对称性分析获取车牌候选区域;然后将候选区域输入到主成分分析网络中进行车牌深度特征提取,并利用支持向量机实现对车牌区域的判别;最后采用非...
作者:顾凌云; 吕文志; 杨勇; 高军峰; 官金安; 周到 期刊:《电子学报》 2016年第08期
主成分分析网络(Principal Component Analysis Network,PCANet)是基于深度学习理论的一种非监督式的特征提取方法,它克服了手工提取特征的缺点,目前其有效性仅仅在图像处理领域中得到了验证.本文针对当前谎言测试方法中脑电信号特征提取困难的缺点,首次将PCANet方法应用到一维信号的特征提取领域,并对测谎实验的原始脑电信号提取特征,然后使用支持向量机(Support Vector Machine,SVM)将说谎者和诚实者的两类信号进行分类识别,将实...