...提出了一种新的线性判别特征提取框架。提取具有判别能力的特征是解决任何模式识别问题的关键步骤,但是如何设计有效的特征提取算法仍然是一个具有挑战性的问题。在众多的线性判别特征提取算法中,Fisher线性判别分析(FLDA)是最常用的一种。但无论是在理论还是在实践中,该方法都存在一些问题。
基于22个网页-相关网页
...动信号分类,其得到了86.67%的分类准确率,且其Az±SE为0.9096±0.0332(Az为ROC曲线下面积,SE为标准误差),优于传统的线性分类器(FLDA)和支持向量机(SVM),它们得到的准确率均为81.33%,FLDA的Az±SE为0.8564±0.0447;SVM的Az±SE为0.8533±0.0467。
基于16个网页-相关网页
应用推荐