“线性判别”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果247521个，建议您升级VIP下载更多相关专利

[发明专利]基于无限最大间隔线性判别投影模型的雷达目标识别方法-CN201710351886.8有效
发明人：陈渤;刘宁;文伟;刘宏伟 -专利权人：西安电子科技大学
申请日： 2017-05-18 - 公布日： 2019-11-01 - 主分类号： G01S7/41 文献下载
摘要：本发明提出了一种基于无限最大间隔线性判别投影模型的雷达目标识别方法，用于解决现有雷达目标识别方法中存在的识别率低的技术问题。实现步骤为：获取功率谱特征训练样本集X和其对应的类别标号集y；构建无限最大间隔线性判别投影模型；定义无限最大间隔线性判别投影模型联合伪后验分布的表达式；设定无限最大间隔线性判别投影模型联合伪后验分布的表达式中各个参数的初始值；表示无限最大间隔线性判别投影模型联合伪后验分布中各个参数的条件后验分布；对表示出的各个参数的条件后验分布进行采样；获取功率谱特征测试样本集基于无限最大间隔线性判别投影模型雷达目标识别方法

[发明专利]属性图调整的迹值比线性判别分析降维方法、设备及介质-CN202211007707.6在审
发明人：王飞;温欣珮;王泉;郭宇;姜沛林;李如瑜 -专利权人：西安交通大学
申请日： 2022-08-22 - 公布日： 2022-11-18 - 主分类号： G06K9/62 文献下载
摘要：本发明属于数据处理技术领域，涉及一种属性图调整的迹值比线性判别分析降维方法，将同一属性上所有样本点的属性值组成的向量表示成一个属性点，对每对属性点之间的边用高斯核函数加权生成属性图；在最大化投影变换后的类间散度、最小化投影变换后的类内散度的同时引入属性图对判别投影矩阵的调整项，使得相似的属性在判别投影矩阵中有相似的权值。本发明提出的算法是对传统的迹值比线性判别分析算法的改进，大大提升了降维效果，通过调整参数可以退化为传统的迹值比线性判别分析算法；本发明所提出算法对于参数不敏感，并且在降到不同维度时表现稳定；本发明优于一些已有的线性判别分析改进算法
属性调整线性判别分析方法设备介质

[发明专利]基于卷积神经网络的快速目标检测方法-CN201510061852.6有效
发明人：王菡子;郭冠军;严严 -专利权人：厦门大学
申请日： 2015-02-06 - 公布日： 2018-03-23 - 主分类号： G06K9/62 文献下载
摘要：首先利用训练集训练出卷积神经网络参数，然后利用扩展图的方式解决最大池化丢失特征的问题并生成判别完备特征图；把卷积神经网络的全连接权重看成线性分类器，采用可能近似学习框架来估计线性分类器在判别完备特征上的泛华误差；根据泛华误差和所期望泛化误差阈值来估算所需线性分类器个数，最后在判别完备特征图上用线性分类器基于平滑窗的方式完成目标检测。
基于卷积神经网络快速目标检测方法

[发明专利]一种基于最大化比率和线性判别分析的数据降维方法-CN202110216054.1在审
发明人：王靖宇;王红梅;聂飞平;李学龙 -专利权人：西北工业大学
申请日： 2021-02-26 - 公布日： 2021-05-25 - 主分类号： G06K9/00 文献下载
摘要：本发明涉及一种基于最大化比率和线性判别分析的数据降维方法，属于图像分类与模式识别领域。包括构建数据矩阵、标签向量和标签矩阵；计算类内协方差矩阵和类间协方差矩阵；构建基于最大化比率和的线性判别分析的优化问题；采用交替优化迭代算法求解能够最大化目标函数的投影矩阵。本发明建立了基于最大化比率和的线性判别分析方法的目标函数，避免了传统线性判别分析倾向于选择小方差、鉴别能力弱的特征的问题，能够选择更有利于分类的特征。
一种基于最大化比率线性判别分析数据方法

[发明专利]一种白化与黄化品种成品茶的判别方法-CN202110785598.X在审
发明人：谭俊峰;许继业;蔺志远;戴伟东;吕海鹏;朱荫;施江;郭丽;彭群华;张悦;林智 -专利权人：中国农业科学院茶叶研究所
申请日： 2021-07-12 - 公布日： 2021-11-30 - 主分类号： G01N30/02 文献下载
摘要：本发明涉及一种白化与黄化品种成品茶的判别方法，包括以下步骤：对目标数量的白化、黄化品种成品茶样本进行全组分定性和定量测定，并根据化合物类型分组，然后筛选各分组中能够区分白化与黄化品种成品茶的代表性差异成分，得到各分组的代表性差异化合物；根据各分组的代表性差异化合物建立线性判别函数；根据线性判别函数判别待测样品属于白化品种成品茶或黄化品种成品茶。本发明对白化品种成品茶和黄化品种成品茶茶汤中的水溶性化学成分进行全组分高分辨测定，通过正交偏最小二乘法判别分析对数据进行处理和筛选，通过提取和合并对品种黄茶和品种白茶区分程度较大的特征成分，构建线性判别模型，实现了对白化与黄化品种成品茶的有效判别。
一种白化黄化品种成品判别方法

[发明专利]一种基于相关性分析的脑-机接口跨负荷线性判别方法-CN202110769354.2在审
发明人：李梦凡;左皓鑫;伍煜伟;廖文喆 -专利权人：河北工业大学
申请日： 2021-07-07 - 公布日： 2021-11-02 - 主分类号： G06K9/00 文献下载
摘要：本发明提供了一种基于相关性分析的脑‑机接口跨负荷线性判别方法，包括以下内容：获取不同状态脑力负荷下的脑电数据，对获取的脑电信号数据采用Fisher准则训练出多组分类器，将待分类脑电样本输入到多组分类器后得到多组线性判别值，对待分类脑电样本与不同状态下的脑电数据分别计算平均皮尔逊相关系数，转化成权重系数；权重系数与线性判别值加权求和，加权求和值通过Fisher准则及投票器，判断待分类脑电样本的类型。本发明所述的方法，通过设计不同脑力负荷状态下的基于Fisher准则的线性判别分类器，并采用皮尔逊相关系数与权重计算的转化，获得了待测样本与训练样本的权重系数，对最终判别式进行了改进，实现了对个体跨负荷状态脑电数据的自适应分类目的
一种基于相关性分析接口负荷线性判别方法

[发明专利]一种具有双线性低秩子空间的线性判别分析方法-CN201710793137.0有效
发明人：何小海;苏婕;卿粼波;周文一;王正勇;吴晓红;熊淑华 -专利权人：四川大学
申请日： 2017-09-06 - 公布日： 2020-06-23 - 主分类号： G06F17/16 文献下载
摘要：本发明公开了一种具有双线性低秩子空间的线性判别分析方法。包括以下步骤：针对矩阵数据样本集，保留原本矩阵的形式作为输入数据，构建基于矩阵的判别分析模型，采用基于矩阵的最小二乘方法构建损失函数，引入核范数正则项对映射矩阵集进行低秩约束，采用乘法器的交替方向算法(ADMM)框架对损失函数进行求解，以探求矩阵样本集的双线性低秩子空间，从而对矩阵样本集进行降维。本发明所述的具有双线性低秩子空间的线性判别分析方法比其他方法在矩阵样本集降维效果上有明显提升，评价指标综合表现很好。
一种具有双线性低秩子空间线性判别分析方法

[发明专利]遥感相机电子学响应非线性测试与判别方法及装置-CN201510267615.5有效
发明人：兰太吉;李俊霖;贺庚贤;宁飞 -专利权人：中国科学院长春光学精密机械与物理研究所
申请日： 2015-05-22 - 公布日： 2017-06-09 - 主分类号： H04N17/00 文献下载
摘要：遥感相机电子学响应非线性测试与判别方法及装置，涉及遥感相机电子学测试领域，解决了对遥感相机电子学响应非线性认识不清、难以判别的问题，通过绘制视频响应曲线和响应非均匀性噪声曲线，判断和区分遥感相机电子学响应中的V/Q非线性和DN/V非线性。遥感相机电子学响应非线性测试与判别装置，包括积分球、光源、电机、电机驱动器、光阑、标准照度计、被测CCD、CCD驱动器、串口控制器、图像采集卡和计算机，其中图像采集需在暗室环境下进行。本发明能够有效区分遥感相机电子学响应的V/Q非线性和DN/V非线性，为有针对性地改进设计和后期校正数据提供理论和方法支持。
遥感相机电子学响应非线性测试判别方法装置

[发明专利]雷达脉冲调制样式识别方法-CN201910094614.3在审
发明人：管金称 -专利权人：西南电子技术研究所(中国电子科技集团公司第十研究所)
申请日： 2019-01-31 - 公布日： 2019-05-24 - 主分类号： G01S7/285 文献下载
摘要：本发明公开的一种雷达脉冲调制样式识别方法，旨在利用脉冲信号数字信道化过程中的时频特性、频谱、二次方谱、四次方谱特性，以及脉冲时序关系进行脉冲调制样式判别。在组成的雷达脉冲调制样式识别系统中，滑动STFT信道化模块对从模数转换器输入的时域数据进行滑动加窗短时傅里叶变换STFT信道化处理，扩展脉冲描述字生成模块生成扩展脉冲描述字；采用多层树形结构模式来构建脉冲调制样式识别流程进行调制样式判别；判断是否满足无调制判别条件、线性调频判别条件、二相编码判别条、四相编码判别条件、频率编码判别条件、频率分集判别条件；不满足上述判别条件则确定为非线性调频脉冲调制信号。
判别条件调制样式雷达脉冲脉冲调制滑动脉冲短时傅里叶变换脉冲调制信号非线性调频模数转换器数字信道化信道化处理脉冲时序脉冲信号频率编码频率分集生成模块时域数据识别系统树形结构线性调频信道化多层构建加窗频谱时频

[发明专利]基于多线性主成分分析和张量分析的SAR图像目标识别方法-CN201611074915.2有效
发明人：宦若虹;陶一凡;陈月;杨鹏;鲍晟霖 -专利权人：浙江工业大学
申请日： 2016-11-29 - 公布日： 2019-05-31 - 主分类号： G06K9/62 文献下载
摘要：一种基于多线性主成分分析和张量分析的SAR图像目标识别方法包括：构建四阶张量训练样本；利用多线性主成分分析得到多线性投影矩阵；构建核心张量；对核心张量进行线性判别分析，得到一组线性判别函数的权向量；测试样本分类识别该方法对合成孔径雷达图像构建四阶张量样本，并采用多线性主成分分析提取特征，有效的保留了图像结构信息，提高了目标正确识别率。
基于线性成分分析张量分析 sar 图像目标识别方法

[发明专利]一种基于土壤参数的中药产地判别系统及方法-CN202110754881.6有效
发明人：肖林杰;焦鹏 -专利权人：北京微芯区块链与边缘计算研究院
申请日： 2021-07-05 - 公布日： 2021-12-03 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于土壤参数的中药产地判别系统及方法，包括输入测定模块，输入测定模块获取用户输入的中药种类信息，对从中药上刮取的土壤进行测量，获得土壤测定结果；识别判断模块，识别判断模块获取中药种类信息和土壤测定结果，对土壤测定结果进行预处理和特征选择，通过预先构建的神经网络模型、线性判别模型和XGBoost模型对预处理和特征选择后的数据进行判别分析，获得相应种类中药的产地判别结果；以及反馈模块，反馈模块输出产地判别结果该系统通过对中药附着土壤参数的测量判断中药产地，通过神经网络模型、线性判别模型以及XGBoost模型构建土壤参数与中药产地间的关系，产地判别更加便捷高效，判定结果更加准确可靠。
一种基于土壤参数中药产地判别系统方法

[发明专利]一种煤层底板突水危险性评价方法-CN201210492153.3有效
发明人：张文泉;张广鹏;李伟;张贵彬;盛园园;孙培聪 -专利权人：山东科技大学
申请日： 2012-11-28 - 公布日： 2013-04-17 - 主分类号： G06F19/00 文献下载
摘要：本发明公开了一种煤层底板突水危险性评价方法，评价步骤分为：I、建立各影响因素的模糊隶属函数；II、应用逐步判别法对影响因素的影响能力进行区分；III、根据步骤筛II选出的煤层底板突水影响因素，基于再生核理论及判别分析理论，建立基于非线性判别分析模型的煤层底板突水危险性评价方法；IV、根据所建立的模型，结合直观判别法对有底板突水危险性的工作面进行突水危险性评价。本发明可以对影响煤层底板突水因素的影响能力进行了客观的分析，有效地筛选出影响显著的影响因素，降低了影响能力不强的因素对评价结果的干扰，在已有突水样本数据的基础上，建立非线性判别分析模型，由于采用非线性的方法
一种煤层底板危险性评价方法

[发明专利]分析数据处理方法和分析数据处理装置-CN201680088305.X在审
发明人：野田阳 -专利权人：株式会社岛津制作所
申请日： 2016-08-03 - 公布日： 2019-04-02 - 主分类号： G01N30/78 文献下载
摘要：本发明所涉及的分析数据处理方法通过对由分析装置关于多个试样中的各个试样分别收集到的、由该分析装置所具备的多通道检测器的多个通道的输出值构成的多维的分析数据应用使用统计机器学习的解析方法，来对该分析数据进行处理，所述方法的特征在于，计算表示关于已知试样得到的分析数据的非线性回归函数或非线性判别函数，根据计算出的所述非线性回归函数或所述非线性判别函数的微分值，来计算构成所述已知试样的分析数据的多个通道的输出值各自的对于所述非线性回归函数或所述非线性判别函数的贡献度，基于该贡献度，从所述检测器的多个通道中决定在关于未知试样得到的分析数据的处理中使用的通道
分析数据非线性回归函数非线性判别分析装置数据处理贡献度检测器多通道检测器数据处理装置输出统计机器应用使用分析多维解析学习

[发明专利]基于峰值位置判别的信号调制方式识别方法-CN201510188423.5有效
发明人：赵新明;郝绍杰;何鹏;韩俊辉 -专利权人：中国电子科技集团公司第四十一研究所
申请日： 2015-04-18 - 公布日： 2017-10-13 - 主分类号： H04L27/00 文献下载
摘要：本发明公开了基于峰值位置判别的信号调制方式识别方法；它包括以下步骤对接收到的信号进行求波峰运算得峰值位置序列；对峰值位置序列做线性拟合，并求两者的差值序列；对差值序列做线性拟合得判别参数；根据判别参数与设定阈值的比较以对接收信号进行分类
基于峰值位置别的信号调制方式识别方法

[发明专利]归属度判别装置-CN94117002.0无效
发明人：金井一之 -专利权人：希森美康株式会社
申请日： 1994-09-30 - 公布日： 2003-01-22 - 主分类号： G06F19/00 文献下载
摘要：本发明的归属度判别装置，具有对大量的群预先存储各群的特征模型的存储器和CPU，利用CPU从存储器存储的大量的群中对所有的组合选择任意的2群，对每个2群分别设定将所选择的各2群进行最佳二分的线性判别函数，利用设定的每个2群的线性判别函数计算被检测数据对于每个2群属于哪一群的2群判别结果，对每个2群确定其支持度，根据每个2群的2群判别结果和支持度计算被检测数据对各群的归属度。
归属判别装置