| 发明名称 | 一种用于个体识别的特征空间降维方法 | ||
| 摘要 | 本发明提供一种用于个体识别的特征空间降维方法，先使用Fisher降维选取模糊平面的原始特征优化子集，然后运用K-L降维得到优化子集的最优变换，K-L降维实在进行了一次Fisher降维的基础上再次进行的降维，较原始特征维数已减少了很多，因此运算复杂度大大降低，且选择类间离散度矩阵作为展开矩阵，经K-L降维后得到特征维数低且各分量间不相关的特征向量，保证了降维后的识别性能，降低了计算和存储的要求。 | ||
| 申请公布号 | CN102930282A | 申请公布日期 | 2013.02.13 |
| 申请号 | CN201210184647.5 | 申请日期 | 2012.06.06 |
| 申请人 | 电子科技大学 | 发明人 | 任春辉;魏平;王建明;吴天笑 |
| 分类号 | G06K9/62(2006.01)I | 主分类号 | G06K9/62(2006.01)I |
| 代理机构 | 电子科技大学专利中心 51203 | 代理人 | 李明光 |
| 主权项 | 一种用于个体识别的特征空间降维方法，其特征在于，包括以下步骤：a、先对已知电台信号进行费希尔Fisher降维，得到k维Fisher降维后的信号识别特征空间，k<<L2/4，<<为远小于，L为接收到的已知电台信号的信号长度，L≥100，当L2/4大于k两个或两个以上数据级时满足k<<L2/4；b、求Fisher降维后的信号识别特征空间的类间离散度矩阵；c、对所述类间离散度矩阵采用K‑L降维得到低维度信号识别特征空间。 | ||
| 地址 | 611731 四川省成都市高新区（西区）西源大道2006号 | ||