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 |