資源描述：
《基于多元圖特征基元的模式識(shí)別方法研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、國(guó)內(nèi)圖書分類號(hào)：TP391.4國(guó)際圖書分類號(hào)：621.3工學(xué)碩士學(xué)位論文基于多元圖特征基元的模式識(shí)別方法研究碩士研究生：張榮芳導(dǎo)師：洪文學(xué)教授申請(qǐng)學(xué)位級(jí)別：工學(xué)碩士學(xué)科、專業(yè)：生物醫(yī)學(xué)工程所在單位：電氣工程學(xué)院授予學(xué)位單位：燕山大學(xué)萬(wàn)方數(shù)據(jù)ClassifiedIndex:TP391.4U.D.C.:621.3DissertationfortheMasterDegreeinEngineeringRESEARCHONPATTERNRECOGNITIONMETHODBASEDONFEATUREPRIMITIVESOFGRAPHICALREPRESENTATIONCandidat
2、e：ZhangRongfangSupervisor：Prof.HongWenxueAcademicDegreeAppliedfor：MasterofEngineeringSpeciality：BiomedicalEngineeringUniversity：YanshanUniversity萬(wàn)方數(shù)據(jù)燕山大學(xué)碩士學(xué)位論文原創(chuàng)性聲明本人鄭重聲明：此處所提交的碩士學(xué)位論文《基于多元圖特征基元的模式識(shí)別方法研究》，是本人在導(dǎo)師指導(dǎo)下，在燕山大學(xué)攻讀碩士學(xué)位期間獨(dú)立進(jìn)行研究工作所取得的成果。據(jù)本人所知，論文中除已注明部分外不包含他人已發(fā)表或撰寫過(guò)的研究成果。對(duì)本文的研究工作做出重要貢
3、獻(xiàn)的個(gè)人和集體，均已在文中以明確方式注明。本聲明的法律結(jié)果將完全由本人承擔(dān)。作者簽字：日期：年月日燕山大學(xué)碩士學(xué)位論文使用授權(quán)書《基于多元圖特征基元的模式識(shí)別方法研究》系本人在燕山大學(xué)攻讀碩士學(xué)位期間在導(dǎo)師指導(dǎo)下完成的碩士學(xué)位論文。本論文的研究成果歸燕山大學(xué)所有，本人如需發(fā)表將署名燕山大學(xué)為第一完成單位及相關(guān)人員。本人完全了解燕山大學(xué)關(guān)于保存、使用學(xué)位論文的規(guī)定，同意學(xué)校保留并向有關(guān)部門送交論文的復(fù)印件和電子版本，允許論文被查閱和借閱。本人授權(quán)燕山大學(xué)，可以采用影印、縮印或其他復(fù)制手段保存論文，可以公布論文的全部或部分內(nèi)容。保密□，在年解密后適用本授權(quán)書。本學(xué)位論文屬于不
4、保密□。（請(qǐng)?jiān)谝陨舷鄳?yīng)方框內(nèi)打“√”）作者簽名：日期：年月日導(dǎo)師簽名：日期：年月日萬(wàn)方數(shù)據(jù)摘要在模式識(shí)別的研究中，我們經(jīng)常會(huì)遇到高維數(shù)據(jù)，它提供了極其豐富的客觀信息。如何直觀地表示這些數(shù)據(jù)，從中獲取我們感興趣的信息，一直是學(xué)者們孜孜不倦追求的目標(biāo)。本文在前人研究基礎(chǔ)上，對(duì)多元圖特征基元的模式識(shí)別方法做了一些研究。論文以模式識(shí)別中存在的數(shù)據(jù)表示問(wèn)題和分類問(wèn)題為背景，在多元數(shù)據(jù)2維(2D)圖表示理論的基礎(chǔ)上，根據(jù)圖表示方法，提出一種多維數(shù)據(jù)多元圖特征基元的提取方法。首先，結(jié)合多元圖表達(dá)的思想，本文進(jìn)一步探討多元數(shù)據(jù)可視化實(shí)現(xiàn)的方法。在基于多元圖特征基元表示的一般化表示模型基礎(chǔ)
5、上，提取出了表征多元圖的幾何特征基元。然后，發(fā)現(xiàn)多元數(shù)據(jù)進(jìn)行圖表示存在特征排序問(wèn)題，而且會(huì)導(dǎo)致不同特征排序下生成多元圖圖形特征的分類性能不同。因此研究了特征排序方法，第一種策略采用filter尋找特征排序，第二種策略采用wrapper的特征排序方法，第三種策略采用遺傳算法用于特征排序方法。采用Iris等標(biāo)準(zhǔn)數(shù)據(jù)集對(duì)基于多元圖幾何特征提取方法進(jìn)行了分類實(shí)驗(yàn)，取得了較好的分類效果。還對(duì)SVM分類器的不同參數(shù)組合下的分類精度進(jìn)行了比較，并簡(jiǎn)單分析了參數(shù)對(duì)分類精度的影響。最后，總結(jié)論文的主要工作并分析存在的問(wèn)題，為進(jìn)一步的研究提供基礎(chǔ)和寶貴的經(jīng)驗(yàn)。關(guān)鍵詞模式識(shí)別；多元數(shù)據(jù)圖表示；
6、圖形特征基元提取；特征排序；雷達(dá)圖萬(wàn)方數(shù)據(jù)AbstractIntheresearchofpatternrecognition,wealwaysfacewithmulti-dimensiondatawhichcanindicatelotsofdetailedinformation.Researcherspaidunremittingeffortsonhowtodenotethesedatadirectlyandexploreinterestinginformationfromthedata.Onbaseofpioneer’sachievements,themethodofp
7、atternrecognitionmethodbasedonfeatureprimitivesofmulti-graphisresearchedinthispaper.Thepaper’sbackgroundwastheissueofrepresentationandclassificationofdatainpatternrecognition.Anovelmethodforfeatureprimitivesextractionofmultivariategraphisintroduced,whichisbasedon2Dg
