基于pca苹果特征提取研究------开题报告.doc

毕业设计(论文)开题报告 题 目： 基于pca的苹果特征提取研究 学 院： 电气信息学院 专 业： 自动化 学生姓名： 学 号： 指导老师： 吴迪 2017年月日 (1)求出原始协方矩阵Σ; (2)求出原始协方矩阵Σ的特征值和特征向量,并将各特征向量从大到小顺序排列,即 l 1 ≥ l 2 ≥…≥ l n ，这时可求出 n 个新的特征 y 1 , y 2 ,…, y n ; 定义第 i 个主分量 y i 的方差贡献率为: 。前m 个 主 分 量 x 的 累 计 方 差 贡 献 率 为: 。 系统算法流程图 特征向量所对应的特征值越小,它与类内平均样本误差越小,所以可以忽略那些特征值大的特征向量，支持向量机 SVM(Support Vector Machine)是 20 世纪 90年代 Vapnik 基于统计学习理论提出的一种新的机器学习方法。本系统用 PCA 提取苹果的最优特征子空间作为支持向量机的输入向量,对图像进行分类学习，应用LSSVM分类器对红富士苹果进行识别[13]。在这里也选用径向基函数作为内核函数时可得到相对较好的分类效果。在采用 LSSVM 分类器识别的过程中，参数 C 和 σ 的取值对识别率有较大的影响。当惩罚因子 C 取 20，径向基函数中的 σ 取 1.343 8 时，识别的正确率最大[14]。系统算法结构如图 3所示。在实验过程中，存在一些不足：(1)综合多特征检索可以提高效果，但要面对计算量大的缺点；(2)图像分割问题，“螺旋编码”弱化了图像边缘对象的信息，在细粒度分割图像后，边缘图像块间的相关信息完整性糟到破坏。如果能够加入有效的图像分割技术，首先确定重要对象的大小，相信会有助于在运算量和基因有效描述上找到一个平衡点。这些正是将来的工作重点。使用信息熵描述图像的物理特征，利用颜色熵和纹理熵构造解空间的编码，在此基础上，根据遗传算法提出了一种新的基于内容的图像检索方法。通过试验初步证明了这种方法的效果，能够很好地满足用户的查询要求。 本文提出了可在计算机上快速实现的 PCA 算法[15]用于苹果外在品质形状特征的压缩,并用实验验证了该算法的可行性、有效性和准确性[16]。 四、研究方法、步骤和措施 第一章:讨论了目前国内外基于主成分分析PCA方法的特征提取研究现状和主成分分析PCA方法的研究现状，以及本文的主要研究内容。 第二章:详细论述了pca的建立的基础变换 第三章:与传统的线性主元分析方法PCA相比，PCA优良特性进行了叙述。 第四、五章:基于pca的苹果特征提取研究 第六章：对本文的工作进行总结，并展望今后需进一步研究的工作。 五、参考文献 [1]B .Scholkopf, A.Smola, K-R Muller. Nonlinear Component Analysis as a Kernel Eigenvalue Problem[J]. Neural Computation, 2008 [2]彭辉,张长水,荣钢,等.基于变换的人脸白动识别方法[J].清华大学学报(白然科学版),2007, 37(3): 67-70. [3]高照锋,玛慧.基于主成分分析的图像匹配方法[J].武汉大学学报，2014 [4]蒋明,张桂林,胡若澜,等.基于主成分分析的图像匹配方法研究[J].红外与激光工程,2000, [5}张翠平,苏光大.人脸识别技术综述[[J].中国图形图像学报，2000 [6]荆晓远，郭跃匕，杨静宇.基于奇异值特征的图像预处理及人脸识别[[J].信息与控制，1999, [7]Cheung YM., Xu L. Independent component ordering in ICA time series analysis[J].Neurocomputing, 2001 [8]陈国金,梁军,钱积新.独立元分析方法及其在化工过程监控和故障诊断中的应用[J].化工学报,2003 [9]Li, R.F. and Wang, X.Z. Dimension reduction of process街namic trends using independent component analysis[J]. Computers and Chemical Engineering, 2012 [10]杨竹青,李勇,胡德文.