中国农业科学院农业信息研究所 中国农学会
Agricultural Information Institute of CAAS China Association of Agricultural Science Societies
En
Ch
中国农业科学院农业信息研究所 中国农学会 主办

AI检索

订阅

返回顶部
当前位置: 首页 > 文章 > 基于PCA+FisherTrees特征融合的木材识别 林业科学 2013,49 (6) 122-128
Position: Home > Articles > Wood Identification Based on Feature Fusion of PCA and FisherTrees Scientia Silvae Sinicae 2013,49 (6) 122-128

基于PCA+FisherTrees特征融合的木材识别

作  者：
刘子豪;汪杭军
单  位：
浙江农林大学天目学院;浙江农林大学信息工程学院
关键词：
特征融合;主成分分析(PCA);费舍尔树(FisherTrees);木材识别
摘  要：
提出一种高效的基于PCA和FisherTrees特征融合的木材识别方法,首先把训练样本分别投影到PCA和FisherTrees空间,得到PCA特征和FisherTrees特征;然后通过算术均值、交换转置均值和加权均值进行特征融合,将融合后的特征应用不同距离函数的分类器进行分类。结果表明:通过交换转置均值融合PCA和FisherTrees特征,然后使用余弦角分类器能获得最好的识别效果。
译  名：
Wood Identification Based on Feature Fusion of PCA and FisherTrees
作  者：
Liu Zihao1 Wang Hangjun2 (1.School of Information Engineering, Zhejiang A & F University Linan 311300; 2.Tianmu College of Zhejiang A & F University Linan 311300)
关键词：
feature fusion; principle component analysis(PCA); FisherTrees; wood identification
摘  要：
A new efficient method based on feature fusion of PCA and FisherTrees for wood identification was proposed in this paper. Firstly, the training samples were projected into PCA and FisherTrees space respectively to form the PCA and FisherTrees features, then the two features were fused through three ways, i.e. arithmetic mean, swapping transposition mean and weighting mean. Finally, the feature fusion was applied to classify with different distance functions. The experimental results showed that the new method had a higher recognition rate and was more efficient compared with the tradition subspace methods. The best identification result could be obtained by features fusion of PCA and FisherTrees with swapping transposition mean and by the cosine distance function classifier.

相似文章

导出引用
计量
文章访问数: 9
HTML全文浏览量: 0
PDF下载量: 0

所属期刊

推荐期刊

友情链接Friendly link
农业信息研究所Agricultural information institute 农业智能知识服务平台Agricultural intelligent knowledge service platform 农业学术服务平台Agricultural Knowledge Service System 中国知网CNKI 维普网VIP 万方WANFANG DATA
联系我们Contact us

电话Tell：010-82109652-808

邮箱E-mail：agrijournal@caas.cn

服务Service
关于我们About us 意见建议Opinions and suggest
版权说明Copyright
单位：中国农业科学院农业信息研究所 中国农学会 © 2017中国农业科学院农业信息研究所 ICP备案号：京ICP备09089781号-46