当前位置: 首页 > 科技成果列表 > 科技成果详细

基于多元统计图表示原理的可视化信息融合与模式识别

技术类型:非专利

技术成熟度:-

转让方式:-

应用领域:研究和试验发展

技术领域:医学影像诊断技术

交易价格:面议专利价值评估

应用案例:否

了解与分析本科技成果,可查看成果概况并使用以下技术转移数智化应用工具:
成果概况
简介

课题研究背景: 本课题以模式识别和机器学习领域中存在的特征表示问题和分类器的性能评价问题为研究背景。

研究手段: 课题采用多元数据2维图表示方法作为研究手段。

研究基础: 以多元图图形特征提取和图形分类器为基础。

研究目的: 旨在建立基于多元数据图表示的模式识别理论框架。

研究方法: 1. 对于从领域问题中获得的特征矢量表示(已知),利用多元数据图表示方法将其转化为2维平面可视化的多元图。 2. 研究非图特征进行多元图表示的一般原理,并定义多元图映射和多元图表示矩阵的概念及公式。 3. 提出了多元图表示矩阵的三种可视化几何表达方式,初步建立了非图特征进行多元图表示(包括公式表示、矩阵表示和几何表示)的数学理论框架。

特征提取与分类: 1. 建立了从生成的多元图中提取图形特征(如面积、重心、最值方法、对称性等全局特征或局部特征)的一般方法和公式。 2. 为图形特征表示与基于图表示的可视化类分类奠定基础。

特征排序问题与分类器: 1. 针对非图特征进行图表示时存在的特征排序问题,可能导致不同特征排序下生成多元图图形特征的分类性能不同。 2. 提出了鉴别图形特征提取的一般方法。 3. 提出了图形不相似度的定义和公式。 4. 按照模板匹配思想,提出了基于图形不相似度的图形分类器。 5. 按照K近邻的思想,提出了基于图形不相似度的K近邻图形分类器。

研究结论: 本课题研究是一种崭新的模式识别理论与方法。

(此文字表达经过AI优化完善,查看原文请点击 原文)
成果评价分析
技术应用分析
服务案例
Baidu
map