全文总字数：1143字
1. 毕业设计（论文）主要内容：
特征提取技术是模式识别领域进行数据降维和强化判别信息的有效方法。线性判别分析是监督特征提取方法的典型代表，获得广泛应用，但受到小样本问题的制约。对此提出一种适用于小样本问题的基于边界的特征提取算法。算法利用高维数据小样本情况下线性可分概率增加以及其低维投影趋于正态分布的特点，定义了新的类别边界，不但考虑了由线性判别分析提出的类内、类间离散度，也兼顾各类别的方差差异性。通过极大化该边界获得最优投影向量，同时避免因类内离散度矩阵奇异导致的小样本问题。进一步将算法推广到多类问题。高光谱数据特征提取与分类实验表明，算法在小样本情况下对于两类和多类问题均具有良好的推广性能，优于多种线性判别分析的改进算法，并且在样本较多时也取得了满意结果。
2. 毕业设计（论文）主要任务及要求
1、基于边界的特征提取算法利用高维数据小样本情况下线性可分概率增加以及其低维投影趋于正态分布的特点，定义了新的类别边界。
2、通过极大化该边界获得最优投影向量，同时避免因类内离散度矩阵奇异导致的小样本问题。
3、将小样本情况下的算法推广到多类问题。
剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！
3. 毕业设计（论文）完成任务的计划与安排
1．2020-03-15前提交开题报告；
2．2020-05-26前提交论文初稿；
3．2020-06-11前完成答辩；
剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！
4. 主要参考文献
[1]李秋玮，基于条件生成对抗网络和超限学习机的小样本数据处理方法研究[D],江苏大学,2019(4)
[2]陶存贵,不平衡小样本数据的特征提取与分类方法研究[D],哈尔滨工业大学2012(6)
[3]王卫东,高维小样本数据的特征提取及分类器算法研究[D],南京理工大学,2006(10)
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
以上是毕业论文任务书，课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
