讲座内容
应用数学科普·自动指纹识别(AFIS)中的优化模型和算法
生物特征识别:利用生物标识、特征的独特部位(指纹,脸,虹膜)和行为(语音、步态)自动识别
认证系统(1:1)与鉴定系统(1:N)
注册--》认证--》鉴定
信息采集--》特征提取--》模块创建--》筛选
普遍性、独特性、持久性、可收集性+性能、可欺骗性、适应性
并不是完全随机模式 高尔顿分类系统
指纹识别ATM机、指纹身份证
采集存储--》数据在表达--》分类--》匹配
采集:电容式、光学式、压感式
切割--》滤波--》灰度--》二值化--》细化--》探测细节点--》去伪存真
指纹压缩:灰度值矩阵(0-255)--》稀疏表示,编码压缩数据流--》峰值信噪比PSNR
稀疏表示是核心 WSQ压缩系统(小波变换)
JPEG(DCT变换) CT(countourlet transform)稀疏表示求解算法
一、DBSCAN算法(具有噪声的基于密度的聚类算法)
核心点、边界点、噪音点(Eps半径)
二、多元线性回归分析
目的:通过研究自变量X和因变量Y的相关关系,尝试去解释Y的形成机制,进
而达到通过X去预测Y的目的。
常见的回归分析有五类:线性回归、0‐1回归、定序回归、计数回归
和生存回归,其划分的依据是因变量Y的类型
识别重要变量--》判断相关性的方向-->估计权重(回归系数)。
横截面数据、时间序列数据、面板数据
1、一元线性回归
扰动项,遗漏变量会导致内生性
外生性:误差项与所有变量均不相关
保证核心解释变量与误差项无关
取对数的好处:
(1)减弱数据的异方差性
(2)如果变量本身不符合正态分布,取对数后可能渐近服从正态分布
(3)模型形式的需要,让模型具有经济学意义。
虚拟变量、多重共线性
为了避免完全多重共线性的影响,引入虚拟变量的个数一般是分类数减1。
7.12学习笔记
最新推荐文章于 2024-05-29 18:30:11 发布