基于内部非线性映射模型PLS算法的比较研究

本文从线性偏最小二乘（PLS）算法出发对基于内部非线性映射模型的PLS算法的思想本质进行深入的剖析和探讨。结合拟合非线性过程的实际问题,从拟合精度、计算复杂度两方面对基于二次函数和神经网络作为内部模型的PLS方法以及基于误差反馈调整的PLS算法进行了比较,在此基础上对不同的非线性PLS算法的应用提出了若干指导性建议。     

基于改进ISOMAP算法的图像分类

利用基于邻域的图像欧氏距离寻找最近邻,并用直接线性判别分析方法(Direct LDA)取代多维尺度分析法(MDS),提出一种改进的等距特征映射(ISOMAP)算法(KIMD-ISOMAP)进行降维.人脸图像分类试验表明:KIMD-ISOMAP提高了ISOMAP的分类能力,扩展了邻域半径的选取范围,在加高斯噪声和几何形变的情况下,该算法与其他方法相比,表现出较强的鲁棒性.     

基于模糊基函数变换的PLS及其在软测量中的应用

针对以往非线性偏最小二乘法(PLS)的局限性,提出了一种基于模糊基函数变换的PLS算法,用以解决非线性系统的建模问题.该方法首先通过模糊基函数变换将自变量与因变量之间的非线性关系转化为线性关系,再利用PLS算法进行回归求参,从而有效克服由于模糊基函数变换所引发的维数增加以及多重共线性,使得模型在具有较高拟合精度的同时还能有效地抑制噪声.通过仿真实验进一步验证了该方法的有效性,并将其应用于湿法冶金萃取过程组分含量软测量建模问题,得到了满意的效果.     

基于Spark的ISOMAP算法并行化

为了实现大数据环境下非线性高维数据的快速降维,提出了一种基于Spark的并行ISOMAP算法.在该算法中,为了快速构建邻域矩阵,设计并实现了基于精确欧式位置敏感哈希的近邻搜索并行算法;为了实现特征值的快速求解,设计并实现了基于幂法和降阶法交替执行的特征值求解并行算法.为了进一步提高算法的性能,基于Spark的特性,利用Spark的稀疏向量、广播机制和缓存机制对并行ISOMAP算法进行了优化,减少了计算过程中的内存消耗和数据传输.在Swissroll数据集和S-curve数据集上的实验结果表明,基于Spark的并行ISOMAP算法通过并行执行和计算过程的优化,极大地提高了算法的执行效率,能够适用于大规模数据集的降维处理.     

基于LLE和模糊核聚类的语音可视化仿真

根据语音信号的时变特性,提出了一种具有很好分类定位能力的语音可视化方法——局部线性嵌入(LLE)和模糊核聚类相结合的算法.通过利用LLE对提取的语音特征进行非线性降维,然后再利用模糊核聚类算法对其进行聚类分析,即利用Mercer核,将原始空间通过非线性映射到高维特征空间,在高维特征空间中对语音信号特征进行模糊核聚类分析.由于经过了核函数的映射,使原来没有显现的特征突现出来,从而能够更好地支持基于位置的语音可视化.以10名男生和10名女生在实验室环境下的720个语音资料(汉语元音)作为样本进行了试验,试验结果验证了该方法的可行性和有效性.     

递推部分最小二乘方法

部分最小二乘(PLS)回归可较好地解决多元线性回归中的共线性问题,目前被广泛地应用于过程建模和监控.作者首先给出核PLS算法,然后在此基础上推出递推部分最小二乘(RPLS)方法,可以基于新数据和旧的PLS模型参数更新PLS模型.将该递推PLS方法和传统PLS方法同时用于仿真研究,结果表明递推算法性能和传统方法的相近,而计算量大大减少.     

局部测地距离估计的增量等距特征映射算法

基于经典等距特征映射（ISOMAP）算法易受噪声干扰和邻域大小影响,采用局部测地距离估计输入数据点的初始邻域,并结合增量学习思想,提出一种基于局部测地距离估计的增量ISOMAP算法进行降维,以提高ISOMAP算法的分类能力.人脸识别试验表明,该算法识别性能优越,对噪声和几何形变具有鲁棒性.
     

一种基于模糊核聚类算法的图像分类方法

聚类分析是数据分析的一个重要方法.通过引用核函数,将核方法应用到模糊C均值(Fuzzy c-Means,FCM)算法中,优化FCM算法的目标函数,使样本点被非线性变换映射到高维特征空间进行聚类,不仅改善了聚类效果,而且增强了算法对噪声的鲁棒性.在真实样本集上进行了仿真实验,分类结果证实了该算法的有效性和普适性,因而是一种较为简单和实用的图像分类方法.     

嗅觉搜索机器人的单目视觉室内定位技术研究

针对室内嗅觉搜索机器人定位问题,提出一种基于最小二乘高斯核支持向量机的单目视觉定位算法.首先,利用最小二乘高斯核支持向量机,可将机器人在图片中像素位置与真实场景中位置间的非线性映射转化为带高斯核的线性映射;然后,运用k重交叉验证方法对映射关系模型进行训练,获取优化模型参数;最后,利用单目摄像头采集机器人运动的连续图像,并根据机器人平台与其背景间的灰度差异特征实时识别图像中目标机器人平台,计算得到机器人平台形心在每一帧图像中的像素位置,进而映射出机器人平台在室内环境下的实时动态位置.实验结果表明:此定位方法能够为移动机器人在室内环境下提供高精度和无累积误差的实时定位信息;算法的精确性和可靠性得到了充分验证.     

基于等距离映射的非线性动态故障检测方法

针对化工过程数据强非线性和动态性的特点,提出了一种基于动态等距离映射(Dynamic Isometric Mapping,DISOMAP)流形学习的非线性过程故障检测方法.该方法首先采用DISOMAP算法提取训练样本的子流形特征,自适应学习近邻点参数,保留了采样数据的流形结构,然后运用线性回归方法得到原空间和降维子流形空间的投影映射,从而将观测数据从原高维空间映射到低维嵌入空间,最后在变换后的低维空间构造统计量T2和SPE进行监控.TE过程的仿真结果表明,所提出的DISOMAP故障检测方法可以比核主元分析(Kernel Principle Component Analysis,KPCA)更为有效地监控过程变化,检测到故障的发生.     

一种基于核的模糊聚类算法

结合核技术与改进的模糊c均值算法聚类准则提出一 种基于核的模糊聚类算法. 通过引入核函数, 样本点被非线性变换映射到高维特征空间进行聚类, 提高了聚类性能. 同时, 算法改进了模糊c-均值聚类模型中的概率型约束条件, 使其对噪声和野值点具有较好的鲁棒性. 在真实数据和人造数据上与常用聚类算法进行了对比实验, 结果表明该算法具有较低的时间、 空间复杂度与较好的聚类性能.     

基于等距特征映射算法在人脸识别问题中的数学建模

该文梳理了人脸识别技术的相关研究文献,并以FG-NET人脸数据库为样本库,对随机选取的实验分析对象进行预处理后,建立合理的数学模型.通过等距特征映射(ISOMAP)算法进行非线性降维,将高维空间的数据信息映射到低维空间,再通过特征提取的方法来判别图像的相似度.该算法以多维尺度变换(MDS)为基础,将欧氏距离替换为数据点间的测地线距离,使数据信息在降维后损失最小,实现高维空间的数据信息在低维空间的有效表达,在较大减小计算量的基础上,提高图像识别率.同时,运用MATLAB软件进行编程验证,结果表明,同一个人在不同年龄段的人脸识别率达到了88.89%,不同人在不同年龄段的人脸识别率达到了91.67%.     

部分最小二乘算法的神经元网络实现

部分最小二乘(PLS)算法在多元统计过程监控等领域得到了广泛应用.但常用的求解方法需要多次迭代求解残差矩阵,不利于对算法的理论分析和结论的解释.基于PLS算法的优化函数形式,该文提出一种新的PLS优化目标函数及相应简化算法.在此基础上构造了PLS算法与线性神经元网络之间的自然映射,给出了相应的训练算法及其理论分析.仿真结果验证了所提出算法的有效性,表明该算法可直接从原数据矩阵得到相应的成分及回归系数,并易于对其进行解释.     

高维流形视角下采用ISOMAP降维的配网户变关系辨识

准确的户变关系是配网线损计算、故障定位和三相平衡等高级应用的基础.低压配网的户变关系辨识算法大多基于电压相关性原理,而电压相关性随供电半径增加而减弱,电压采集频次较低无法可靠捕获电压的"共性波动",使得辨识准确率普遍不高.提出了一种基于等距特征映射(isometric mapping,ISOMAP)降维和改进K-mea...     

基于Spark的并行ISOMAP算法

为了实现大数据环境下非线性高维数据的降维,提出了基于Spark的并行ISOMAP算法.在该方法中,为了快速求解大规模矩阵的特征值和特征向量,设计并实现了基于Spark的并行块Davidson方法;同时,针对大规模矩阵计算和传输困难的问题,提出了基于RDD分区的行块式矩阵乘法策略,该策略把每个分区中的矩阵行转换成块矩阵,行块式矩阵可不受map算子对RDD逐条计算的限制,并可以利用Spark中的线性代数库参与矩阵级别的运算.实验结果表明,行块式矩阵乘法策略有效提高了矩阵运算的效率,并行块Davidson方法能够快速求解大规模矩阵特征值和特征向量,有效提高了并行ISOMAP算法的性能,表明并行ISOMAP算法可以适应大数据环境下的降维处理.     

基于Unscented卡尔曼滤波的目标位置和信道参数同时估计算法

针对传统非线性最小二乘估计算法和多步迭代估计算法估计节点位置和信道参数时存在的缺点,提出一种新的基于卡尔曼滤波的目标位置和信道参数同时估计算法.新算法将接收信号强度指示(RSSI)定位问题转化为非线性方程组的参数向量估计问题,使用UKF对目标位置和无线信道参数同时进行估计.试验结果表明,与非线性最小二乘方法相比,新算法定位误差更小,对信道参数的估计也更准确.     

一种基于位置与身份标识分离协议的映射查询方法

互联网面临的主要挑战之一就是路由系统的可扩展性.针对如何减少核心路由表规模,如何减小路径查询长度,如何避免IP语义过载等是亟待解决的问题.基于位置与身份标识分离(locator/ID separation protocol,LISP)协议和Chord算法提出了一种新的映射方法LISP-Chord.LISP-Chord映射查询机制采用Chord算法,将端标识—路由位置(endpoint identifiers-to-routing locators,EID-to-RLOC)映射关系分布式的存储在映射服务器(MapServer)上进行资源查询.仿真结果表明,相比LISP-MAP,LISP-Chord协议具有更低的路由表复杂度,更低的节点加入退出开销以及更低的查询跳数.     

基于偏最小二乘的BP网络模型及其应用

基于BP网络模型具有拟合非线性数据的特性,提出一种基于非线性迭代偏最小二乘算法(NIPALS)的BP网络的构造策略,构造了新的PLS-BP网络模型,使BP网络减少迭代步数,提高学习效率.采用非线性迭代偏最小二乘算法预处理数据,将得到主成分数、自变量和因变量的主成分数的权重以及主成分间的关系矩阵B,以此用来确定BP网络的隐节点数和输入层、输出层的初始权值以及隐节点的关联系数.最后,进行仿真实验,并将它与PLS模型、标准的BP网络模型进行了比较,仿真结果表明,拟合和预测效果较好.     

基于混沌粒子群优化小波支持向量机的汇率预测

目前,支持向量机( SVM)常用的参数寻优方法存在易陷入局部极值的缺点,而其常用的核函数的逼近精度也有待提高.基于混沌映射的遍历性与随机性和小波变换的局部分析与特征提取能力,提出了一种混沌粒子群优化小波支持向量机(CPSO-WSVM)的算法,并应用它构建汇率预测模型.实验结果表明,相比传统的粒子群优化高斯核SVM(PSO-GSVM)的算法,CPSO-WSVM算法大大提高了预测的精度和效率,应用效果好.     

无线传感器网络中基于RSSI差值的改进定位算法

无线传感器网络(WSN)的许多应用都需要知道节点的位置,在某些环境下还需要获得节点的相对位置.本文以WSN的特点为基础,首先介绍了接收信号强度的理论知识,进而提出一种优化的基于测距的定位算法:在应用中的多用户情况下,节点采用多跳方式进行通信,在信标节点冗余的情况下,针对不同信标节点位置范围,建立定位误差最小的相应信标节点库,继而对不同位置范围的待测节点优化选取其定位采用的信标节点,最后将由未知节点接收到的信号强度得到的多用户间的距离进行差值,优化求解非线性方程组,提高算法性能.仿真结果表明,本文中的RSSI WSN差值定位算法比传统的RSSI定位算法拥有更好的定位性能.