基于张量主成分分析的人脸图像压缩与重构

提出了基于张量主成分分析的人脸图像压缩与重构算法,该算法依据K-L变换的原理找到用于图像压缩的投影矩阵,进而对人脸图像进行压缩.同时,也可以通过投影矩阵对人脸图像进行数据重构.通过在FERET和BioID人脸数据库的相关实验表明,与常规的主成分分析算法相比,张量主成分分析算法在同样的压缩比水平上能够实现更优的重构图像,定量分析表明张量主成分分析算法的重构误差和峰值信噪比亦优于常规的主成分分析算法.     

典型相关分析在图像匹配技术中的应用研究

典型相关分析是多元统计分析的一个重要研究课题,它借助主成分的思想,用少数几对综合变量来反映两组变量间的线性相关性质.文章采用典型相关分析方法,对相邻图像进行匹配拼接,确定出合适的拼接点,并选用不同场景的图像进行试验,取得了较好的结果.     

秸秆二次压缩中的比能耗试验

农业纤维物料在二次压缩过程中的比能耗受物料本身特性和压缩条件的影响.为探究不同因素对农业纤维物料二次压缩比能耗的影响,对秸秆捆在不同的压缩方向、初始压缩密度和含水率条件下进行压缩试验和分析.结果表明:不同压缩方向对压缩比能耗没有显著影响;对应相同的压缩量,存在最适宜初始压缩密度使得压缩比能耗达到最小值;当压缩密度小于500 kg·m-3时,压缩比能耗和压缩密度具有正比例关系;在安全含水率范围内,压缩比能耗随含水率的增大而减小.     

基于字符型属性的数据库水印安全性研究

对数据库水印安全问题进行了研究.提出了基于字符型属性的数据库数字水印方法.将水印信息表示为不可见的水印信号,并根据元组哈希值和字符属性值长度随机确定水印信号的嵌入位置,使水印安全性得到保障.重点分析了在元组添加、元组删除和属性值修改三种典型攻击中水印提取失败情况,以及由此引起的对水印匹配率的影响.最后在对实验数据分析讨论的基础上提出了数据库水印方案设计的原则.     

变量线性相关对主成分方差贡献率的影响

研究变量组个数、变量线性相关、线性无关和变量方差的改变,对矩阵特征值、主成分方差贡献率的影响.理论分析证明,线性相关变量个数的增加和变量方差的增大,都能使特征值增大,第一主成分方差贡献率增大,其它主成分方差贡献率减小.     

基于多方向正交匹配追踪的压缩感知图像重构算法研究

针对压缩感知中图像信号的压缩比较大、重构效率较低的问题,提出一种基于正交匹配追踪的压缩感知图像重构算法。该算法在图像压缩阶段,利用测量矩阵对目标图像进行二次测量,进一步缩小压缩比。在图像重构阶段,将单次循环的正交匹配对象由一维向量拓展到二维矩阵,利用多方向正交投影对压缩数据进行图像重构。仿真实验结果表明,在缩小压缩比的情况下,可较准确地重构出原始图像;并且显著提高重构效率。     

基于多方向正交匹配追踪的压缩感知图像重构算法

针对压缩感知中图像信号的压缩比较大、重构效率较低的问题,提出一种基于正交匹配追踪的压缩感知图像重构算法。该算法在图像压缩阶段,利用测量矩阵对目标图像进行二次测量,进一步缩小压缩比。在图像重构阶段,将单次循环的正交匹配对象由一维向量拓展到二维矩阵,利用多方向正交投影对压缩数据进行图像重构。仿真实验结果表明,在缩小压缩比的情况下,可较准确地重构出原始图像;并且显著提高重构效率。     

汽轮机组振动波形数据高效实时无损压缩算法

针对汽轮机组故障诊断系统中振动波形数据的形态特性,设计并实现了一套基于多次差分的压缩算法VWID.该算法先对原始波形进行多次差分以缩减其数据有效位,完成一次压缩.之后与通用压缩算法Zlib结合,对经过一次压缩后的数据流进行二次压缩,从而大大提高压缩比.针对汽轮机组等旋转机械振动波形数据的对比实验结果表明:以高压缩比著称的商用无损压缩软件Winrar压缩比为2.7～4.4, 而VWID压缩算法压缩比达3.9～5.2,VWID Zlib压缩算法压缩比可达5.3～6.4,同时具有无损压缩和实时高效的特点.     

一种基于维层次的Data Cube压缩存储方法

针对维层次的特点,提出一种利用基表元组的标识维来对Data Cube来进行压缩存储（Hierarchical Compress Storage Cube,HCSCube）的方法。在定义基表元组与Data Cube中聚集元组的导出关系后,DataCube中的一些聚集元组的聚集值可以由基表元组导出关系得到,因而可以合并保存,从而实现了Data Cube的压缩存储。理论分析和实验表明,基于维层次的压缩存储方法不仅能显著的减小Data Cube的存储空间,而且在查询效率上也有改进。     

序列图像帧间预测技术的研究

在视频压缩领域,帧间预测技术占有十分重要的地位。在简要介绍两种帧间运动估计/补偿模式基础上,该文重点讨论了局部运动估计中块匹配算法的应用和Sprite编码中的全局运动估计算法,提出一种"改进的分级块匹配法",并结合Sprite编码实现序列图像帧间压缩。大量实验表明,采用这种局部和全局相结合的预测算法,可以减少搜索时间,提高图像压缩质量和压缩比,是视频压缩可以输出甚低码流的有效手段之一。     

基于自适应波段聚类PCA的高光谱图像压缩

对高光谱图像进行有效压缩已经成为高光谱遥感领域的研究热点。针对现有高光谱图像压缩算法谱间特性利用不够充分的问题,提出了一种自适应波段聚类PCA(principal component analysis)与JPEG2000相结合的高光谱图像压缩算法。算法采用基于吸引力传播聚类的方法进行自适应波段聚类,对聚类后的各个波段组分别进行PCA运算,最后利用JPEG2000标准对所有主成分进行编码压缩。对高光谱图像进行波段聚类,不仅能更有效地利用谱间相关性,提高压缩性能;还可以降低PCA的运算量。实验结果表明,该算法在相同压缩比下,其信噪比、异常检测、光谱角性能相比对比算法均有所改善。     

基于广义线性模型的混合属性数据聚类方法

针对混合属性数据聚类难度高的问题,提出一种基于广义线性模型的混合属性数据聚类方法.首先,构建低阶多元广义线性模型处理海量数据聚类问题,考虑数据属性的时间特性,获取属性时间序列矩阵;然后,基于优化K-prototypes聚类方法处理混合属性数据时,考虑属性的时间序列矩阵;最后,在考虑样本同聚类中心距离基础上兼顾已知样本信息内容,采用优化方法计算数据相异度、样本与聚类集间距离,当聚类结果趋于平稳时终止运算,输出聚类结果.为验证基于广义线性模型的混合属性数据聚类方法的有效性展开实验分析.结果显示,该方法经过较少次迭代即可优化划分混合属性数据聚类集,聚类适应度值为0.88～0.94,适应度优,可准确体现样本间差异,是一种准确度高的混合属性数据聚类方法.     

个性化推荐系统中遗漏值处理方法的研究

为了高效地解决协同过滤算法中的遗漏值问题,而不是简单地用缺省值加以代替,提出了一种新的、在协同过滤中的遗漏值处理方法.其基本思想是,先利用具有最小方差的局部主成分,把包含有遗漏值的不完备数据集划分成多个模糊聚类,然后通过求解广义逆矩阵来获得各个子聚类的主成分,最终在局部主成分的基础上通过简单的线性方程模型去估计聚类中的遗漏值.实验表明,这种方法的优点是低内存需求,具有较小的平均绝对偏差值,并且显示出了比传统推荐算法更好的推荐质量.     

高速公路边界属性对防护林区昆虫多样性的影响

调查了高速公路不同边界类型和护坡道荆条种植区内昆虫群落的种类组成及数量变化,利用主成分分析和聚类方法分析了高速公路不同边界类型的属性与边界内生物多样性的关系。结果表明,护坡道荆条种植区内的昆虫群落多样性都比3种类型边界防护林内的高。主成分和聚类分析表明,边界上的昆虫群落多样性与物种数、年蜘蛛数量及其标准差、植被的盖度几个指标呈正相关,与边界宽度呈负相关;各边界类型都反映了昆虫、植被盖度和边界的结构等方面构成的综合特征,而非单一指标的简单组合。     

一种基于PCA的工件图像匹配方法的研究

为提高工件图像匹配的计算效率提出了一种基于主元分析(PCA)的新方法.该方法将模板图像视为一高维空间点集,对其进行PCA处理,在确定能够保证信息保留率的主元个数后,得到各元方向上投影值的最大最小值及与其对应的模板图像中的列的序号.在匹配时,只需抽取搜索区域中相同序号的列向相应的主元方向作投影运算,从而构成投影值向量,进而计算该向量与预处理中所得的最大最小值构成向量间的距离,从而根据距离的大小判断是否匹配.匹配中的寻优工具使用一种改进的遗传算法.对工件匹配的实验验证说明,所提方法具有较高的寻优速度和精度,且在待匹配图像中混有较高噪声的情况下也能得到较好的结果.     

PCA-FA： Applying Supervised Learning to Analyze Gene Expression Data

In previous gene expression data analyses, supervised learning has mainly focused on the classification of attribute data, such as the different experimental conditions, different known classes of the same tumor and sex, However, supervised learning classification is not suitable for interval-scaled attributes such as age and survival outcome of cancer patients, For this problem, this paper proposed a new method by combining two well-known methods: principal component analysis (PCA) and Fisher analysis (FA). The method, PCA-FA, realizes supervised learning with two types of attributes (nominal attributes and intervalscaled attributes). The fuzzy FA was introduced to model the interval-scaled attributes. In this paper, an approximate linear relationship between gene expression data of lung adenocarcinoma patients and survival outcome is successfully revealed by PCA-TA.     

PM2.5影响因素的主成分回归分析与预测

应用主成分分析和多元回归分析法对空气质量指数(AQI)进行分析,首先对数据进行Alpha可靠性分析、主成分分析得到两个主成分变量,进而对它们和PM2.5浓度进行多元回归分析,并且进行显著性检验,发现PM2.5与这两个主成分变量具有线性回归关系,最终得到一个1-α的置信区间,从而结合实际提出一些降低PM2.5浓度的对策。     

主成分回归对脑卒中发病与环境因素间关系的解析

脑卒中的诱发已经被证实与环境因素包括气温和湿度之间存在密切关系.对脑卒中的发病环境因素进行分析可以对脑卒中高危人群进行风险评估并及时采取干预措施,而平均气压、最高气压、最低气压、平均温度、最高温度、最低温度、平均相对湿度、最低相对湿度8个自变量之间的共线性使得用多元线性回归方法得到的回归方程的精度降低.运用主成分回归分析,对脑卒中发病人数与环境因素进行了深入解析,结合统计软件SPSS的分析结果,给出了计算主成分的正确表达式,并将主成分与发病人数进行多元线性回归,最终确定了脑卒中发病人数与8个环境因素间的数学模型.     

基于主成分聚类分析的采矿方法优选

 采矿方法优选涉及到多指标体系的分类及综合评价问题,利用主成分分析简化了指标结构,将主成分分析与聚类分析相结合,提出了主成分聚类分析法,并基于该方法对来自某矿山的15个试样的采矿方法进行了优选。在此过程中,针对传统主成分分析方法的缺点和应用中可能出现的误区,通过均值化改进了主成分分析的特征提取,通过以主成分得分为新的数据基础做聚类分析改善了综合评价效果;对主成分含义给出了较为明确的解释;对主成分聚类、第一主成分得分、主成分综合得分的排序结果进行了对比分析。研究表明,主成分聚类分析法则既可以对多变量数据进行合理地分类,又能对各类优劣程度做出综合评价,能充分反映矿山的实际情况,终选出的采矿方法在工业试验后成效显著,验证了该决策方法是切实可行的。     

PCA显著性检验结合相关分析的图像缩放法

针对内容感知图像缩放法的显著图，引入主成分分析（PCA）法检测图像的显著性，并结合相关分析法进行图像缩放。先根据图像每个像素点构造3×3领域，通过PCA算法得到每点的显著得分并定义行、列的显著度；再结合图像行列相关分析得到的行列相近度，给出各行各列的重要值，删除或放大较小重要值的行列实现图像的缩放。实验结果表明，该方法理论简单、运行高效，不仅能够完整地保护重要区域，同时还可以让图像的整体概貌过渡良好。