基于改进典型相关分析的混沌时间序列预测

典型相关分析是目前常用的研究两个变量集间相关性的统计方法.针对线性典型相关分析法不能揭示变量间非线性关系,因而不适用于混沌系统等问题,将核典型相关分析与径向基函数神经网络相结合,提出了一种改进的核典型相关分析方法以解决映射空间样本未知及逆矩阵求解困难等问题.首先利用两个径向基函数神经网络,通过训练使两个网络输出之间的相关系数达到最大,可同时得到两组典型相关变量.然后建立预测模型,对Lorenz混沌方程及大连月气温与降雨二变量混沌时间序列进行仿真,并与传统的线性回归预测方法进行比较,多组仿真结果证明了所述方法的有效性.     

利用深度玻尔兹曼机与典型相关分析的自动图像标注算法

提出一种基于深度玻尔兹曼机与典型相关分析的自动图像标注算法(DBM-CCA)。该算法利用深度玻尔兹曼机实现图像与文本的低层次特征向稀疏高层次抽象概念的转变,并通过典型相关分析建立子空间映射关系以实现标注词汇的生成。首先在深度玻尔兹曼机提取图像与文本高层特征过程中,选用伯努利分布和高斯分布分别拟合标注词汇和图像特征,然后在图像与标注词汇高层特征形成的典型变量空间内计算待标注图像与训练集图像的马氏距离并据此加权计算得到高层标注词汇特征,最后由平均场估计生成图像标注词汇。实验结果表明,所提算法对图像的标注准确率改善较好,与经典的基于监督的多类标签方法和多重伯努利相关模型相比,在Corel5K实验中平均查准率和查全查准均率分别提高了10%和5%。     

基于局部色彩不变量的图像篡改检测方法

针对基于分块的图像区域复制篡改检测方法通常面临的图像特征提取计算量大、维度高、识别率低等问题,提出一种基于局部色彩不变量特征的图像区域复制篡改检测方法,将RGB彩色图像转换到对立色彩空间,通过分析和提取图像各通道上的局部密度分布特征,构建k-d树进行相似分块特征匹配以实现图像区域复制篡改检测.提出的局部色彩不变量密度特征具有维度低、计算简单等特点.实验结果表明,本文方法与其他几种典型的基于分块的方法相比,具有较低的时间复杂度和较高的检测率,且对图像篡改区域的旋转、缩放攻击具有较好的鲁棒性,特别是当图像篡改区域进行大角度旋转时与其他几种方法相比具有明显优势.     

典型回归及其在趋势面分析中的应用

本文用典型相关分析的理论来研究多重回归(即多个自变量对多个因变量的回归的问题。首先对预报量集团和预报因子集团进行降维,化成一对(或少数几对)综合变量以后,进一步用逐步回归的方法挑选那些影响预报量的综合变量的主要因子,建立回归方程(称为典型回归方程)以实现对预报量的预测或最优控制等问题.应用典型回归于趋势面分析中,建立一种多重趋势面(称典型趋势面),它发展了通常利用最小二乘法建立多项式曲面来拟合单变量观测数据的趋势面分析,使我们能够从某一测区的一组相关变量的观测值揭露其综合效应的变化趋势,而且这个趋势具有地质量与地理坐标之间的最大相关性质。因之,可以预测一组地质变量在测区的不同位置上的变化规律.     

基于伪Zernike矩模糊不变量的图像识别算法

为了提高模糊图像的识别率,提出了一种新的基于正交伪Zernike矩模糊不变量的图像识别算法.该算法首先推导出模糊图像的伪Zernike矩和原始图像的伪Zernike矩之间的线性关系,然后利用该关系构造出伪Zernike矩的模糊不变量,最后将该不变量作为描述算子对模糊图像进行识别.实验表明,与Zernike矩模糊不变量相比,伪Zernike矩不变量具有更好的模糊不变性,并且基于伪Zernike矩模糊不变量的图像识别算法能获得更高的识别率,特别是当图像含有较大噪声时.     

非线性与线性典型相关分析的对比实验

线性典型相关分析揭示了两组变量间潜在的线性关系,但实际应用中,变量之间往往还潜在着非线性关系。主要研究非线性典型相关分析算法,揭示变量间潜在的非线性关系,并通过非线性与线性典型相关分析对比实验,验证其优良性能。     

典型相关分析在量表效标效度考核中的作用

探讨典型相关分析在新编量表效标效度评价中的作用.以乙型肝炎患者生存质量测定量表(QOL-HBV)为目标量表,SF-36量表为效标量表,用积差相关分析和典型相关分析两种方法评价量表的效标效度.结果表明,QOL-HBV量表的SF维度与SF-36量表中的除VT外的各维度具有相关性,但与MH维度的值小于0.4.在典型相关分析中得到SF-36量表的第一对典型变量主要反映PF、RP、BP、GH、SF和RE等6个维度,QOL-HBV量表的第一对典型变量主要反映SF、M F和PF等3个维度.典型相关分析能够得到和简单相关分析一样的结论,但比简单相关分析提示更多的信息.     

基于典型相关树加权置信传播的运动目标检测

针对基于视频的运动目标检测中视频背景复杂多变的特点,提出一种基于典型相关树加权置信传播的算法进行运动目标提取.首先将视频图像分成大小相同的子块,构造出有环图模型;再运用tree-reweighted算法将环路分解成生成树的形式,进行有环图模型的目标优化检测;然后利用典型相关分析求解相邻子图像块之间的典型相关系数值,选取典型相关系数值最大的两子图像块进行连接,组成新的环路;最后利用树加权置信传播算法迭代更新信息,实现视频运动目标的检测.试验结果表明,该算法的运行时间为9.8 s,与原图像的相似度可达到95%以上,因此它可以比较准确检测分离出视频序列运动目标,且稳定性好,运算时间较短,适合于对运动目标的实时检测.     

植物叶片图像边缘检测Canny/SUSAN算法比较

植物叶片图像的边缘检测是基于图像分析的植物叶片识别技术中的重要环节.图像边缘检测算法的合理选取与叶片识别的准确度紧密相关.运用Canny算法和SUSAN算法分别对10种具有典型叶形特征的植物叶片图像进行边缘检测,并作主观分析和客观评价.结果表明,植物叶片的叶形和叶脉特征对算法效果的影响较大,在实际应用中应考虑这2种算法对叶形的选择性.     

典型相关分析下运动员自信心与心境状态关系及其路径探测

通过对216名篮球运动员进行赛前运动自信心和POMS问卷的有效测试,借助典型相关统计分析方法,以探查自信心与心境状态之间的相关关系及路径,为深入探讨情绪与能力知觉关联的本源性联系问题研究提供实证依据,重新探索能力知觉在情绪解释中的作用及相关理论模型的建立。这在目前来说,尚属空白,可使目前泛滥的量化研究回归到本质联系的正确轨道上来。研究结果表明:(1)在典型相关分析中,仅提取到相关最大的唯一一个综合变量对,即心境状态两个层面与自信心两个层面之间的最大相关线性组合,其典型相关系数为.394(P.01)。(2)心境状态与自信心之间的密切关系在研究中得到证实。其中,消极心境的结构系数为-.666,特质自信心,状态自信心和积极心境在线性相关中探测到的路径结构系数分别为为.989、.656和.855。(3)特质自信心和状态自信心以及积极心境和消积心境与两个第一典型变量的结构系数都达到了.50以上的显著,是篮球运动员赛前能力知觉和情绪关联关系解释中的两个重要变量对。     

脑电信号中肌电伪差的实时去除方法研究

为了在线去除脑电信号中的肌电伪差,使用典型相关分析方法,分析了大量被肌电干扰和未被干扰的脑电(EEG)信号,得出了一个合理的自相关阈值.在时域上,肌电伪差和一般的噪声信号比较类似,有比较小的自相关值,在去除肌电伪差时,凡自相关值低于此值的分解成分被识别为肌电伪差.该方法很好地利用了这个特点,将肌电伪差分量与潜在大脑信号分离,然后依据剩下的分解成分重建"干净"的EEG信号.实验结果表明,典型相关分析法在去除肌电伪差时优于独立成分分析法,结合提出的自相关阈值在有效去除肌电伪差的同时,又能较好地保持潜在的大脑信号不变.     

典型相关分析及其在外语教育研究中的应用

定量实证研究在我国外语教育研究领域取得了长足的进步,但也暴露了方法论方面的一些问题,因而加强外语教育研究方法论的训练仍是一项长期而艰巨的基础性工作。通过介绍典型相关分析(Canonical Correlation Analysis)并结合实例详细讨论其在外语教育研究中的具体应用表明,作为研究两组变量相关关系的多元统计分析方法,典型相关分析在处理两组变量的相关性问题上明显优于简单相关分析、多元回归分析和因素分析。而且,由于外语学习过程的多因素特征,典型相关分析在外语教育研究领域具有广阔的应用前景。     

植被与环境关系的分析Ⅱ：CCA和DCCA限定排序

本文介绍两个限定排序方法:CCA和DCCA通过对Aber山谷植被与环境关系的分析,表明限定排序在研究植被和环境关系上优于DCA,其中DCCA好于CCA,因为它消除了“弓形效应”的影响。在描述群落之同关系上,DCA则优于限定排序。     

缬沙坦胶囊辅料含量近红外光谱模型传递研究

为了建立缬沙坦胶囊辅料含量近红外光谱分析模型能在不同仪器间实现共享,提高模型的有效利用.采用分段直接校正(PDS)和典型相关分析(CCA)法进行了近红外仪器间模型传递的研究.研究表明:在主机建立的模型经PDS算法传递后,子机验证集的预测均方根误差(RMSEP)分别为2.41、1.95、0.99、0.53,经CCA算法传递后的RMSEP分别为0.78、1.19、0.78、0.43.对于2台傅里叶变换型近红外光谱仪,采用PDS和CCA方法可成功实现模型传递,其中CCA作用效果优于PDS,该研究结果对于辅料含量近红外快速分析模型的广泛应用具有重要意义.     

模糊标号典型相关分析及其在人脸识别中应用

把样本分布信息融于特征提取过程将有助于提高特征的分类能力.利用模糊隶属度概念,提出一种基于模糊标号典型相关分析的特征提取新方法.构造模糊标号刻画样本的分布情况,并将其与典型相关分析结合,能提取综合灰度信息和分布信息的有效判别特征.此外,针对样本不足导致的小特征值包含较多干扰信息的问题,基于矩阵理论及双空间分析思想,进一步提出双空间模糊标号典型相关分析算法,缓解了过小特征值对算法性能的影响.在ORL和组合人脸数据库上的实验结果表明新特征具有良好的分类能力,证实了所提算法的有效性及应用价值.     

利用特征信息的加权典型相关分析算法

典型相关分析（canonical correlation analysis,CCA）是一种寻求同一对象的2组变量之间最大相关性的多元统计方法,通过线性组合各组特征提取出对应的典型相关特征。但在简单地线性组合各组特征时,传统的CCA并未考虑特征的本征属性信息,无法区分主要特征和次要特征。充分运用特征本身的方差信息和提取后的典型相关信息,提出一种利用特征信息的加权典型相关分析（weighted canonical correlation analysis,WCCA）。一方面,利用方差信息对原始特征进行加权处理,使得原始特征的重要性更加具有区分度;另一方面,利用典型相关性对提取后的特征进行加权处理,既进一步增强了特征的主次关系,又保留了小相关性的特征信息。综合这2方面的特征信息,WCCA提取后的特征在分类和识别上更具有表现力。在ORL和AR人脸数据库以及对象识别数据库COIL20上的实验结果验证了该方法的有效性。     

西藏拉萨河谷巴嘎雪湿地植被群落组成及其环境因素之间的相关性

文章以拉萨市巴嘎雪湿地作为研究地点,采用趋势对应分析（DCA）和典范对应分析（CCA）对该湿地植被群落结构、分布格局及其环境条件的相关性进行了研究。其结果表明,巴嘎雪湿地34种主要植物隶属18科32属,其中常见的种有芦苇、肉果草、嵩草、杉叶藻、狐尾藻、水毛茛、矮嵩草、荸荠、西藏粉报春和甘肃马先蒿等。DCA分析表明,26个样方分为三个主要组合类型,分别代表不同的生境类型;34个植物物种分为三种主要的群落类型并与CCA排序分析基本一致。CCA排序分析反映了巴嘎雪湿地植被群落结构和分布格局随着环境变化趋势形成不同物种为代表的三个群落,并且CCA分析确定了影响该湿地植被群落结构和分布格局的主要环境因子,即水位变化、电导率和小生境变化（小丘、积水等）等。     

铜包铝复合金属线材的性能测试与分析

简述了铜包铝线复合金属线材的规格，分析了高频信号在导线中的传输特点——“趋肤效应”。测试并总结了铜包铝线的各种性能，分析了铜包铝线的优越性，探讨了铜包铝线在高频型号传输中的应用前景。     

数据区间优化对SSVEP算法性能的影响

稳态视觉诱发电位(steady-state visual evoked potential, SSVEP)响应的个体差异性较大,不同环境下各被试者脑电信号的质量有差别.针对这个问题,研究了SSVEP中数据区间的优化对CCA(典型相关分析)和ECCA(扩展典型相关分析)方法分类结果的影响.首先通过网格搜索方法找到脑电信号的最优数据区间,然后使用CCA和ECCA方法对该区间数据进行特征识别,使得识别效果得到提升.实验结果表明,同时对数据区间起始点和终点进行优化能够有效提升信息传输率(ITR),数据区间优化后的CCA和ECCA分类平均ITRs为(61.18±27.20)bit/min和(71.37±32.24)bit/min,比使用传统的仅优化数据区间终点的方法提高了29.89%和8.3%,证明了通过数据区间优化能够提升SSVEP算法的性能.