面向感兴趣类别的约束非负矩阵分解算法

在处理高光谱数据解混问题中,非负矩阵分解是一种非常有效的方法之一。现有的非负矩阵分解方法一般是针对图中所有地物信息的盲分解,然而实际应用中常常并不需要求取全部地物类别的丰度信息。如果只考虑感兴趣类别,那么其它类别会对其产生不可预测的干扰。针对干扰问题,提出了一种基于最小二乘算法预估计并结合最小距离的约束非负矩阵分解算法(LSMDCNMF)。实验表明,所提出的算法在不忽略非感兴趣类别的情况下,有效地提高了感兴趣类别的解混效果。     

基于L2范数和增量正交投影非负矩阵分解的目标跟踪算法

在贝叶斯框架下,基于增量正交投影非负矩阵分解目标跟踪算法能够适应各种复杂的场景,准确处理跟踪目标外观变化,取得了较好的跟踪效果,但是该算法计算量大,难以满足实时性要求。针对这一缺点,提出了一种基于L2范数和增量正交投影非负矩阵分解的目标跟踪算法,建立基于L2范数最小化和增量正交投影非负矩阵分解的目标表示模型,在贝叶斯框架下得出跟踪结果。实验结果表明,新算法能够较好地处理视频场景中的光照变化、尺度变化、局部遮挡、角度变化等干扰,有较低的中心位置误差平均值和较高的重叠率平均值,平均处理视频达4.08帧·s-1,能够满足实时性的要求。     

基于有约束CNMF的遥感高光谱多光谱图像融合

针对高光谱图像空间分辨率较低的问题,设计了一种基于光谱解混的高光谱、多光谱图像融合算法（VSC-CNMF）. 结合遥感图像的实际物理特性,在混合像元分解时加入端元单形体最小体积约束和丰度稀疏约束,通过光谱退化、空间退化和迭代解混,实现不同图像间端元和丰度的匹配,获得了具有高空间分辨率的融合图像. 仿真实验表明,VSC-CNMF可得到具有更高空间质量和光谱质量的融合图像.     

平面阵列下的二维角度和频率联合估计

在均匀面阵列结构基础上提出一种二维角度和频率联合估计新方法. 对阵列天线输出的信号进行建模分析,表明阵列接收信号具有平行因子四线性模型特征. 利用该模型低秩分解的唯一性条件,从分解得到的矩阵中联合估计出信源的参数. 该算法首先利用四线性交替最小二乘算法估计出方向矩阵和频率矩阵,然后利用频率矩阵的Vandermonde特征和方向矩阵的结构特点及最小二乘法计算频率和二维角度. 该方法无需谱峰搜索即可实现参数同时估计与配对,与现有的基于三线性分解的算法和ESPRIT算法相比具有更高的估计精度,而且在小样本数情况下也能较好地工作. 仿真结果验证了该方法的有效性.     

人脸识别中的零范数稀疏编码

为解决人脸识别中运算速度和识别效果之间的矛盾,提出了零范数稀疏编码算法. 该算法用零范数描述稀疏编码模型的稀疏度,通过对模型的间断点连续开拓,有效地提高了算法收敛速度. 运用ORL人脸数据库对该算法进行识别率和效率测试,并与非负稀疏编码算法和非负矩阵稀疏分解算法进行对比,表明文中提出的算法调节稀疏度的能力更强,可有效缩短运算时间,并在较短时间内获得较高的识别率.     

一种优化的迭代误差分析端元提取方法

以迭代误差分析方法为依据,提出一种优化的迭代误差分析方法。该方法通过一个局部窗口对由迭代误差分析方法获得的端元光谱进行优化,从而获得更加精确的端元光谱信息。真实的高光谱图像试验结果说明了该方法的有效性。     

中文地名数据清洗中的重复字段匹配

为了提高中文地名字段匹配的准确度,提出中文地名的相似重复检测与清洗策略和矩阵相似重复匹配方法. 该清洗策略采用矩阵相似重复匹配方法,通过矩阵运算计算中文地名数据之间相同字符或者词语出现的频率,利用频率计算两者之间的语义相似度和结构相似度,然后将语义和结构相似性有机结合,作为相似性判断和重复数据清洗的依据. 实验验证了该方法的可行性和有效性. 结果表明,该方法对于中文地名字段匹配在查准率和召回率方面优于已有的其他算法.     

基于半监督非负矩阵分解的人流量分析

非负矩阵分解(Non-negative Matrix Factorization,NMF)由于可以保证矩阵分解的非负性,这符合许多实际问题的要求,比如遥感、生物信息等数据都具有非负性.而且其分解结果具有可解释性和明确的物理意义,因此在很多领域都有广泛的应用.将半监督非负矩阵分解应用于人流量统计数据处理,实验结果表明加入...     

贝叶斯方法和非参数模型支持下的遥感影像线性光谱分解

针对遥感影像混合像元分解中的地物光谱不确定性问题,提出利用非参数模型来刻画地物光谱的概率分布,并基于贝叶斯方法得到地物面积比例的后验概率分布,最后利用无偏估计和最大似然估计来估算地物面积比例. 通过Landsat遥感影像不透水层制图的实验表明,所提方法的分解精度高于传统的线性光谱分解算法和硬分类方法,证明了贝叶斯方法能够较好地解决地物光谱不确定的问题.     

基于非负矩阵分解和均方根误差的遥感图像分类方法

在利用非负矩阵分解(NMF)对高光谱图像进行降维时,并没有考虑图像中的噪声信息。因此,在利用NMF对图像进行分类时,往往不能获得很好的分类精度。基于此,提出了一种新的分类方法,该方法先利用均方根误差(RMSE)对图像进行去噪,然后再利用NMF对图像进行分类。     

基于分数群稀疏混合范式和空间正则化的高光谱解混

高光谱稀疏解混合方法旨在寻找光谱库的最佳子集以对场景中的混合像元进行建模。大多数稀疏解混合方法使用美国地质调查局光谱库，易造成与所研究的高光谱数据失配。利用顶点分量分析和概率输出支持向量机，设计了一种结合空间和光谱信息的基于图像的端元光谱库提取方法。由于提取的端元光谱库具有群结构，即多个端元光谱代表一类材料，因此估计的丰度也具有群体结构。提出了基于分数群稀疏混合范式和空间正则化的解混算法，用来解决丰度估计优化问题。分数混合范式诱导丰度群内和群间稀疏性，全变分(Total variation, TV)空间正则化诱导丰度群空间平滑。在模拟数据集和真实数据集上的实验结果表明，与传统稀疏解混合方法相比，该方法可以显著提高解混性能。     

SIFT特征匹配无人飞艇多光谱影像拼接

无人飞艇抗风能力弱、稳定性差且不符合航摄规范,采用传统方法对其所获取的影像进行拼接往往达不到较高的精度. 为此,该文提出一种基于尺度不变的特征变换进行多光谱遥感影像特征匹配的拼接. 将多光谱信息引入SIFT特征向量集,采用BBF(best-bin-first)算法和随机抽样一致性方法进行粗、精匹配处理和误差剔除,以SIFT特征匹配计算的最优变换矩阵实现光谱影像拼接. 对无人飞艇获取的多光谱影像拼接实验结果表明,所提出的方法能获取大量匹配特征点,且影像间的变换矩阵稳健,光谱影像拼接精度和效果能满足判读解译的需求.     

基于DMD-NARX模型的短期电力负荷预测方法

提出了一种基于DMD-NARX模型的短期电力负荷预测方法,深入地探索了负荷变化趋势和历史数据之间的内在关联,同时在短期预测的精度上有所提高。首先通过自相关函数(Autocorrelation function, ACF)并结合短期负荷波动的时间规律特性,在已有历史相关数据的基础上推导出相应日期的输入特征集合;然后将输入特征集合归一化后通过Hankel矩阵完成由单变量输入特征序列向多维数据矩阵的转换,以动态模态分解(Dynamic mode decomposition, DMD)为手段完成对上一步所得多维数据矩阵的动态模态估计和特征分解,同时对电力负荷底层的多尺度动态情况有了更加深入的掌握;最后使用基于外部输入的非线性自回归(Nonlinear autoregressive with external inputs, NARX)神经网络模型,同时以上一步取得的动态模态估值作为计算相应预测日期内各时段负荷分布的基础,并推导出最终预测结果。最终的测试数据证明,此方法较好地改善了模型的预测精度。     

基于知网的领域概念抽取与关系分析研究

针对目前领域概念抽取手工完成的现况,提出了一种基于知网的领域概念抽取和关系分析系统模型.本模型利用知网语义相关性从文本中生成领域语义词典,结合TFIDF算法建立"词-文本文档矩阵",用以代替传统的词形频率统计;通过产生领域语义本体,利用语义相似度对概念进行聚类.讨论了这3个步骤所涉及的算法,包括基于统计模式从文本中抽词,基于奇异值分解从词-文档矩阵中提取概念,基于语义相似度对概念进行聚类等.实验表明,本文提出的抽取方法相对与词频算法具有较高的准确度.     

基于低概率检测的高光谱异常目标检测算法研究

在深入分析高光谱数据特点的基础上,系统研究了基于低概率检测的高光谱图像异常检测方法。首先针对高光谱图像数据维数高的特点研究高光谱图像降维方法,重点研究自适应子空间分解(ASD)算法对高光谱图像进行降维;然后研究高光谱图像异常目标检测算法,异常检测算法能够在没有先验光谱信息的情况下检测到与周围环境存在光谱差异的目标,具有较强的实用性,成为一个重要的研究热点,重点研究低概率检测(LPD)算法,并用此算法对高光谱图像进行异常检测。此外,还研究了其它算法如RX算法,并与LPD算法进行比较,在此基础上对LPD算法进行改进,寻求以较高的鲁棒性进行高光谱异常目标检测,最终用基于特征融合的低概率检测算法对LPD算法进行改进。     

具有距离保持特性的高光谱彩色可视化模型

提出一种将高维的高光谱图像非线性优化到三维彩色空间的可视化方法. 以距离保持特性作为主要设计标准,同时保证生成的图像具有尽可能大的类间可分性,使生成图像的各像元间的距离差与高光谱数据各光谱间距离差高度相关. 该方法由以下四部分组成：1)将高光谱图像中各端元光谱降维到二维空间作为色品坐标;2)由第3维亮度值的优化使相关性达到最优,进而确定各端元的颜色标签;3)根据像素所含各类别的丰度值进行颜色的线性混合;4)利用局部优化方法对彩色图像进行优化校正,最终实现整幅图像的彩色可视化. 实验表明,该方法合理可行,生成的图像具有较好的视觉效果,并能获得较好的距离保持特性及可分性,适用于高光谱数据的可视化显示.     

一种基于共性特征的SAR图像与卫星光学图像匹配方法

提出了一种新的基于边缘的合成孔径雷达(SAR)图像与卫星光学图像匹配算法.在这种算法中,针对SAR图像固有特性提出了一种边缘特征的提取方法,并提出了一种新的基于边缘连续性密度加权的子模板Hausdorff距离矩阵度量方式,采用子模板Hausdorff距离矩阵的Frobenius范数来描述整个矩阵的"大小"的尺度,从而建立图像相似性测度.这种测度具有可靠,鲁棒,易于并行实现的优点.试验结果表明,这种算法鲁棒性好,匹配精度高,计算速度快.     

基于Kohonen聚类小波包分解和ELM的短期电力负荷预测

提出基于Kohonen聚类、小波包分解和极限学习机的短期电力负荷组合预测方法.考虑到电力负荷具有一定周期相似性,经过Kohonen神经网络的聚类分析能确定与待预测日具有类似特性的负荷相似日;利用双正交小波对负荷数据进行分解,得到不同的频率分量分别送入ELM网络进行预测;最后将所得的不同频带中的待预测负荷分量组合,即为最终负荷预测值.经仿真实验表明,较传统单一的神经网络算法,该方法在预测精度和运算时间等方面均颇有提升,具有一定的实用性.     

用于样本聚类和网络分析的整合鲁棒结构化NMF模型

为了更好地保留数据之间的同质性，提出了一种整合鲁棒结构化非负矩阵分解（integrated robust structured non-negative matrix factorization，iRSNMF）模型，并在该模型中引入一个结构化项.将该模型用于癌症样本聚类实验和基因共表达网络分析，以验证其有效性.根据现有文献对相关基因和通路进行生物学解释.实验结果表明，iRSNMF模型聚类性能较好并且能够挖掘到的关键基因更多.用iRSNMF模型获得的基因和通路在癌症的发病机制中起着重要作用，并为癌症诊断、治疗和预后提供了新的思路.     

一种融合图结构的时空轨迹相似性查询算法

针对海量时空轨迹数据相似性查询速度慢的问题，提出一种融合图结构的时空轨迹相似性查询算法。从空间维和时间维将轨迹建模为图结构中的一条路径，设计了一种同步匹配空间和时间距离的轨迹相似性度量函数。在此基础上，设计了一种结合时间过滤的基于边的倒排索引结构支持轨迹时空相似性查询，同时利用距离上界的剪枝策略提高查询性能。计算返回的相似轨迹集合中每条轨迹的距离并进行排序，得到相似度最高的前k个轨迹。最后将所提算法与NTrajI算法、SHQ算法、SHQT算法在合成数据集和真实数据集上进行实验对比。结果表明：该算法在索引建立、查询效率和查询质量方面均优于其他对比方法，因此是可行而有效的。