基于主成分分析的PSO-ELM与Adaboost算法耦合模型在极震区泥石流物源动储量计算中的应用

针对极震区泥石流物源动储量受到多种因素的影响呈现出非线性特征不易计算的问题,提出了一种基于主成分分析(PCA)的粒子群优化极限学习机与AdaBoost算法耦合(PSO-ELM_AdaBoost)的计算模型。以汶川地震极震区区内的60条泥石流样本,从泥石流物源形成与启动方式入手,考虑沟域面积、相对高差、主沟长度、距发震断裂带距离、沟床平均纵比降和物源静储量六种泥石流物源动储量影响因子。运用Person相关性系数(PCC)、灰色关联度(GRG)和最大互信息系数(MIC)对影响因子进行敏感性分析,验证选取因子合理性；基于PCA对样本数据进行降维,避免信息冗余；使用PSO-ELM_AdaBoost耦合模型对处理后的样本数据进行训练和预测,并将结果与BP、SVM、ELM和PSO-ELM模型计算值进行比较；为验证模型适宜性,从每个子研究区中抽取一条泥石流沟和其他极震区的三条泥石流沟应用PSO-ELM_AdaBoost模型进行泥石流物源动储量计算。结果表明,该模型计算精度优于传统计算模型和其他神经网络模型,具有较好的适宜性和稳定性,是一种可靠的极震区物源动储量计算方法,能够为泥石流防治工程的设计提供有价值的参考。     

基于PCA和相位差校正法的风切变预警算法

为了提高相干激光雷达风切变预警算法的预警率，提出一种基于主成分分析（principal component analysis，PCA）和相位差校正法的风切变预警算法。首先，利用PCA对雷达回波信号进行低阶主成分向量提取以实现信号重构，提高信噪比。其次，采用基于快速傅里叶变换的相位差校正法对回波信号峰值频率进行校正，降低回波信号能量泄露。然后，分别利用旋转电机实验数据和小型飞机实验数据对所提算法进行性能评估。结果表明，采用所提算法估计相干激光雷达回波信号峰值频率的平均绝对误差为0.26 MHz，对实际低空风切变的预警率为92.31%。所提算法可以有效降低相干激光雷达回波信号频率估计误差，实现低空风切变预警。     

基于GPU的PCA人脸识别系统设计

针对实际人脸识别系统需要满足实时性的应用需要,探讨了在图形处理器(GPU)硬件架构基础上的基于主成分分析(PCA)人脸识别系统设计与实现.结合统一计算设备架构(CUDA)的计算平台,通过将算法中耗时长、适合并行的部分过程映射到GPU上并行执行改进系统的加速实现.实验结果表明:相对于基于CPU平台的串行实现,基于GPU的实现在整体上能够获得约5倍的加速,而两个执行并行的模块能分别获得最大20倍和30倍的加速.     

基于测地线采样的三维表情人脸识别

针对测地线类人脸识别算法速度慢的问题, 提出了一种基于测地线环带特征点采样的三维人脸识别方法。首先根据测地线距离以鼻尖点为中心在人脸表面绘制一系列等距测地线环; 再对测地线环带进行特征点采样构成人脸描述特征, 并进行PCA(Principal Component Analysis)运算和去相关处理; 最终使用投票法融合各环带单独结果以识别人脸。在FaceWareHouse 表情三维人脸数据集上进行的识别实验表明, 该方法识别准确率与传统测地线法相当, 而识别时间有明显减少, 平均识别时间由2. 55 s 降至0. 624 3 s。     

Analysis of PCA Method in Image Recognition with MATALAB

The growing need for effective biometric identification is widely acknowledged.Human face recognition is an important area in the field of biometrics.It has been an active area of research for several decades,but still remains a challenging problem because of the complexity of the human face.The Principal Component Analysis(PCA),or the eigenface method,is a de-facto standard in human face recognition.In this paper,the principle of PCA is introduced and the compressing and rebuilding of the image is accomplished with matlab program.     

基于Gabor小波和PCA的掌纹识别方法比较研究

掌纹识别是利用人的手掌图像进行身份鉴别的一种新兴生物特征识别技术. 主成分分析(PCA)、二维主成分分析(2DPCA)、Gabor小波等则是生物特征识别的常用特征提取方法. 本文采用四种实验方案来比较研究基于PCA以及基于Gabor和PCA的掌纹识别特征提取性能, 用正确识别率和训练时间等参数来对其进行对比分析, 其结果可为掌纹识别系统选择特征提取方法提供一定理论参考.     

基于综合定权法的中国玉米综合灾害风险评价

基于AHP层次分析法、PCA偏相关分析法、BP神经网络法等多种赋权法的对比分析,提出了一种将定性分析和定量计算有效融合的多指标综合定权模型IW.据此评价了中国各省(市、区)玉米的综合灾害风险,并绘制了中国玉米综合自然灾害风险等级图.结果表明,使用IW综合定权模型能够得到更加合理、精确的指标权重,据此绘制的风险评价图不仅能够很好反映中国玉米种植风险的地域分异规律,而且具有良好的解释性.     

基于PCA＋2DPCA的人脸识别方法分析

阐述了基于主成分分析（Principal Component Analysis,PCA）和二维主成分分析（2DPCA）的人脸识别方法,分析了该方法在矩阵理论中的来源和算法,提出了PCA＋2DPCA分析方法,并采用2DPCA求出特征向量,PCA进行最优压缩,从而降低了维数.     

基于特征融合的三维人脸识别

针对单一的人脸特征在识别中的局限性,将基于深度图像的全局特征和基于测地线的局部特征进行融合,以提高识别率.将三维人脸点云转换为深度图像后进行预处理,然后使用主成分分析法(PCA)找到一个低维的特征脸空间,依照最近邻法则将其与库集样本进行匹配,所得结果即为全局特征;将测试样本与模板人脸进行匹配,得到35个特征点,这些特征...     

基于EEMD-Renyi熵和PCA-PNN的滚动轴承故障诊断

针对滚动轴承故障特征提取与状态监测问题,提出一种基于集合经验模式分解(EEMD)、Renyi熵、主元分析(PCA)和概率神经网络(PNN)的新方法.首先,将轴承振动信号通过EEMD分解成一组本征模态函数(IMF),计算每个IMF分量的Renyi熵值作为表征故障特征的向量,采用主元分析(PCA)对特征降维,提取主元输入概...