基于核主成分分析的虹膜识别方法

提出了一种新的虹膜识别方法,利用核主成分分析(KPCA)提取虹膜的纹理特征,采用竞争学习机制进行识别。实验结果证明采用该方法的虹膜识别系统识别率高、环境适应性强、运行时间短,在虹膜识别中具有良好的应用价值。     

基于核主成分分析的虹膜识别方法

阐述虹膜作为生物测定学特征用于身份识别具有得天独厚的优势,虹膜识别在场所或资源的安全控制等方面具有重要的应用价值.提出一种新的虹膜识别方法,该方法利用核主成分分析(KPCA)提取虹膜的纹理特征,通过竞争学习寻找其中最优的KPCA特征,形成虹膜编码,最后通过计算编码之间的方差倒数加权欧氏距离对虹膜进行识别.实验结果表明,该方法计算速度快,提取特征的效果好,对环境的适应性强,可用于实际的身份鉴别系统.     

碳酸盐岩储层裂缝测井识别方法研究

在碳酸盐岩地层中,裂缝是非常重要的储集空间类型,因此识别裂缝具有十分重要的意义。普光气田碳酸盐岩储层非均质性强,储0层类型复杂,为裂缝识别增加了较大的难度。本文以常规测井资料为主,结合岩心资料、薄片分析资料以及成像测井资料,总结出不同类型裂缝的测井响应特征。根据对裂缝测井响应特征的分析,引入支持向量机方法,将所选样本进行归一化训练,对普光气田4口井进行预测,准确率高达80%。     

应用主成分分析法的ECG身份识别方法

提出了一种基于主成分分析法对ECG信号进行特征表述的身份识别新方法。在预处理阶段对ECG信号进行滤波、分段、归一化、抽样处理，然后计算ECG信号的协方差矩阵及协方差矩阵的特征值和特征向量，其中较大的特征值对应的特征向量具有与ECG相似的形状，利用这些特征向量可描述、表达和逼近ECG信号并用于后续的身份识别。实验结果表明：相对于ECG基点特征提取技术，该方法提高了录用率，获得了较好的识别效果。     

基于主成分分析和凸优化的低压配电网拓扑识别方法

低压配电网拓扑结构是配电网管理系统的重要组成部分,也是各种分析计算的基础.然而,由于电力线路的重新配置、维护和检修,低压配电网的拓扑结构会发生变化,影响电网运行的稳定性和电能计量的准确性.因此,提出一种基于主成分分析和凸优化的低压配电网拓扑识别方法.该方法首先分析了低压配电网的典型拓扑结构,并基于电量测量时间序列和电能...     

裂缝性油藏主渗透率及主裂缝方向识别方法

基于双孔隙物理模型，建立了裂缝性油藏干扰试井的数学模型，利用拉氏变换方法求出该模型在拉氏空间的解，运用Stehfest方法进行了数值反演，得到油藏中压力分布的近似解，根据遗传算法自适应全局优化概率搜索的特点，利用自动拟合技术识别出裂缝性油藏的主渗透率及主裂缝方向，对油田几口井的观测压力进行了计算，解决了激动井无压力数据的问题，并用实测干扰试井资料对文中方法进行了验证。结果表明，该文提出的方法准确可靠，解决结果符合油田的实际情况。     

基于移动主成分分析与集成学习的结构损伤识别方法

为了提高结构损伤定量和定位的准确率,提出基于移动主成分分析与集成学习的结构损伤识别方法;利用移动主成分分析对原始应变响应数据进行特征分析,得到包含损伤信息的第一、第二特征向量,将两者相结合所得的组合特征向量作为损伤指标输入集成学习模型,进行结构损伤程度和损伤位置预测;采用双跨平面梁的仿真应变监测数据,对所提出的结构损伤识别方法的有效性进行验证,对比分别以第一、第二、组合特征向量作为输入的分类模型的损伤定量和定位的准确率。结果表明：在一定强度的噪声条件下,组合特征向量能同时具备第一、第二特征向量的优点,并且能克服单个特征向量的局限,获得优异的损伤识别性能和抗噪性;在信噪比为40 dB的弱噪声情况下,将组合特征向量输入集成学习模型进行损伤定量和定位,准确率分别可达98.9%、 99.0%,在信噪比为10 dB的强噪声情况下准确率仍分别可达82.3%、 73.2%。     

基于主成分分析和球结构支持向量机的人耳识别方法

提出一种基于主成分分析和球结构支持向量机的人耳识别方法.首先将人耳从侧面人脸中提取出来,然后采用主成分分析方法对人耳图像进行特征提取,最后采用球结构支持向量及对人耳图像进行训练和识别.与传统的多分类方法相比,该分类方法识别性能更高,这为非打扰式生物特征识别提供了一条有效途径.     

基于核主成分分析的人脸识别

核主成分分析方法是主成分分析的改进算法,其采用非线性方法提取主成分.把核主成分分析应用到人脸识别中,利用核主成分分析方法选择合适的核函数在高维空间提取人脸图像的主成分.核主成分分析与传统主成分分析相比,可以得到更好的适合分类的特征.基于ORL人脸库,识别核主成分分析提取出的主成分的相关性系数.实验结果表明,核主成分分析不仅实现了降维,而且能取得比传统主成分分析更好的识别性能,正确识别率为92.5%.     

基于模糊点数据的核主成分分析

在核主成分分析中,给每个训练数据赋予一个置信权重,将训练数据视为样本空间的模糊点,研究了基于模糊点数据的核主成分分析.数值模拟表明,该方法能够有效控制异常点对主成分的影响.同时,该方法也为数据先验信息的利用提供了一个可行的途径.     

基于主成分分析法的N油田M油组储层岩性识别

N油田M油组岩性复杂,岩石类型众多,其储层普遍含碳酸钙组分和泥质,运用常规方法识别岩性结果难以满足实际生产需要。针对这一问题,提出基于主成分分析法的岩性识别方法。首先对岩性进行归类,研究不同岩石类型的测井响应特征,优选对岩性变化反映敏感的声波时差、补偿中子等曲线,然后利用主成分分析法确定岩性,识别主成分并制作识别图版。运用该图版对研究区进行岩性识别,识别符合率达到87.5%,证明该方法的应用效果较好。     

基于主成分分析的河流洪水系统聚类法

进行河流洪水聚类的目的是根据洪水特征的相似程度划分洪水类别,研究同类洪水的规律性以及应对措施.但是,洪水特征选择过多往往会增加计算的复杂程度,同时特征之间的相关性也使得信息大量重叠,导致计算结果失真.为此,提出基于主成分分析的河流洪水系统聚类法.该法首先将所选的洪水特征综合成少数几个不相关的主成分,然后计算出每场洪水在各主成分上的得分值并将该值作为新的洪水特征值,最后根据这些新特征值进行洪水聚类.三门峡水库入库洪水聚类实例证明了该方法的可行性.     

基于核主元分析的滚动轴承故障混合域特征提取方法

为有效利用时域、频域、时-频域中各类具有显著类别差异信息的非平稳统计特征,提高滚动轴承状态监测和故障诊断的性能和效率,提出一种基于核主元分析的混合域特征提取方法.通过对原始信号分别生成时域、频域状态特征,并利用多分辨率小波分解生成时-频域状态特征,构建出144个表征原始振动信号特征的混合域特征集.采用核主元分析方法对其中能敏感地反映故障特性的特征进行二次非线性特征提取,按累计贡献率大于90％的标准,选取前11个核主元作为主要特征量,将其输入支持向量机分类器进行状态识别.仿真结果表明:混合域特征集比单个特征、单域特征能更全面准确地反映故障特性,核主元分析方法能有效降低输入特征维数,并确保输出特征具有较高的反映轴承运行状态的敏感性和适于模式识别的可分性;与通常使用的基于小波分解的特征提取方法相比,本文方法能更加准确有效地提取不同运行条件下滚动轴承不同类型不同程度的故障特征.     

基于主元分析的故障可检测性的统计指标比较

基于主元分析的传感器故障检测方法中,SPE和H aw k in T2H是两个重要指标,针对目前应用中SPE指标有不足,而H aw k ins T2H指标一直没有得到重视的问题,该文通过分析对比SPE和T2H指标的控制限和基于主元分析的传感器故障可检测性的充分条件,得出了SPE和T2H指标的可检测故障幅值计算公式。定性分析了SPE和T2H指标对不同传感器故障具有不同的检测能力,并通过数值仿真进行了验证。指出由于T2H和SPE指标各有优劣,因此在实际传感器故障检测中应该联合使用。     

基于Matlab的多尺度主元分析在过程监控中应用

提出一种新的基于Matlab的多尺度主元分析方法(MSPCA)，即综合主元分析去除变量间关联、小波分析提取测量决定性特征和可去除测量自相关性的优势，用于多变量统计过程的监控，用MSPCA进行过程监控，不仅能提高侦察决定性交化的能力，而且能提高自相关测量监控的效率，同时还可以提取反常操作特征信号，算例测试表明，与普通PCA方法相比，MSPCA方法在过程监控中比较有效。     

地区电信业务发展水平的主成分及聚类分析

运用数理统计的方法对重庆市1997-2003年的电信业务发展情况进行综合评价,建立了评价指标体系,用主成份分析法对原始数据进行数学处理,得出表示电信业务发展水平的综合指标,再用聚类分析方法进行指标聚类分析,找出了影响重庆市电信业务量的主要因素,并对如何提高重庆市电信业务提出一点建议.     

地区电信业务发展水平的主成分及聚类分析 

运用数理统计的方法对重庆市1997-2003年的电信业务发展情况进行综合评价,建立了评价指标体系，用主成份分析法对原始数据进行数学处理，得出表示电信业务发展水平的综合指标，再用聚类分析方法进行指标聚类分析，找出了影响重庆市电信业务量的主要因素，并对如何提高重庆市电信业务提出一点建议。     

Nonlinear fault diagnosis method based on kernel principal component analysis

To ensure the system run under working order, detection and diagnosis of faults play an important role in industrial process. This paper proposed a nonlinear fault diagnosis method based on kernel principal component analysis (KPCA). In proposed method, using essential information of nonlinear system extracted by KPCA, we constructed KPCA model of nonlinear system under normal working condition. Then new data were projected onto the KPCA model. When new data are incompatible with the KPCA model,it can be concluded that the nonlinear system is out of normal working condition. Proposed method was applied to fault diagnosis on rolling bearings. Simulation results show proposed method provides an effective method for fault detection and diagnosis of nonlinear system.     

基于主成分分析对四川10年来城市发展评价

本文选取了代表四川1998年到2007年城市发展情况的33个指标, 构建了一个城市和谐发展水平的评价指标体系.通过主成分分析方法对四川这10年来城市和谐发展水平做出了一个评价, 得出一个关于四川10年城市发展的结论, 指出了今后四川城市和谐发展应该努力的方向.