改进的基于梯度投影的Gram观测矩阵优化算法

针对压缩感知中观测矩阵优化问题,在分析观测矩阵列向量间的独立性、观测矩阵与稀疏基间的相关性对重构信号质量影响的基础上,采用QR分解增强观测矩阵列向量的独立性,将QR分解与基于梯度投影的Gram观测矩阵优化算法相结合,提出了改进的基于梯度投影的Gram矩阵优化算法.该算法采用等角紧框架逼近Welch界,减小观测矩阵和稀疏基的相关性;采用梯度投影方法求解观测矩阵;再对观测矩阵进行QR分解,增大观测矩阵列向量之间的独立性.仿真实验表明:与基于梯度投影的Gram矩阵优化算法比较,本算法提高了重构信号的质量.     

GPS定位中观测历元关系的度量及分析

观测有效性和病态性的分析与度量是改进参数估计方法、提高参数估计质量的前提条件．在GPS定位中,观测历元之间的关系优劣是观测有效性的表现特征之一．从不同角度详细地论证和分析基于正交投影算子度量观测历元之间关系的方法,将观测历元关系的度量方法应用到GPS观测的实践中,得到了很好的效果,为GPS观测等测绘实践中病态性分析及参数估计提供了较好的分析工具．     

基于花朵授粉算法优化的投影寻踪聚类方法

投影寻踪聚类模型是一种客观、高效的多属性综合评价方法,寻找最佳投影方向向量是模型成功应用的关键.针对高维、非线性、复杂的投影指标函数,引入一种新的元启发式算法——花朵授粉算法对模型进行优化求解.算法适应性分析表明,花朵授粉算法具有较强的全局搜索能力及较高的求解精度.利用地下水动态分类问题进行实证分析,结果显示,花朵授粉算法优化的投影寻踪聚类模型能够有效寻找到最优投影方向向量,实现对地下水动态的客观、合理分类.     

基于模糊支持向量机的变压器故障诊断

针对支持向量机对训练样本内的噪声和孤立点比较敏感,影响了支持向量机分类性能的弱点,利用模糊支持向量机的学习方法,构建了变压器故障诊断模型.采取一种基于二叉树的多分类方法,使用模糊C均值聚类算法求取模糊支持向量机的模糊隶属度,采用径向基核函数,并利用遗传算法对模糊支持向量机的参数进行寻优.实验结果表明,基于二叉数的模糊支持向量机模型相比BP神经网络、支持向量机有更高的诊断准确率,基于二叉树模糊支持向量机的变压器故障诊断方法是可行的.     

向量均衡问题的一个投影迭代解法

将用于求解欧氏空间上数量均衡问题的一种投影迭代法进行了推广,并将这种推广的投影迭代法用于求解欧氏空间上的向量均衡问题.利用非线性标量化函数,将向量优化问题化为相应的数量优化问题,研究了投影迭代法对向量均衡问题的收敛性.结果表明推广的投影迭代法对满足一定条件的向量均衡问题是收敛的.     

一种新的浮选泡沫图像识别方法

针对灰度共生矩阵法提取的浮选泡沫图像纹理特征相互混叠,不利于聚类和识别的问题,提出一种基于正交保局投影和支持向量机的浮选泡沫图像识别新方法.该方法利用正交保局投影法对原始纹理特征参数进行变换处理,有效改变了不同类别特征参数的聚集程度,并利用支持向量机进行分类.实验结果表明,所提方法的正确识别率能够达到93.5%,与基于最近邻分类器的主元分析法相比,其性能更好.     

利用两类投影方法进行特征融合的人脸识别

提出了利用两类投影抽取特征、用并行策略融合特征进行人脸识别的新方法。先用一维的基于向量的投影抽取一组特征，再用基于二维的图像投影的方法抽取一组特征，用复向量将样本的两组特征向量组合在一起，在复向量空间分析主分量(CPCA)，抽取人脸图像的鉴别特征。在FERET人脸库上的实验结果表明，该方法的识别性能比用单个特征有10%左右的提高。     

基于连接函数的投影寻踪主成分分析

基于连接函数的相依度量,提出了一种探索连续型随机向量之间相关关系的方法．通过连接函数构造的投影指标函数可以给出高维随机向量的投影寻踪主成分分析,并且可以证明这样得到的最优样本投影方向具有强相合性．此外,又给出了两个以上随机向量之间的典型相关分析．结果表明所提出的方法具有优良的理论性和实用前景．     

基于投影中心距离的支持向量预选取

支持向量机是一种能在训练样本数很少的情况下达到很好分类推广能力的学习算法。支持向量机在选择支撑矢量时却进行了大量不必要的运算, 成为其应用的瓶颈问题.因此在基于支持向量的分类器学习算法中,预先选择支撑向量是非常重要的。投影中心距离算法是一种能够预选取支撑矢量的方法, 该方法可以有效地预选取出包含支持向量的边界集,在不影响支持向量机的分类能力情况下,大大地减少了训练样本,提高了支持向量机的训练速度。本文采用投影中心距离算法进行支撑矢量的预选取,通过对人工线性、非线性数据及MINST字符库的实验证明了该方法的有效性和可行性。     

基于投影中心距离的支持向量预选取

支持向量机是一种能在训练样本数很少的情况下达到很好分类推广能力的学习算法.支持向量机在选择支撑矢量时却进行了大量不必要的运算,成为其应用的瓶颈问题.因此在基于支持向量的分类器学习算法中,预先选择支撑向量是非常重要的.投影中心距离算法是一种能够预选取支撑矢量的方法,该方法可以有效地预选取出包含支持向量的边界集,在不影响支持向量机的分类能力情况下,大大地减少了训练样本,提高了支持向量机的训练速度.本文采用投影中心距离算法进行支撑矢量的预选取,通过对人工线性、非线性数据及MINST字符库的实验证明了该方法的有效性和可行性.     

基于二阶锥规划的鲁棒投影支持向量机

[目的]投影支持向量机是通过将线性判别分析的思想应用到双子支持向量机,从而提出的一种新的非平行分类模型,旨在寻找两个不平行的投影方向而非超平面.然而该模型不够鲁棒,当训练数据集中存在大量的异常点或噪声时,投影支持向量机所学习的投影方向往往会受到影响而发生偏移,从而分类性能下降,需要进一步降低模型对异常点或噪声的敏感性,提升模型的鲁棒性.[方法]在模型中引入机会约束,在投影空间中允许部分投影样本到它的样本中心投影的距离大于它到另一类样本中心的投影距离,即给出了分错样本概率的一个上界.[结果]得到一个新的带有机会约束的鲁棒投影支持向量机,并等价地转化为二阶锥规划问题,从而只需求解一对线性二阶锥规划问题即可训练出两个非平行投影方向.[结论]在有关UCI数据集以及增加噪声的该数据集的数值实验中,上述基于二阶锥规划的鲁棒投影支持向量机与其他算法相比,准确率变化很小,相对稳定,具有更好的鲁棒性和泛化能力.     

基于视觉语义与RSSVM的图像检索

以图像的视觉语义为基础,设计了一种新的空间转换模型,提出了一种新的图像语义描述方法.首先,采用NCut方法对图像进行分割,提取每个区域的颜色、纹理与形状等视觉特征;再用K-Means聚类方法对训练集中所有的视觉特征进行聚类,称聚类中心为视觉语义(Visual Semantic,VS),用来构造投影空间;然后通过所定义的非线性函数,将每幅图像向投影空间作映射,得到图像的投影特征;最后,为了提高分类器的训练效率与性能,先采用RS(粗糙集)方法对投影特征进行属性约简,再用支持向量机(SVM)进行学习和分类.基于Corel图像集的对比实验结果表明,该方法性能受聚类数的影响不大,鲁棒性强,且性能优于其它方法.     

带AR(1)误差线性回归模型中杠杆点的度量与影响分析

杠杆点的度量与影响分析是回归诊断中的一个重要问题.本文通过构建投影矩阵和拟投影矩阵,对带AR(1)误差且存在复共线性的线性回归模型中广义最小二乘估计、主成分估计、r-k类估计、r-d类估计杠杆点的度量和影响进行了模拟分析与实证分析,并对各估计杠杆点的度量值做了比较研究.     

具有非线性耦合的Lurie动态网络的函数投影同步

研究了Lurie混沌系统的函数投影同步问题,构造了两类Lurie非线性耦合的驱动响应动态网络模型,基于Lyapunov稳定性理论,说明了Lurie混沌系统在函数投影方法下是同步的,最后仿真例子,表明了方法的有效性.     

基于密度的稀疏最小二乘支持向量机

针对最小二乘支持向量机对训练样本内噪声比较敏感和其稀疏性差的问题,提出基于密度k-近邻向量的训练样本裁剪算法。对训练样本的各个样本类进行聚类,删除噪声数据,提高支持向量机的训练精度。通过计算出每个样本类的平均相似度和平均密度,得到样本的类相似度阈值;根据相似度阈值,将小于类相似度阈值的样本进行合并,减少训练样本总数。实验结果表明,该算法在保证训练精度的情况下,减少了支持向量数目。     

基于KCCA的特征匹配方法

特征匹配问题是计算机视觉和模式识别中一个关键步骤,在很多领域都有着重要的应用。借助核典型相关分析思想,提出了一种基于空间相关性的特征匹配方法,该方法通过核典型相关分析,将特征点集投影到核空间中,并将投影向量作为匹配特征,根据投影向量之间的相似性进行匹配。仿真实验结果表明,该算法优于基于谱分解的特征匹配算法,在图像含有噪声和存在结构误差的情况下,算法具有较高的匹配率。     

基于隐Markov模型的图像方位识别

提出一种基于隐Markov模型(Hidden Markov Model,HMM)的图像方位识别方法.将待识别的目标图像进行分割,对子图像进行奇异值分解,提取奇异值向量形成观测序列,即图像奇异值向量作为HMM的观测向量.确定HMM参数并计算其最大似然概率,按待识别图像最大似然概率对应所属的聚类进行识别.实验结果表明,3类共150幅目标图像的识别率达到了85%.     

基于形态梯度变换和改进支持向量机的多普勒雷达天线机械故障诊断方法

提出了基于形态梯度变换和改进支持向量机的多普勒雷达天线机械故障诊断方法。首先基于数学形态梯度对雷达天线机械故障信号进行滤波,消除噪声因素的影响。然后,针对现有支持向量机投票策略在构造多类分类器的过程中存在的部分区域不可分的问题,提出基于Beta映射关系函数的贝叶斯优化投票策略支持向量机模型,建立基于Beta映射关系函数的贝叶斯先验分布和后验分布之间的联系,对后验分布进行精确的估计,实现对不可分区域数据的有效分类。通过对采集到的某型号多普勒雷达天线的轴承故障信号的有效分类,表明了本文所提方法的准确性。     

时变扩散模型中收益参数向量的局部复合分位回归估计

主要研究多维时变扩散模型中收益参数向量的估计问题.基于离散观测样本,利用局部线性拟合的方法,得到了时变漂移参数向量的局部复合分位回归估计,并证明了估计量的渐近正态性.同时,给出了估计量的渐近偏差和渐近方差.     

基于向量投影测度的区间型组合预测模型

区间型组合预测模型的研究核心是确定各单项预测方法的权重。鉴于向量投影是一个综合性测度,既能反映两个向量指标对象之间距离,又能反映他们之间的夹角,本研究提出了一种新的向量标准化投影测度公式。在向量标准化投影测公式的基础上,定义了区间数向量标准化投影测度的概念,用以描述两个区间数向量的接近程度,以组合预测区间数序列和实际区间数序列的标准化投影测度为最优化准则,构建了两个基于投影测度的全新区间型组合预测模型。并通过两个实例进行了分析：（1）与已有文献的组合预测方法的结果作对比研究,验证了本法所构建的组合预测模型的有效性;（2）对我国2010-2022风力发电量序列进行拟合和预测建模,结果表明本法构建的组合预测模型有更好的拟合和预测效果,具有一定的可行性和实用性。