结合PCA与ICA的Munsell色卡光谱反射比重建

对32块光泽Munsell色卡的光谱反射比重建的评价结果中可见,结合PCA与ICA的光谱估计算法的重建效果优于传统的PCA光谱估计算法重建效果,验证了PCA结合ICA的光谱估计算法的可行性和有效性的.     

基于多光谱成像的有光泽Munsell色卡的光谱反射率重建

利用多光谱成像技术,对32块光泽Munsell色卡的光谱反射率进行重建工作.在仿真实验的评价结果中,待测样本的适应度系数GFC的平均值为99.79%,大于99.5%;重建结果的色差△Eab的平均值为1.37个色差,为"轻微"感觉值;采用文中的光谱估计算法重建Munsell色卡的光谱反射率,得到了比较理想的结果.     

基于主分量特征与独立分量特征的人脸识别

PCA方法抽取出的主分量特征与ICA方法抽取出的独立分量特征是对原数据的两类不同描述.PCA是一种基于二阶统计的最小均方误差意义上的最优维数压缩技术,PCA方法所抽取特征的各分量之间是统计不相关的.ICA方法使用数据的二阶和高阶信息抽取数据的独立分量特征.文章对这两种方法做了理论上的比较,并通过实验证明ICA算法提取的特征子空间在人脸识别应用中更有效,识别率更高.     

独立成分分析-支持向量机回归模型及其在近红外光谱分析中的应用

首先采用独立成分分析(ICA)提取近红外光谱数据矩阵的独立成分和相应的混合矩阵,然后用支持向量机回归(SVR)对混合矩阵和实测浓度矩阵进行建模,建立了独立成分分析-支持向量机回归(ICA SVR)的近红外分析建模方法.结果表明,ICA SVR模型的预测结果明显优于SVR和偏最小二乘法(PLS)方法,方法用于肉样品中水分、脂肪和蛋白质的同时测定,获得了满意的结果.     

基于维纳估计的彩色图像光谱重建算法

目的研究彩色图像光谱重建算法,解决彩色图像的RGB等色度参数在表征图像颜色信息时的局限性.方法采用维纳估计算法并结合多项式模型,对1 269个Munsell实验数据进行测试.结果光谱重建仿真实验中,对Munsell实验数据按照不同训练和检验样本来选取,当数码相机RGB信号扩展项数为10时,均方根误差为0.024 4,优于扩展项为3和7时的精度,可见扩展项数对光谱重建精度有直接影响.结论结合多项式模型的维纳估计算法在进行彩色图像光谱反射比重建的研究中,扩展项的增加可以有效地改善光谱重建效果.     

基于ICA独立成分和加权依赖贝叶斯的传感器节点故障诊断

传统的传感器节点故障诊断模型通常采用分布式模型或集中式模型,因此具有诊断效率低和扩展性差的缺点,为此,提出了一种基于分簇路由协议并结合集中式故障诊断和分布式故障诊断的混合式故障诊断模型。首先,在监测区域建立层次分簇路由协议和WSN节点故障诊断模型,然后,采用ICA独立成分分析法(Independent component analysis,ICA)对特征向量数据属性提取独立成分,以降低数据维数,从而获得最小属性集样本数据。最后,通过赋予各属性权值对朴素贝叶斯分类模型进行改进,得到加权依赖贝叶斯分类模型,并采用此模型实现节点故障诊断。仿真实验证明该模型能有效地进行故障诊断,与其他方法相比,具有故障诊断效率高和诊断精度高的优点,具有很强的可行性。     

一种CDRWPCA网络故障特征提取算法

针对主元成分分析(PCA)在网络故障特征提取过程中可能丢失分类信息的问题,提出了一种中心距离比值加权主元成分分析(CDRWPCA)算法。算法计算样本每维特征的中心距离比值来衡量特征间的差异，并根据特征差异构造权重因子,对更具有鉴别性的特征赋予更大的权重,得到加权数据集;然后对加权数据集运用PCA进行特征提取后将提取后的数据集送入支持向量机(SVM)验证算法的有效性。算法相比较与PCA算法增加了时间复杂度,但相对于PCA算法本身的时间复杂度,增加不多。在网络故障诊断中的实验结果表明算法能在提取特征维数更少的情况下,提高了故障识别率。     

基于迹比率的多数据集判别分析维数压缩

主成分分析法常被用于维数压缩和特征提取,其在处理单一高维数据集时有很大优势。在很多实际场景中需要联合处理多个数据集,此时传统的主成分分析方法面临很大挑战。本文提出了迹比率主成分分析法,该方法可以提取目标数据相对其他数据特有的低维表示,进而通过迭代算法高效求解。数值算例证实了该方法的优越性。     

基于任务态和静息态功能核磁共振信号的抑郁症识别

为了提高抑郁症识别的准确率,将功能核磁共振成像的任务态数据和静息态数据相结合,建立基于数据驱动的模型以提取识别特征.在没有任何先验知识的条件下,采用独立成分分析法提取任务态数据和静息态数据的独立成分;然后,利用相关遍历分析法获取功能信号集,利用频谱分析法识别并获取功能信号成分;最后,将功能信号成分作为贝叶斯分类器的特征...     

超定独立分量分析及其在结肠压力信号分析中的应用

针对传感器个数大于源信号个数的情况,提出了一个超定独立分量分析(ICA)方法,并将其应用到人体结肠压力信号分析中.首先对结肠压力信号运用主成分分析(PCA)估计源信号个数,并将观测信号进行降维使其维数与源信号相等,从而将超定ICA问题转化为一个完备ICA问题;最后通过快速ICA算法估计出源信号.实验采用26组人体结肠压力数据,成功提取出结肠活动中具有生理意义的动力模式信号.     

主成分分析在人脸识别研究中的应用

PCA(Principal Component Analysis),主成分分析方法,是一种得到广泛应用的人脸识别方法。PCA算法提供了一个高维和低维空间的线性变换矩阵,就是利用低维特征向量来表示原始样本信息,利用变换矩阵可以得到一个特征子空间,即特征脸。进行识别时,把待识别的人脸向其投影,采用最近邻法得到最近的点,最终识别该人的身份。     

基于PCA的RBF神经网络预测方法研究

主成分分析(PCA)法可以提取样本集的主成分,实现样本的最优压缩,从而降低样本的维数。针对用RBF神经网络进行多因素时间序列预测时样本特征指标过多的问题,提出用统计理论的PCA方法对数据进行预处理,再选出几个主成分作为神经网络的输入节点.仿真实验表明,基于PCA的RBF神经网络模型在拟合预测中与一般的RBF神经网络模型相比有较好效果,简化了网络结构,改善了预测精度.     

基于光谱技术的稻飞虱虫害聚类研究

为了实现可靠的稻飞虱虫害诊断,使用PR715光谱辐射度计采集了健康水稻叶片、有幼虫寄生的叶片、单个体成虫及参考白板的光谱值,获得各个阶段稻飞虱病虫害的光谱。由于原始光谱在谱线的两端噪声比较大,因此用滤波方法对光谱进行平滑处理,得到相对平滑的反射率光谱曲线。采用主分析、欧式距离和余弦3中方法进行聚类分析,其中主成分分析、余弦的分类正确率为100%,欧式距离的平均分类正确率均为：92.24%,相对较差。实验结果证明,光谱分析方法在一定程度上能快速、精确提取稻飞虱病害的信息,实现聚类分析,为对稻飞虱病虫害进行快速、精确和非破坏性诊断提供技术支持。     

基于多维统计分析方法的脑电消噪

基于二阶统计特性的主分量分析(PCA)和基于高阶统计特性的独立分量分析(ICA)是两种非常典型的多维统计分析方法.本文对PCA和ICA基本原理进行了简单介绍,并结合脑电消噪问题,对两种方法的性能和特点进行了比较.实验结果表明,在脑电消噪和特征增强等方面,独立分量分析方法具有明显的优势.     

Automatic removal of eye movement artifacts from the EEG using ICA and the dipole model

In this study, we proposed and evaluated the use of Independent Component Analysis (ICA) combining the EEG dipole model to automatically remove eye movement artifacts from the EEG without needing EOG as a reference. We separated the EEG data into independent components using the ICA method, and determined the source localization of these independent components with a single dipole model. The EEG signal was reconstructed by automatically excluding those components localized within a preset eye model. EEGs from 12 patients were analyzed. The experimental results indicate that ICA with the dipole model is very efficient at automatically subtracting the eye movement artifacts, while retaining the EEG slow waves and making their interpretation easier.     

基于IHS变换和主成分变换的遥感影像融合

针对IHS变换融合影像时存在较严重的光谱失真现象,利用主成分变换对IHS变换法进行了改进.新方法首先对多光谱影像做IHS变换得到亮度I,色度H,饱和度S三个分量,然后用I分量和高分辨率全色影像做主成分变换,并提取第一主分量,并以I为标准进行直方图匹配;将匹配后的影像与H,S进行IHS反变换得到新的多光谱图像.主观视觉分析和客观参数表明,该方法不仅很好的保留了影像的光谱信息,而且兼顾了地物细节能力的表达.     

基于小样本数据统计的双阶段舌位建模研究

舌头是人类重要的发音器官,对发音时其形状的降维分析能有效协助语言学家分析人类的发音模式。主成分分析(Principal Component Analysis, PCA)是目前最常用的舌位轮廓降维分析方法。近年来,基于深度学习的自动编码器在降维方面被证明优于PCA。然而,舌头隐藏于口腔内部,难以获得大量的相关数据,这使得传统自动编码器无法直接用于舌位轮廓建模研究。为此,本文提出一种面向小样本舌位运动轮廓数据的双阶段自动编码器降维方法。首先该方法采用主动形状模型(Active Shape Model, ASM)产生大量舌头轮廓生理变形数据,并构建通用轮廓重建模型;接着,在第一阶段模型上添加降维层,用于对舌位轮廓数据进行压缩和分析。实验选取了从人类发音X光片中获得的240个元音舌形数据,并将该方法与传统PCA方法进行比较。结果表明,所提出方法获得的元音舌位图谱在二维平面上相对于传统PCA方法,区分度更好,具有更好的舌形降维和重建能力。     

图像特征维数约减的线性变换技术

线性变换技术能够消除图像高维特征向量的各分量之间的相关性,并对特征向量进行降维。对基于线性变换技术的图像的PCA(Prinapal Component Analysis)特征,ICA(Independent ComponentAnalysis)特征,SVD(Singular Value Decomposition)特征提取方法进行了分析和讨论。     

一种改进的SIFT-PCA算法在图像检索中的应用

针对SIFT算法(尺度不变特征)提取出的图像特征点向量维数较多造成计算量较大、检索效率低等问题,提出一种SIFT和改进的主成分分析(Principal Component Analysis,PCA)相结合的SIFT-PCA算法。该算法首先采用SIFT算法提取图像特征点向量,然后利用改进的PCA算法把特征点向量变换到另一个空间,得到最具有代表性的特征参数,实现对特征点向量的降维。此算法在保证原SIFT算法鲁棒性的同时减少了计算量,增强了实时性。实验结果说明了该算法具有尺度、平移、旋转、光照不变性,在图像检索中应用切实可行且效果良好。     

一种基于2DPCA的煤岩识别新方法

针对传统PCA方法用于煤岩识别常常面临图像维数高,直接计算数量大的问题,提出并实现了一种基于2DPCA的煤岩识别方法。这种识别方法是基于图像矩阵的主分量分析法,由于它的协方差矩阵可由原图像矩阵直接构建,因此2DPCA使用的协方差矩阵同传统PCA相比要小很多。实验结果表明,在训练样本数相同的情况下,2DPCA耗时仅占PCA总耗时的60%左右,并且随着训练样本的增多,2DPCA与PCA之间的耗时差会越来越大。识别率较PCA方法提高了近10%,图像SNR也由原来的4.53 dB提高到12.17 dB。2DPCA在速度方面表现优越,准确性方面也令人满意,有效的提高了煤岩识别的效率。