基于主成分分析与核独立成分分析的降维方法

根据主成分分析（principal component analysis, PCA）法的降维去噪技术和核独立成分分析（kernel independent component analysis, KICA）法的盲源分离技术,提出了一种关于两者的融合方法,即PCA-KICA方法。将该方法应用于线性和非线性高维混合信号的降维处理中,以相关系数和Amari误差为标准,同主成分分析与独立成分分析（principal component analysis independent component analysis, PCA-ICA）融合方法进行比较。仿真结果标明,PCA KICA方法与PCA-ICA方法相比,在处理复杂非线性高维混合信号时效果相当,但在处理线性高维混合信号时的效果较好。     

输入训练神经网络PCA故障检测方法

针对线性PCA方法难以提取非线性统计特征信息,本文在输入训练神经网络基础上提出了一种非线性PCA故障检测方法.同时探讨了非线性PCA过程性能监视系统的设计方案及其在间歇生产过程中的应用,仿真实验结果证明算法的有效性.     

核主成分马田系统及其应用

为解决传统马田系统无法有效识别非线性数据问题,提出构建核主成分马田系统.该方法通过核马氏距离的构建,将马田系统和核主成分分析两种方法融合在一起,使其不但具备非线性数据识别能力,还具备数据降噪能力.实例验证表明:核主成分马田系统在降维率、识别准确率、不平衡数据处理能力、特异度和灵敏度等方面不仅优于传统马田系统,还优于BP神经网络、随机森林和逻辑回归等方法.同支持向量机递归特征消除法相比,在识别准确率和不平衡数据处理能力方面,两种方法性能接近,但当数据复杂度较高时,核主成分马田系统要优于支持向量机递归特征消除法,并且核主成分马田系统需要的维数较少,也不需要反复迭代.     

基于核主元分析的非线性动态故障诊断

核主元分析是一种非线性主元分析方法，充分利用核函数来解决非线性映射问题，在高维特征空间中确定主元，具有很好的非线性逼近能力。同时，利用非线性最小二乘法实现核主元分析的变量重构，来识别故障源。将核主元分析应用于连续搅拌釜式反应器系统（CSTR）的故障诊断过程中，仿真结果表明该方法对于故障的检测和故障源的识别都优于线性主元分析法的诊断效果。     

支撑矢量机的分类机理

支撑矢量机是根据统计学习理论提出的一种新的学习方法,即使用核函数在高维空间里进行有效的计算.在模式识别中,支撑矢量算法通过训练分类器在某个与输入空间非线性相联的高维空间里进行线性划分,从而构造出非线性判别函数.     

基于主成分分析的置信规则库结构学习方法

为了解决前提属性过多时置信规则库规模的组合爆炸问题,提出了基于主成分分析的置信规则库结构学习方法. 首先将前提属性转化为新的空间中的若干个主成分,再利用载荷矩阵反推出对于各主成分贡献较大的关键前提属性. 以某装甲装备体系综合能力评估作为示例分析,对比研究了在单方案和多方案条件下结构学习方法与RIMER方法,验证了本文提出的结构学习方法的有效性. 示例分析结果显示本文提出的结构学习方法可大幅约减置信规则库的规模,与RIMER 方法的计算结果一致,并且具有较强的鲁棒性.     

基于非线性主元子空间的故障模式识别方法

针对多元统计过程监控中的故障源识别问题,提出一种非线性主元子空间方法识别故障模式.该方法对不同类型的故障数据进行核主元分析,获得描述数据主要变化的非线性主元子空间,以此为基础构造故障模式分类器.考虑到核主元分析的计算复杂性,提出一种基于特征样本的非线性主元子空间算法,使用基于克隆选择原理的免疫算法提取特征样本用于故障模式识别.在Tennessee Easlxnan过程上的仿真结果说明,非线性子空间方法能够比线性子空间方法更有效的识别故障模式.     

基于多源信息融合与HMM的剩余寿命预测

针对设备剩余使用寿命预测问题, 提出一种基于多源信息融合与隐马尔可夫模型的预测方法。首先, 针对发动机结构复杂、监控数据参数多等问题, 提出一种基于传感器信噪比和主成分分析(principal component analysis, PCA)降维的多源传感器数据融合方法。在此基础上, 利用样本数据训练高斯混合隐马尔可夫模型, 同时为降低模型偏差并避免过拟合风险, 提出一种“定制”策略训练方法, 训练后的模型可用于系统健康状态识别和剩余使用寿命预测。最后, 通过美国国家航空航天局公开的航空发动机仿真数据集对所提方法进行了验证, 并与几种具有代表性且预测精度较高的文献方法进行了比较分析, 验证了方法的有效性。     

发酵过程混合神经网络模型及其仿真

提出了一种新型的发酵过程混合神经网络模型，该模型由非线性神经网络和线性神经网络两部分组成，由于非线性神经网络采用结构具有线形式的Flat网络，两个网络能够合并为同一表达式，并具有线性形式，可采用线性最小二乘法求解网络权值，与串联结构及串并联结构混合神经网络模型相比，该模型训练方式简单，并可方便地使用在线辨识算法。     

基于非线性PLS回归的军用软件成本估算

当变量间存在多重相关性时,常采用偏最小二乘（partial least squares, PLS）回归进行建模。但是,传统PLS回归采用线性关系式来建立内部成分与外部成分之间的关系,已有的非线性PLS在模型可解释性方面存在不足。针对军用软件成本估算问题的非线性特点,建立了一种基于内部机理的非线性PLS回归模型,给出了模型的推导过程和实现算法。实例分析表明,该方法的估算精度优于多元线性回归,线性PLS回归和基于多项式内部映射的非线性回归。     

基于PCA和最小二乘支持向量机的软测量建模

软测量技术是解决工业过程中普遍存在的一类难以在线测量变量估计问题的有效方法,支持向量机是基于统计学习理论的一种新的机器学习方法。提出了一种基于主元分析(PCA)和最小二乘支持向量机的软测量建模方法,用主元分析对输入变量进行数据压缩,消除变量之间的相关性,简化支持向量机结构,并通过交叉验证的方法对支持向量机进行参数选择。将其用于4-CBA软测量建模的结果表明:该方法具有学习速度快、跟踪性能好以及泛化能力强等优点,为4-CBA软测量建模的在线实施提供了方便。     

Efficient face recognition method based on DCT and LDA

It has been demonstrated that the linear discriminant analysis (LDA) is an effective approach in face recognition tasks. However, due to the high dimensionality of an image space, many LDA based approaches first use the principal component analysis (PCA) to project an image into a lower dimensional space, then perform the LDA transform to extract discriminant feature. But some useful discriminant information to the following LDA transform will be lost in the PCA step. To overcome these defects, a face recognition method based on the discrete cosine transform (DCT) and the LDA is proposed. First the DCT is used to achieve dimension reduction, then LDA transform is performed on the lower space to extract features. Two face databases are used to test our method and the correct recognition rates of 97.5% and 96.0% are obtained respectively. The performance of the proposed method is compared with that of the PCA LDA method and the results show that the method proposed outperforms the PCA LDA method.     

Nonnegative matrix factorization with Log Gabor wavelets for image representation and classification

1.INTRODUCTION Inpatternanalysisandcomputervision,visualrecog nitionofobjectsisoneofthemostchallengingprob lems.Approachestoovercomesuchproblemshavefo cusedonusingseveralmethodologies.Appearance basedrepresentationandrecognitionisoneofthe mostsuccessfullyusedtoday.Itinvolvespreprocess ingofmultidimensionalsignals,suchasimagesof facesandcharactersorspectrogramsofspeech.In fact,thecoreofthepreprocessingisthesocalleddi mensionalityreduction.Thedimensionalityreductionaimstocompress thehighdi…     

基于混合概率主成分分析的HRRP特征提取

针对主成分分析(principal component analysis, PCA)等数据压缩方法用于雷达高分辨距离像(high resolution range profile, HRRP)的特征提取,只能反映固定方位帧内HRRP线性结构,而无法准确描述目标,导致识别性能下降的问题,提出了一种基于混合概率PCA的HRRP特征提取方法。该方法利用期望最大值(Expectation maximization, EM)算法求解HRRP的一、二阶统计参数,能够真实反映数据分布,以分布趋同的原则实现不同方位帧的聚类,减少模板数量。最后通过自适应高斯分类器和Kullback-Leibler距离分类器识别获取的统计特征,可进一步改善识别性能。仿真实验验证了该方法能够在降低数据维数的同时,实现HRRP统计特征的提取,能一定程度上削弱方位敏感性的影响。     

基于模型的多尺度间歇过程性能监控

利用神经网络对间歇过程的非线性和动态特征进行描述,神经网络的预测残差则利用多尺度主元分析进行建模,将多尺度主元分析扩展用于间歇过程的监控.这一方法突破了传统多向主元分析单模型、线性化的建模方式,是一种多模型非线性建模方法.它利用小波将每一残差信号分解为各个尺度上的近似部分和细节部分,而主元分析则用于分别建立各个尺度上的统计模型.通过对实际工业链霉素发酵过程数据的分析,表明文中所提出的方法与传统的多向主元分析方法相比,能够更早地发现故障,获得更好的监控性能.     

基于体积分布特征匹配的三维实体网格模型检索

在分析三维网格数据结构的基础上,提出一种基于特定轴向上体积分布特征的三维网格模型检索方法。该方法首先运用主元分析法确定模型的主轴方向,并将模型旋转至特定势态,再以一组等距的平行平面从三个主轴方向对模型进行剖分处理,并计算相应截面多边形的面积,进而得到模型沿不同轴向的体积分布数据,该数据描述了三维模型的几何特征。通过对模型体积分布特征数据进行建库和匹配,可计算出任意两个模型的相似性度量,从而实现了三维网格模型的数据库检索。实验表明,该方法程序运行稳定、快速,可以处理具有任意几何和拓扑复杂性的实体模型。     

空调箱传感器故障在线检测和诊断新方法

针对空调箱的温度、流量等传感器进行固定偏差和漂移故障的检测与诊断,提出了一种基于统计学的方法进行在线的故障检测和诊断。主成分分析法根据系统正常的历史数据建立数理统计模型,通过传感器实际测量数据与正常数据在故障子空间投影的比较,对传感器的故障进行在线检测。联合角度法改进了传统的贡献图的诊断方法,通过对故障库中的故障知识的利用,能够在线的分离出发生故障的传感器。