在线压缩核主元分析的自适应过程监控

对于动态系统,传统的核主元分析(KPCA)方法处理的效果不理想.滑动窗口核主元分析方法能适应动态系统的正常参数漂移,但是该方法处理大量的样本时需要较长的运算时间.因此,提出一种在线压缩核主元分析的自适应过程监控方法.该方法在大量的样本中选定较小的训练集作为初始压缩集进行建模,对在线实时采集的数据进行分析,判断新的样本是否正常.若为正常样本,判断该样本是否加入压缩集中,在加入压缩集的同时自动更新在线KPCA模型.将该方法应用到数值例子和田纳西-伊斯曼(TE)过程,仿真结果验证了该方法的有效性.     

可变窗自适应核主元分析的化工过程故障诊断算法

针对核主元分析法(KPCA)处理非线性时变化工过程故障诊断易产生误报的问题,提出一种基于可变窗技术的快速自适应核主元分析(AKPCA)故障诊断算法.该算法在过程监控中当大量的数据块来临时,分别对KPCA模型进行迭代更新和复旧处理,通过计算SPE和T2统计量来调节滑动窗的尺寸,从而实现KPCA模型的进一步更新,克服了传统的自适应KPCA方法只能够处理某个时刻的一个观察点数据的缺点,能够有效地排除异常样本影响,从而提高时变过程性能检测的准确性.将该方法应用于酮苯脱蜡过程的监控中.与KPCA、滑动窗KPCA(MWKP-CA)的监测性能进行比较,仿真结果表明该方法能够很好地降低过程故障的误报率,对非线性时变的化工过程具有更可靠的检测性能.     

基于滑动窗的CVA故障诊断算法

由于过程数据通常具有时变性,规范变量分析(CVA)在动态过程系统的故障诊断中不能得到较好的故障诊断准确率,因此提出一种基于滑动窗的规范变量分析(MWCVA)算法.该算法首先建立初始的CVA模型和计算监控统计量,通过滑动窗更新过程变量数据,计算更新建模所需数据,不断实时地更新出新样本的CVA模型和监控统计量.通过对Tennessee-Eastman过程的仿真,对比CVA、MWPCA和MWCVA的故障诊断效果,验证所提出算法的有效性.     

基于双自适应滑动时间窗滚动轴承故障预测模型

针对传统方法和基于神经网络方法在滚动轴承故障预测中存在的问题,提出一种双自适应滑动时间窗故障预测模型。首先,通过设置能够去除相关性的状态估计非线性算子,将滚动轴承振动信号映射为能够表征其退化状态的故障特征—故障程度指标DR。其次,以损失函数为判据,设置模型参数自适应更新机制,以及建立能够自适应选取数据长度的滑动时间窗口。最后,通过西安交通大学发布的滚动轴承全寿命周期数据,模拟实际中突发性故障和渐发性故障综合作用下的故障发生情况,验证了所提出的故障预测模型的有效性。实验结果表明,提出的预测模型能够准确判断滚动轴承退化阶段的开始时刻和故障时刻,真实反映滚动轴承性能退化的趋势,预测误差仅为0.068%,预测时间仅占2次故障间隔时间的1.385%,满足复杂工况下滚动轴承故障预测的需求。     

基于自适应滑动窗的降落航班排序模型

对交通拥挤时进场航班进行合理排序，是空中交通流量管理的一个重要研究内容.通过对降落航班排序问题的研究，基于对降落总时间和计算量的优化，引入滑动窗模型.通过理论证明和仿真试验分析了窗体大小和步长对计算量和排序评估结果的影响.添加时间参数，使算法能自适应调节窗口大小和滑动步长.通过实际飞行计划仿真，本文的自适应滑动窗算法与先来先服务相比，明显减少了总降落时间，降低了航班调整力度.证明了算法的灵活性和实用性.     

基于自适应滑动窗的降落航班排序模型

通过对降落航班排序问题的研究,基于对降落总时间和计算量的优化,引入滑动窗模型.通过理论证明和仿真试验分析了窗体大小和步长对计算量和排序评估结果的影响.添加时间参数,使算法能自适应调节窗口大小和滑动步长.通过实际飞行计划仿真,本文的自适应滑动窗算法与先来先服务相比,明显减少了总降落时间,降低了航班调整力度,证明了算法的灵活性和实用性.     

一种基于窗长自适应的语音信号处理算法

首先指出固定窗长的窗函数在处理复杂语音信号时,通常会遇到保持短时平稳性和准确性的矛盾.继而提出一种窗长可以自适应的算法来解决问题,在维持短时平稳性的同时保证准确性.实验结果表明,通过窗函数的窗长自适应来响应复杂信号的频率变化,能够更准确、更有效地处理语音信号.     

主元分析及数据重构在过程监控中的应用

利用主元分析方法，通过矩阵运算、降低维数以提取过程变量的主要特征，实现对工艺数据的压缩，既可解决过程变量间的相关问题，同时还有清除测量噪声的效果．化工吸附分离过程监控的应用实例表明，主要过程变量可由15个缩减为6个，累积解释程度为98%．     

自适应主元提取算法在人脸图像特征提取中的应用

以统计主元分析为理论依据,研究了自适应主元提取（APEX）算法,并揭示了该算法的网络模型与统计模式识别之间的密切联系。最后,将APEX算法运用于ORL人脸数据库的特征提取中。仿真结果表明,APEX算法在人脸识别中是一种有效的特征提取方法。     

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。     

主成分分析的一个黎曼几何随机算法

一个典型的求解主成分问题的方法是Oja-Sanger算法，但其不能保证迭代矩阵列的单位列正交性，实际计算时矩阵列甚至是无界的．将主成分问题等价变换为Stiefel流形上的一个二次优化问题，采用黎曼几何算法思想，获得求解主成分分析(PCA)的一个黎曼几何随机算法(自适应算法)．该方法可确保迭代矩阵列的单位列正交性．数值模拟结果表明，本文算法优于Oja-Sanger算法．     

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。     

基于小波变换和改进PCA的人脸特征提取算法

针对在人脸图像高维数据降维时单纯使用主成分分析(PCA)算法的提取精度和速度受限问题,  提出一种基于小波变换和改进PCA的混合特征提取算法. 该方法首先对人脸图像进行小波分解, 选取低频分量对人脸图像进行特征提取;然后利用改进的PCA算法进行主成分提取, 获得代表人脸特征的特征向量; 最后将该算法应用于Olivetti Faces人脸库数据集的图像分类. 实验结果表明, 经过该混合算法处理后的图像特征数据, 由卷积神经网络(CNN)算法分类识别时准确率提升10%, 识别速度提高约37%.     

基于改进PCA的DOA估计方法

提出了一种改进的主分量分析迭代算法,进行了仿真实验,得出的结论为本算法在估计弱信号性能时要比多重信号分类算法方便。     

基于核函数PCA的非线性过程实时监控方法

为了克服基于主元分析的过程监控方法非线性处理能力弱的缺点和降低基于非线性主元分析的过程监控方法的计算复杂度,提出了将核函数PCA监控方法用于复杂工业过程实时监控系统的开发研究,并讨论了核函数参数选择对系统性能的影响。核函数PCA能有效地提取过程变量的非线性关系,而且计算复杂度低,便于在线实施。仿真结果表明该方法是一种有前途的复杂过程非线性实时监控技术。     

基于PCA分析的陕甘宁综合发展评价研究

通过构建城市综合发展评价指标体系,运用主成分分析法(PCA),分别从经济、社会、环境、人口以及四位一体5个部分计算并评价了陕甘宁地区综合发展水平,应用GIS技术绘制层级图将其发展水平差异可视化.结果表明:经济方面省会和工业化程度高的城市发展较快;社会发展水平方面陕西大部分城市相对较高;环境可持续方面资源型城市相对较差;人口方面陕西和宁夏人民生活水平较高,甘肃相对较差.综合比较,整体上呈现东高西低,北高南低的发展状况;城市内部陕西地区的陕北、关中地区高于陕南,甘肃地区除兰州、嘉峪关以外,综合发展水平普遍较低,宁夏除省会城市银川外,各城市发展比较均衡.PCA     

PCA 在过程故障检测与诊断中的应用

讨论了基于主无分析（PCA）的过程故障检测与诊断的原理,运用T^2统计、Q统计方法,结合贡献图对一典型过程进行了仿真分析,结果表明PCA方法可对简单传感器故障进行检测与诊断,并指出了该方法中的不足,提出了将PCA方法同基于过程动态模型的故障诊断方法相结合的研究思路。     

基于主元分析的电子舌味觉检测

 基于光寻址(LAPS)型电子舌的基本结构及检测原理,提出了一种基于主元分析(PCA)的味觉识别算法.通过对LAPS型电子舌提取到的信号特征进行主元分析,在其第一主元和第二主元得分图上,5种基本味道样本溶液的落点在各自区域内互不干扰,5种基本味道能够很好地区分.进一步采用最小距离法对其分类,表明该方法优势突出,对5种基本味道分类的平均识别准确率达到96.54%.试验表明,将主元分析应用于LAPS型电子舌的味觉检测分析方面有很好的效果,为研制小型化LAPS型电子舌提供了科学依据.     

基于物体轮廓和前向预测的自适应窗匹配

针对用窗方法进行视差估计的问题,在详细分析了不同情况下窗大小对亮度差平方和（SSD）影响的基础上,根据立体图像内容的特点和自然界物体的性质,提出了基于物体轮廓和前向预测的自适应窗匹配方法,用于立体图像对对应像素点的视差估计,对一维亮度信号的仿真分析清楚地展示了该算法能在图像的各像素点迅速合理地调整窗大小,从而达到几乎在每一像素点的匹配窗尺寸参数都是最优的目标,与以前提出的自适应窗匹配法比较,该算法复杂度更低,最后,对立体图像信号的处理证明了同样的结果。     

基于主成分分析的粒子滤波器目标跟踪方法

提出一种基于主成分分析的粒子滤波器目标跟踪新方法． 该方法将主成分分析法和传统的粒子滤波方法相结合, 避免了传统粒子滤波器的过度重采样, 提高了目标跟踪精度． 实验结果表明, 该方法对单个目标跟踪精度高, 且对多障碍物下的目标跟踪精度也较高, 适用于复杂背景下的人脸跟踪． 与传统粒子滤波方法相比, 该方法提高了目标跟踪的精度和鲁棒性, 避免了粒子退化和粒子贫化．