基于样本扩展和线性子空间特征提取的单样本人脸识别

针对单训练样本情况下的人脸识别问题,提出一种虚拟样本扩展方法. 利用光照模板映射将单一样本扩展为一组虚拟样本,从而增强单训练样本的分类信息. 采用主成分分析（principal component analysis, PCA）对扩展的虚拟样本进行降维,并用Fisher 鉴别变换作二次特征抽取,然后用最近邻分类器识别人脸图像. 所提方法在人脸图像库Yale B 和Extended Yale B 上进行试验,用PCA+LDA 方法把扩展图像作为训练集对测试图像进行特征提取和识别. 相对于以单样本图像为训练集的PCA 特征提取,该方法显著提高了识别率.     

主成分分析法在TM遥感影像蚀变信息提取中的应用

基于江西大余西华山钨矿区的多种围岩蚀变矿物及其在TM影像多光谱谱带的特征光谱分析,采用波段比值的方法对蚀变信息进行增强处理。用TM 3/TM 2波段比值增强黄铁矿和黄铜矿信息,用TM 4/TM 3和TM 5/TM 7波段比值增强绿泥石、绢云母和方解石信息;对已有的Crosta主成分分析法进行改进,将信息增强后的比值波段数据应用于Crosta法则,对西华山钨矿地区进行蚀变信息提取。经已知钨矿床(点)验证分析,证明上述方法能够有效地提取蚀变信息并识别研究区内主要矿物,提取结果可靠,可为蚀变异常提取工作提供参考。     

变压器故障分析与诊断技术

<正>变压器是电力企业中的重要设备,在电网中处于极为重要的地位,是保证电网安全、可靠、经济运行和人们生产生活用电的关键设备。由于变压器长期处于连续运行状态,变压器故障不可避免。进行变压器早期诊断,对保证变压器安全运行,防止变压器故障具有重要作用。一、变压器的工作原理和组成1.变压器工作原理。变压器是利用电磁感应原理来改变交流电压的装置,在电器设备和无线电路中,常用作升降电压、     

无线传感器网络的不确定传感数据预测

由于传感误差、传感噪声、传输错误等因素的影响,同一个传感区域内多个传感器节点的传感数据具有一定程度的差异,这种差异导致的区域不确定性传感数据给查询、预测等后续深层次的数据处理提出了严峻挑战.针对这类传感数据的预测问题,提出一种基于多变量主元分析（multiple variable principal component analysis,MVPCA）的不确定性传感数据预测方法. 通过MVPCA的特征提取这一预处理手段获得不确定性传感数据的本质特征,然后采用基于相关分析的多元回归方法对这些数据进行建模和预测. 实际传感数据的实验结果表明,该方法能有效解决不确定性传感数据的预测问题.     

长株潭核心区土地利用生态风险驱动因子分析

驱动因子分析是土地利用生态风险评价和调控的基础.在全面分析长株潭核心区土地利用变化社会驱动因子的基础上,运用主成分分析法筛选直接导致土地利用生态风险的关键因子,并分析了各种驱动因子的影响.结果表明,社会经济发展水平及人口增长是长株潭核心区土地利用生态风险的主导驱动因子,建设用地变化与GDP变化具有高度一致性.该结果对进一步分析土地利用生态风险调控机制,研究景观结构及格局变化的生态学特征具有积极作用.     

投资者情绪与股票特征关系

通过选取情绪变量,构造了情绪指数和反映股票收益对情绪变化敏感性的指标--情绪β.在此基础上, 分析和研究了情绪与股票特征之间的关系. 实证研究表明,我国A股市场在一定时期内,规模较大、波动率较高、市净率较高的股票易受情绪的影响, 不同年龄的股票并未受投资者情绪的影响.     

基于主元分析的气体膜分离过程RBFNN建模

构建一个基于主元分析的气体膜分离过程的RBF神经网络软测量模型,研究氢回收过程中一些难以测量的重要性能参数。在炼厂气氢回收研究中提出的通过测量间接变量建立软测量模型方案的基础上,融入主元分析思想,先对间接测量变量进行主元分析,得到为主导变量提供关键信息的变量,再建立RBF神经网络对目标变量进行研究分析。基于实验数据和RBF神经网络模型,利用MATLAB软件平台对氢回收过程的重要性能参数分析研究,仿真结果证明了此模型的正确性和理论分析的合理性。主元分析的融入简化了气体膜分离过程重要性能参数在线检测的研究过程。     

基于主成分分析的PSO-ELM与Adaboost算法耦合模型在极震区泥石流物源动储量计算中的应用

针对极震区泥石流物源动储量受到多种因素的影响呈现出非线性特征不易计算的问题,提出了一种基于主成分分析(PCA)的粒子群优化极限学习机与AdaBoost算法耦合(PSO-ELM_AdaBoost)的计算模型。以汶川地震极震区区内的60条泥石流样本,从泥石流物源形成与启动方式入手,考虑沟域面积、相对高差、主沟长度、距发震断裂带距离、沟床平均纵比降和物源静储量六种泥石流物源动储量影响因子。运用Person相关性系数(PCC)、灰色关联度(GRG)和最大互信息系数(MIC)对影响因子进行敏感性分析,验证选取因子合理性;基于PCA对样本数据进行降维,避免信息冗余;使用PSO-ELM_AdaBoost耦合模型对处理后的样本数据进行训练和预测,并将结果与BP、SVM、ELM和PSO-ELM模型计算值进行比较;为验证模型适宜性,从每个子研究区中抽取一条泥石流沟和其他极震区的三条泥石流沟应用PSO-ELM_AdaBoost模型进行泥石流物源动储量计算。结果表明,该模型计算精度优于传统计算模型和其他神经网络模型,具有较好的适宜性和稳定性,是一种可靠的极震区物源动储量计算方法,能够为泥石流防治工程的设计提供有价值的参考。     

一种基于PCA的时间序列异常检测方法

在 k-近邻局部异常检测算法的基础上,采用基于主成分分析的多元时间序列的降维方法,依据累积贡献率选择主成分序列,给出了一种效率较高的多元时间序列异常检测算法.实验结果表明:该算法可以较好地提高多元时间序列异常检测的效率     

KPCA-KPLS方法在pH中和过程建模中的应用

针对化工过程中的具有严重非线性、不确定性、时变性的复杂pH中和过程系统建模问题,提出一种基于核主元分析(KPCA)与核偏最小二乘(KPLS)相结合的建模方法.在高维特征空间内,该方法通过KPCA有效地提取输入数据的非线性主元,利用KPLS方法将输入变量投影在潜在变量上,再用输入与输出变量之间的协方差信息提取潜在特征建立pH中和过程模型.为验证其有效性,将KPCA-KPLS方法应用到弱酸强碱中和过程、强酸强碱中和过程实例中,并与核偏最小二乘、核主元分析_支持向量机(KPCA-SVM)、核极限学习机(KELM)、极限学习机(ELM)、最小二乘支持向量机(LSSVM)、SVM等方法进行比较.实验结果表明:KPCA-KPLS方法具有很高的动态建模精度.