一种基于模糊积分的多分类器人脸识别方法

提出了一种基于模糊积分的多分类器人脸识别新方法，首先采用两种不同的K-L变换及Fisher线性鉴别分析方法对原始图象进行特征抽取和压缩，然后将压缩后的特征设计成不同的分类器，再利用模糊积分对这些分类器进行融合，达到主观期望和客观证据间的最佳匹配，从而提高了对目标的识别率，并将该方法应用到人脸识别中，实验结果表明，该方法提高了识别率，证明其有效性。     

改进的三维模型检索PCA预处理算法

三维模型检索PCA预处理的主轴不确定性和主轴方向不确定性是影响检索结果的直接因素.经过分析PCA基本原理,在K-L变换所得特征值的基础上,引入表面网格信息权重,将权重和特征向量的乘积用于确定主轴,并利用多重权重来确定主轴方向,从而削弱不确定性.实验表明,经改进提高了坐标轴归一化的一致性.     

线性模型信息准则的稳健性

在不需要假定：１）被选模型包含真实模型；２）误差分布为正态分布的条件下，应用作者定义的广义Ｋ－Ｌ差异度，得到了自变量选择的广义Ｋ－Ｌ差异度准则。这个准则包含了所有信息准则作为它的特例，由此说明信息准则具有稳健性。     

城市房地产市场对土地开发影响作用探讨——以江苏省为例

城市土地开发与房产开发主要指标具有互动关系.本文结合时差相关性与K-L信息量的方法,测算并得出近十几年来江苏省房产开发对土地开发具有较大的时差滞后性作用的结论,通过实证研究对政府调控房地产市场提出针对性的建议.     

采用IEWT-SAE算法的配电变压器故障诊断方法

为识别配电变压器运行过程中存在的潜伏性故障,提出一种基于改进经验小波变换(improve empirical wavelet transform,IEWT)及堆栈自编码器(stacked auto-encoder,SAE)算法的故障诊断新方法. 首先,利用顺序统计滤波包络法来改进经验小波变换完成对振动信号的分解,得到一组经验小波分量并计算其与原始信号之间的K-L散度值,以剔除干扰分量. 然后,选取K-L散度值低的经验小波分量作为SAE的输入数据进行特征的自适应提取,再用Softmax分类器完成故障诊断,并在堆栈自编码器训练过程中引入樽海鞘群算法实现参数寻优. 最后,在10kV油浸式变压器上搭建数据采集平台进行故障模拟及分类测试. 实验结果表明,所提方法的分类精度达99.5%,在识别准确率、诊断时间上均优于对比方法.     

一种大规模样本数据的特征提取方法

针对沙尘暴样本数据的特点 ,根据专家经验依次通过聚类分析、建立典型模式类、计算中心场 ,再以样本与中心场的距离作为样本的特征 ,成功地在每个样本的几百个数据中提取到 40个特征。通过对提取特征的统计检验 ,说明了本文所用方法的有效性 ;同时 ,提出了一种建立在K L变换基础上的特征综合方法 ,协助完成关于多维特征的类间差异检验     

舰船噪声的状态空间重构与特征压缩

介绍了以Takens的嵌入定理为基础的状态空间重构混沌信号处理方法，为了降低特征维数、减小特征成分的相关性、突出特征的差异性，同时引入了K-L(Karhtmen-Loeve)变换。利用舰船噪声信号的混沌特性，提出了一种基于状态空间重构与K-L变换相结合的特征提取方法，并用此方法对舰船噪声信号进行特征压缩。计算机仿真结果表明该方法具有较好的分类效果。     

一种基于K-L变换聚类的室内定位算法

室内定位环境中接入节点(access point,AP)部署密集时,针对参考节点(reference point,RP)接收到邻近AP的接收信号强度(received signal strength,RSS)数据相关性大,而导致聚类过程中聚类中心相关性高、聚类不准确等问题,提出了一种基于K-L变换的聚类算法;该算法通过K-L变换对RSS指纹数据去相关处理来保留原始指纹数据最大的特征信息数据,然后通过k-means聚类算法聚类能够得到更高的聚类准确率,从而来提高定位精度。实验结果表明,该算法比没有经过K-L变换去相关处理的聚类算法聚类准确率要高;并且在实验过程中确定RSS数据经K-L变换降维之后的维数为5、聚类中心数为5时,定位误差在2 m以内的概率提高了9.3%。     

离散K—L变换在路标识别中的应用

针对路标符号的识别,介绍了一种基于离散K—L变换的特征提取方法并通过实验证明这种方法能够有效地识别各种常见路标。     

一种新的DK-L人脸识别算法研究

人脸识别是计算机视觉和模式识别领域的一个活跃课题,有着十分广泛的应用前景.主要研究了人脸识别技术中的人脸特征提取和特征比对技术.在特征分类中,距离测量选择了最佳距离度量最近邻法,提出了一种新颖的测量方法——优中选优,可以使分类器的设计更加简洁、有效,使用较少的特征向量数目就能取得较高的识别率.仿真结果表明了该方法的有效性.