一种融合小波分解和滤波的KPCA人脸识别方法

相关研究指出,人脸图像具有低频稳定性和模式非线性的特点.小波分解和平滑滤波能够削弱人脸图像的高频成分而保留其低频成分,核主成分分析(KPCA)能够提取人脸图像的非线性特征,鉴于此本文提出了一种结合小波分解、平滑滤波和核主成分分析的人脸识别方法.最后在ORL人脸库上进行的大量实验,结果表明,该方法简单易行,比传统的核主成分分析方法的识别率更高,且运算时间增加不多.     

基于增长模型的电力设备缺失数据筛查算法研究

采用传统方法对电力设备缺失数据进行筛查时,由于计算强度较大,存在运行时间长、筛查效果差的问题,提出基于增长模型的电力设备缺失数据筛查算法。在考虑数据缺失机制的条件下运用主成分分析方法对电力设备各项数据进行挖掘,根据挖掘结果构建增长模型,运用该模型对电力设备数据的法向矢量进行估算以及调整;在此基础上通过贝叶斯理论实现对电力设备缺失数据的有效提取,最终完成对电力设备缺失数据的准确筛查。分析实验结果可知,与传统方法相比,所提算法能够有效减少数据筛查用时,并且筛查精准度较高,说明该算法具有有效性,可以为相关研究提供一定的理论与实践基础。     

基于小波分析与PCA联合算法对信号奇异值的检测

从信号处理的方向阐述了如何利用小渡分析和PCA主成分分析方法实现对一维信号的奇异值检测.在奇异值检测过程中,提出新算法,采用了连续小波变换检测,并用PCA主成分分析法去掉其相关系数的办法,找到信号的奇异值的点,并减小了算法复杂度,实现了对连续信号的奇异值的检测.     

主成分分析在高光谱图像降维中的应用

以AVIRIS数据为研究对象,应用主成分分析方法,用X′X(高光谱数据矩阵为X)代替主成分分析中的相关系数矩阵,以降低计算量,将实验结果与主成分分析结果进行比较,效果基本一致。     

我国区域知识能力的测度与分析

在提出区域知识能力概念及其分析模型的基础上,构建了区域知识能力评价指标体系,并收集相关数据,运用主成分分析方法对我国区域知识能力进行综合测评,根据测度结果进行了相关分析.     

基于SVM/LDA的SAR图像目标鉴别方法

提出一种基于主成分分析和支持向量机与线性判别分析结合算法的合成孔径雷达(synthetic aperture radar,SAR)图像目标鉴别方法.利用主成分分析算法对SAR图像向量进行降维并提取其全局特征,对降维后的全局特征采用最小类内散度支持向量机算法进行变换,并对变换结果训练生成最佳分类器,进行分类完成目标鉴别.实验结果表明该方法可以获得较高的分类正确率.     

基于主成分-神经网络风险预警模型研究

本文研究了主成分和人工神经网络混合算法在建筑施工项目风险预警中的应用;建立了基于主成分神经网络风险预警模型;并用实例验证了模型的有效性.     

基于模拟退火神经网络的高校科技成果转化评估研究

通过构建科技成果转化评估指标体系,并借助于BP人工神经网络方法,实现对高校科技成果转化指标体系的综合评价。主要应用主成分分析方法(PCAM)对神经网络的输入层数据进行处理,使用模拟退火算法(SA)与神经网络结合的方法提高评价的精确度,并通过实证分析证明BP神经元网络在高校科技成果评估领域的的适用性。     

主成分分析法在县域工业科技成果转化绩效评价的运用

主成分分析方法是一种依据客观数据,将多种影响因素综合成少量几个影响因素的方法.运用主成分分析法对构建的县域科技成果转化绩效评价指标体系进行分析,把众多体现科技成果转化效益的因素简化成几个综合成分,并以江苏省52个县域的科技成果转化绩效评价为例,得出了较合理的评估结果,为县市科技成果转化绩效评价提供借鉴.     

基于PCA—SVM的商业银行高级管理人员能力评价

在建立商业银行高级管理人员能力评价指标体系基础上,提出了主成分分析(PCA)和支持向量机(SVM)相结合的能力评价模型.对原始指标数据进行标准化处理,然后运用主成分分析消除指标之间的冗余和相关,最后在MATLAB 6.5中运用支持向量机对商业银行高级管理人员能力进行评价.实证结果表明该方法是用于商业银行高级管理人员能力评价的有效方法.     

融合PCA和PSO-SVM方法在工控入侵检测中的应用

有效防御病毒对工控系统的入侵是目前工控安全研究的难点问题。为了提高工控系统入侵检测的准确率,本文设计提出了一种主成分分析(PCA)与PSO-SVM相结合的工控入侵检测方法。针对工业控制系统网络数据高维的特性,该方法利用PCA对采集的网络入侵数据进行数据降维与特征提取,支持向量机(SVM)入侵检测的性能主要取决于核函数参数取值的优劣,采用粒子群算法(PSO)对支持向量机参数进行优化,以获得最优的SVM工业控制系统入侵检测模型。采用密西西比州立大学关键基础设施保护中心最新提出的工控标准数据集进行仿真实验,结果表明该算法在攻击检测与攻击类型识别方面均有较高的查准率,提高了工业控制系统的安全性能。     

基于主成分回归分析的我国城镇居民收入差异的实证研究

我国城镇居民收入差异受经济、体制、政策等多种因素的影响.本文对影响我国城镇居民收入差异的相关因素进行了分析,通过模型的建立,应用主成分回归分析方法对相关数据进行了实证研究,最后依据实证分析的结论提出了具体的政策建议.     

商业银行贷款风险综合评价

研究了主成分和改进神经网络混合算法在商业银行贷款风险评价中的应用,分析了商业银行贷款风险的影响因素,建立了基于主成分-改进神经网络的预测模型,并用实例验证了模型的有效性。     

区域创新能力的因子分析和主成分分析方法研究

应用因子分析和主成分分析方法,利用《中国区域创新能力报告2005～2006》有关数据和成果,对全国31个省域的创新能力进行综合排序和评价。结论显示,用因子分析和主成分分析方法比加权评价的方法更具有客观性。     

商业银行贷款风险综合评价

研究了主成分和改进神经网络混合算法在商业银行贷款风险评价中的应用，分析了商业银行贷款风险的影响因素，建立了基于主成分-改进神经网络的预测模型，并用实例验证了模型的有效性。     

区域创新能力的因子分析和主成分分析方法研究

应用因子分析和主成分分析方法，利用《中国区域创新能力报告2005～2006》有关数据和成果，对全国31个省域的创新能力进行综合排序和评价。结论显示，用因子分析和主成分分析方法比加权评价的方法更具有客观性。     

基于信息增益的特征选择算法在语音识别系统中的应用

在语音识别系统中,往往需要对输入的语音信息进行数据预处理操作,删除冗余的、不相关的特征值.针对传统应用于语音系统中特征选择算法中出现的效率低、错误率高的缺点,本文提出了基于信息增益的特征选择算法.该算法通过信息增益评价指标对属性进行排名及评价,选择最优的特征属性并删除无用的属性.通过大量的对比实验结果表明,本文提出的算法可以高效地完成特征选择语音数据预处理,并且提出的新算法与传统的特征选择算法选择出的特征属性应用在语音识别算法后能够更准确地识别和判断语音信息.     

基于BP神经网络的经理管理防御程度测评模型

提出一种基于主成分分析的BP神经网络模型,用于对经理人员的管理防御程度进行综合测评.首先采用主成分分析方法对10个影响因素进行降维处理,在此基础上构建管理防御程度的BP神经网络测评模型.实际测评结果显示,该模型不仅可以有效测评经理人员的管理防御程度,并且可以减少原始指标间的信息冗余从而减少了神经网络的训练和测试时间,此外还具有较高的合理性和适用性.     

东莞产业转型升级与提升创新能力研究

探讨东莞市产业升级的现状,利用主成分分析方法从诸多与创新能力有关的变量中提取主成分,通过分析它们之间的关系和进行市际比较得到一些初步判断,并为东莞市提升政府主导的创新能力提出政策建议.     

K-近邻分类算法的研究及实现

k-近邻(KNN)算法是一种基本的基于实例的学习分类算法,被广泛用于数据挖掘中.它分为学习过程和训练过程两个阶段.在学习阶段,该算法除进行已知数据的简单存储之外不进行其它的操作,而在学习阶段进行绝大多数的计算.每当遇到新的查询实例时,一系列的相似的实例就从存储器中取出,并用来分类新的查询实例.