基于局部特征核主成分分析的SAR图像识别方法

本文基于局部特征核主成分分析下的SAR图像识别技术手段的探讨研究,根据其基础性能的实际要求以及行业领域的发展标准,在此基础上提出一种两级2维式的局部特征提取判别嵌入的模式,这种局部判别嵌入特征提取的SAR图像识别方法,在图像处理与识别的过程中,有效避免了传统方法中将图像数据转化为向量后所带来的维数灾难以及小样本等问题的出现,通过这种两级2维局部判别嵌入的核主成分分析特征提取方法在SAR图像识别方法中的应用,极大地增强了系统对特征的判别效果。     

基于改进KPCA方法的非线性过程故障诊断研究

为了提高工业过程非线性信息的提取程度、降低故障诊断时高误诊率等情况,提出了一种基于混合核函数的改进核主元分析(KPCA)故障诊断方法.该方法将主元贡献率和故障检测率作为混合核函数参数优化目标,获得混合核函数最优参数后,将混合核函数应用到故障诊断过程中,得到改进KPCA方法.在典型非线性过程和TE过程进行仿真,验证了该方法的有效性.     

一种基于小波树和主元分析的人脸识别

为提高人脸识别率,提出一种小波树和主元分析的人脸识别算法。该算法先利用小波变换公式,在人脸图像上计算出一个小波近似分量,并对该近似分量进行二次小波分解,相应地计算出各小波近似分量;其后对三层分解的小波近似系数进行重新组合,得到新样本集;最后在此样本集上使用主元分析进行人脸识别。ORL和CAS-PEAL-R1人脸库的MATLAB程序仿真实验结果表明,与基于图像矩阵的二维主元分析(2D-PCA)相比较,新方法的人脸识别率为95%,对光照条件、脸部表情变化有良好的鲁棒性。     

一种改进的核二维主成分分析人脸识别算法

结合二维主成分分析(two-dimensional principal component analysis,2DPCA)、核二维主成分分析(kernel two-dimensional principal component analysis,K2DPCA)、二维最佳判别式(two-dimensional Linear Discriminant Analysis,2DLDA)的特点,本文提出了一种改进的核二维主成分分析人脸识别算法,可以巧妙地将图像同时映射到最佳投影空间和最优判别空间。首先通过标准的K2DPCA算法在图像的行方向上去相关性;其次在K2DPCA空间通过2DLDA算法对图像做进一步投影;最后利用最近邻准则分类器计算相似度进行判别。在标准人脸库ORL和Yale进行验证,结果表明,所提出算法可以获得更高的识别率。     

基于核主成分分析的丝织物缝纫平整度模糊评价

通过核主成分分析对面料FAST高维数据进行降维处理,获取的核主成分作为模糊神经网络的输入,提出了一种丝织物缝纫性能模糊评价方法.实验结果表明,该方法可以基于丝织物FAST力学指标快速准确地预测成衣后的缝纫性能.     

基于主成分分析的乳酸链球菌素发酵条件优化

本研究以乳酸链球茵（1actococcuslactis）为究对象,在单因素基础上进行PB试验设计,对影响Nisin代谢产量的发酵培养基配方中的14个因素进行降维处理,以抑茵圈直径作为主要评价指标,优选出与Nisin代谢产量关系最为密切的三个因素,分别为发酵温度、KCl的添加量及葡萄糖添加量．     

我国出口商品的结构分析及优化策略——基于主成分分析的实证研究

近几年来,我国商品出口额大幅度增长,拉动经济增长作用显著,但不同类型的出口商品对经济增长的作用是不相同的。文章将我国出口的主要商品划分为10大类,并进行主成分分析,测量各种商品对经济增长的贡献率,进而提出了优化出口结构和提高出口收益的对策。     

基于核极限学习机的SCR脱硝系统出口NOx浓度动态建模(英文)

为解决变负荷工况下因模型输入变量较多、相关性大导致模型复杂度增加的问题,提出了一种将核极限学习机(KELM)和主成分分析(PCA)相结合的动态建模方法,并应用于选择性催化还原(SCR)脱硝系统出口处的氮氧化物(NO_x)浓度预测.首先,将主成分分析应用于输入数据特征信息提取,并将提取信息的当前和过往序列值用作KELM模型的输入,以反映SCR出口处NO_x浓度的动态特征;然后,将SCR出口的NO_x浓度历史数据作为模型的输入,以提升模型精度;最后,利用优化算法确定模型最优参数.结果表明,与GPR、LSTM、CNN模型相比,所建动态模型的预测误差分别减少约78.4%、67.6%和59.3%,说明该模型结构可靠,能够准确预测SCR系统出口NO_x浓度.