一种融合WPCA与WLDA的人脸识别方法

提出了一种融合加权PCA与加权LDA的人脸识别方法。该方法将主成分分析(PCA)的优点和线性鉴别分析(LDA)的优点充分地融合在一起,以欧式距离为参数的权函数w1使得PCA降维时加入类别差异从而得到最优投影矩阵,解决了PCA过程中使用最小距离方法时识别精度相对低的缺点;以马氏距离为参数的权函数w2使得LDA分类时,进一步扩大类间离散度,减小类内离散度。另外该方法在识别精度上比WPCA+LDA、PCA+WLDA、PCA+LDA算法都有很大的提高,通过在ORL、AR、FERET人脸库上的实验验证了算法的有效性。

基于UWPCA与粗糙集相结合的表情识别

针对现有的WPCA方法强调信息不足和提取特征维数过高问题,提出了一种改进的加权主成分分析和粗糙集相结合的方法。该算法利用加权主成分分析的原理,将特征加权和主成分分析相结合,构造了一个新的双向三中心高斯分布函数作为加权函数对图像各维特征进行加权,从而得到特征向量,再使用改进的粗糙集属性约简算法对得到的特征向量进行筛选,去除冗余信息。实验结果显示,方法是有效的。

基于WPCA法的高校辅导员角色胜任力评价体系设计研究——以南京某高校为例

本文将基于WPCA方法对所创指标体系建立考核标准,并利用实际数据说明该体系和考核方法的科学性。

基于WPCA的港口用地调整交通影响评价

确定面向港口用地功能调整包括港区内、外两部分评价指标体系,采用灰色关联度确定指标的权重,建立基于加权主成分分析法的港口用地调整交通影响评价模型。在天津港的应用表明,该评价方法能把影响范围内的各项指标综合起来,最大限度地减少评价中的主观成分,为类似港口和物流园区规划建设提供了决策支持,验证了该方法的有效性。

小波和主分量分析方法研究思维脑电

研究自发脑电和思维活动的关系。利用小波和主分量分析结合的WPCA算法对不同思维任务记录的六导脑电进行处理,并对思维特征的频谱能量和变化率等多指标进行综合分析和计算。结果表明WPCA算法不仅可以实现噪声的去除,而且能提高主分量的贡献率,降低输入矢量的维数。对脑电主分量的分析揭示了脑电与思维个体、思维种类、复杂度以及注意力的联系,思维任务的神经网络分类结果验证了WPCA方法研究脑电和思维的有效性,为进一步理解认知和思维过程,实现对思维的定位和分类提供了依据。

一种基于动态反馈的人脸识别融合方法

提出了一种基于动态反馈的融合加权主成分分析(WPCA)和加权线性判别分析(WLDA)的人脸识别方法 (DFWPCA+WLDA)。该方法首先进行主成分分析(PCA)降维得到投影矩阵,然后通过不断的反馈信息得到权值,从而加权协方差矩阵,优化投影矩阵,最后采用加权线性鉴别分析(LDA)进一步提取分类特征。动态反馈能很好地利用样本的有用信息,加权LDA还能做到更好的分类。在ORL和YALE人脸库上的实验表明,该方法有效且性能优于PCA+LDA和WPCA+WLDA。

基于负载特性和服务时间评估改进的AS调度算法

Linux I/O调度层的预期调度算法AS(anticipatory scheduling)对所有的负载分配相同的预期周期,如果等待的I/O请求没有及时到达,将会带来额外的时延。针对AS算法的不足,提出了一种基于负载特性和服务时间评估改进的AS算法(WPCAS,workload characteristic and service time evluation AS)。WPCAS分为进程归类模块(PC)和服务时间评估模块(STE)两部分。PC模块根据负载特性为每类进程指定不同的预期周期。STE模块根据服务时间决定是否预期下一个请求。通过对比实验表明,WPCAS在吞吐量、预期成功平均等待时延和伪空闲周期方面都优越于95%-Heuristic和AS算法。

一种自适应权值的PCA算法

针对传统PCA方法对离群点鲁棒性差的问题,提出了一种具有更高鲁棒性且自适应权值的PCA方法。在PCA方法的基础上建立了一个加权的重建误差和最小模型,通过引入信息熵来调节重建误差的权值;通过交替优化算法迭代求解模型。在Yale人脸库和UCI数据集上的实验表明该方法具有很好的鲁棒性和识别率。

主成分分析法在掌纹图像识别中的应用

掌纹识别技术是生物特征识别领域的又一新兴技术,在网络安全、身份鉴别等方面有广阔的应用前景。将主成分分析法应用于掌纹图像的特征提取,阐释了传统主成分分析与加权主成分分析在处理掌纹图像时的差异,并在不同数据库上对两种方法进行了实验,结果表明传统主成分分析比加权主成分分析有更高的识别率以及加权主成分分析能够削弱光照对识别结果的影响。

基于可变形部件改进模型的夜间车辆检测方法

针对可变形部件模型在夜间车辆检测中精确度低、检测速度慢的问题,提出基于可变部件改进模型的检测方法。在训练阶段采用Gamma预处理对夜间车辆样本进行校正,得到物体的梯度模型。在测试阶段利用一种基于(R-B)色差特征的显著性区域检测方法,通过减少待检测区域的面积,降低运算复杂度。针对夜间部分场景出现遮挡的情况,采用一种自适应权重的参数分配策略,给重要的特征部件分配较大的权重值。实验结果表明,改进后的检测方法准确率达95.12%,召回率达91.50%,平均每帧检测时间为48 ms,具有较好的实时性和鲁棒性。

基于加权主成分分析的公路工程质量综合评价研究

提出采用加权主成分分析的公路工程质量综合评价的思想。采用系统分析方法,通过目标分解建立包括各分部分项工程在内的公路工程质量评价综合体系,采用灰色关联度法确定评价指标权重,建立基于加权主成分分析方法的综合评价模型。工程实例表明,该方法有效地利用样本数据对不同方案进行客观评价,显示出其可行性。

一种特征融合算法的表情识别

对人脸表情图像进行分割得到眉区、眼区和嘴部区域,再对分割出来的表情区域利用高维局部自相关(HLAC)计算特征并得到加权的特征向量,其中加权系数根据心理学中的FACS表情测量理论选取,最后利用近邻中心距离分类器进行表情识别。实验基于CMU-PITTSBURGH表情图像库,在没有增大计算量的前提下相比PCA方法,特征融合(HLAC+WPCA)的方法显著地提高了表情的识别率。

基于PCA的人脸特征提取和识别

人脸识别作为身份识别的重要技术之一,已经开始广泛应用到人们的日常生活。人脸特征提取方法--主成分分析(PCA)可以在提取样本特征的同时降低样本维数,在此基础上提出的白化主成分分析(WPCA)可以降低图像中相邻像素的相关性,核主成分分析(KPCA)能够更好地提取适合分类的特征。本文主要分析了在不同光照和噪声情况下,三种常用的人脸特征提取方法—主成分分析(PCA)、白化主成分分析(WPCA)、核主成分分析(KPCA)均采用最近邻分类方法进行识别所用时间和识别率。

一种新的加权主分量分析方法

提出了一种新的加权主分量分析方法,该方法和传统主分量分析的区别在于考虑了训练样本分布情况,给出了一种新的均方差矩阵估计方法,再进行特征抽取和识别.在ORL人脸数据库上的试验结果表明,所提出的方法在识别性能上优于主分量分析.

风力发电机温升故障预警方法研究

针对传统PCA在解决变量重要性差异很大问题时的局限性,提出一种结合relief F算法和加权主元算法的方法。该方法首先采集张家口某风场5月某段时间内风力发电机组运行数据并建立数据集,通过relief F算法确定权值向量W,进而使用加权主成分分析法建立正常工作状态下发电机温度模型。利用该模型对同一机组另一段时间运行数据进行故障检测,通过对统计量HotellingT^2(简称T^2)和平方预测误差(简称SPE)的趋势分析最终确定机组运行状态。实验结果表明,提出的方法准确预测出了发电机的温升故障,并减少了误报情况。

车辆检测中可变形部件模型的改进与应用

针对可变形部件模型的复杂性使其在检测车辆时速度慢的问题,对可变形部件模型进行了改进。一方面使用加权PCA对可变形部件模型的基础HOG特征进行降维来减少模型参数;另一方面将HOG特征层组合后,使用快速傅里叶变换(FFT)把滤波器与HOG特征层的卷积转换为频域乘积,来降低计算复杂度。仿真实验结果表明,改进的可变形部件模型在进行车辆检测时检测精度和召回率都与原始模型相当,但检测速度大幅提升,在UIUC和BIT两个数据集上的平均耗时分别仅占原始模型平均耗时的29.6%和26.3%。

机制簇绒地毯质量特性的综合优化

为研究机制簇绒腈纶地毯的质量特性,采用加权主成分分析(WPCA)与稳健设计理念相结合的方法,优化利用M-tuft高科技设备生产的簇绒腈纶地毯的质量和生产率。结果表明,压缩标准越低,压缩回弹率和毛束联结牢度的标准越高,生产的地毯质量也越好。为提高质量和生产力,评估了机制簇绒腈纶地毯生产的最佳工艺环境,并进行了参数设置优化。

基于多特征和支持向量机的风景图像分类

本文提出了一种基于多特征和支持向量机的风景图像分类方法.首先,通过深入分析风景图像在视觉内容上的显著特点,利用融合颜色、纹理和形状等多种特征的方式来描述图像;其次,采用一种加权主成分方法对提取的高维图像特征进行有效降维;最后,运用基于支持向量机的分类器对图像进行分类.经试验验证,本文中提出的方法对风景图像有较好的分类效果.

鲁棒自适应概率加权主成分分析

主成分分析(Principal component analysis,PCA)是处理高维数据的重要方法.近年来,基于各种范数的PCA模型得到广泛研究,用以提高PCA对噪声的鲁棒性.但是这些算法一方面没有考虑重建误差和投影数据描述方差之间的关系;另一方面也缺少确定样本点可靠性(不确定性)的度量机制.针对这些问题,本文提出一种新的鲁棒PCA模型.首先采用L_(2,p)模来度量重建误差和投影数据的描述方差.基于重建误差和描述方差之间的关系建立自适应概率误差极小化模型,据此计算主成分对于数据描述的不确定性,进而提出了鲁棒自适应概率加权PCA模型(RPCA-PW).此外,本文还设计了对应的求解优化方案.对人工数据集、UCI数据集和人脸数据库的实验结果表明,RPCA-PW在整体上优于其他PCA算法.

高速公路匝道混沌控制综合评价研究

提出采用加权主成分分析的高速公路匝道混沌控制综合评价的思想,采用系统分析方法,确定高速公路匝道混沌控制综合评价指标体系;建立基于加权主成分分析方法的综合评价模型.具体例子的评价结果表明在匝道需求和主线上游流量均较大的情况下加大匝道用户评价指标权重,可实现社会公平和效率最大化的共同目标;在其他情况下,取同一权重即可在实现效率最大化目标的同时兼顾到社会公平性这一目标;验证了高速公路匝道混沌控制信号施加和撤销条件的正确性,显示了该综合评价方法的可行性.