基于PCA和非线性SVC的小数据人脸识别

为了提高小数据集下人脸识别的准确率,提出基于主成分分析(PCA)算法和非线性支持向量机算法的算法分类器。同时为了进一步优化该算法分类器,提出利用网格搜索法改进非线性支持向量机SVC算法。改进后的SVC算法能自主寻找最优参数,使得整个学习分类器处于性能最优状态。经实验证明组合PCA和改进后的SVC学习分类器不但有效提高了人脸识别的准确率,并且节省人工选取特征的时间成本。

退役锂动力电池SOC预测建模与分析

随着锂动力电池退役周期的到来,电池梯次应用具有现实意义。为了解决梯次再利用时退役电池放电非线性变化剧烈引起的电池荷电状态(State of Charge,SOC)预测精度不高问题,提出了一种基于量子粒子群(QPSO)优化RBF神经网络预测退役电池SOC的动态模型,相比经典的粒子群(PSO)优化算法具有更好的稳定性。实验结果表明:该预测模型的误差稳定在1%以内,响应速度快,为锂电池充分利用奠定了理论基础。