磁测资料处理新方法及在危机矿山挖潜中的应用

研究了危机矿山深部找矿的高精度磁测资料处理解释新方法技术:基于三度体数值积分法的三维可视化精细反演,小波分析方法提取深部弱磁信号,起伏地形下高精度磁测资料快速化平处理的等效偶层法,以及旧资料换算为并与新资料对比的综合处理解释等方法。将这些新方法运用于大冶铁矿危机矿山的深部找矿,获得明显的地质效果。2005年根据解释结果在15线布置的钻孔打到了26.65 m厚的磁铁矿体,说明在危机矿山进一步挖潜中,新方法技术的运用是十分必要的。

基于L1-范数的二维线性判别分析

为了避免图像数据向量化后的维数灾难问题,以及增强对野值(outliers)及噪声的鲁棒性,该文提出一种基于L1-范数的2维线性判别分析(L1-norm-based Two-Dimensional Linear Discriminant Analysis,2DLDA-L1)降维方法。它充分利用L1-范数对野值及噪声的强鲁棒性,并且直接在图像矩阵上进行投影降维。该文还提出一种快速迭代优化算法,并给出了其单调收敛到局部最优的证明。在多个图像数据库上的实验验证了该方法的鲁棒性与高效性。

监督型稀疏保持投影

稀疏保持投影(SPP)是最近提出的一种无监督降维方法,因此无法利用标号数据提供的监督信息。为此,对SPP进行了扩展,给出了两种监督型稀疏保持投影算法:基于稀疏保持的判别分析(SPP+LDA)和监督稀疏保持投影(S2PP)。前者通过在SPP变换的子空间内进行线性判别分析(LDA)达到利用数据间稀疏重建关系和监督信息的目的;后者借助数据标号直接修正SPP构建的稀疏重建图在SPP中自然地融入监督信息。分析了两种算法的优缺点,在两个常用的人脸数据集(Yale和AR)上验证了两者的可行性及有效性。

基于LiDAR技术的节理岩质边坡有限元分析

岩质边坡的稳定性主要受其优势结构面组控制。基于地面LiDAR扫描技术和模糊聚类分析对边坡岩体出露的结构面进行自动识别和统计分组,从而获得岩体主要结构面组的几何空间信息和空间位置信息。随后通过赤平投影方法能够较好地反映出各主要结构面组与边坡的空间位置关系,确定主控边坡稳定性的优势结构面组,为数值模型的构建提供依据。最后采用有限元强度折减法求得潜在滑裂面位置和相应的安全系数。分析结果表明,岩质边坡滑裂破坏主要沿着优势结构面方向扩展,边坡下部以沿结构面的剪切破坏为主,上部以拉伸破坏为主。

基于近邻保留PNMF特征提取的高光谱图像分类

通过对投影非负矩阵分解(PNMF)增加近邻保留假设,提出了一种新的高光谱图像线性特征提取方法———近邻保留投影非负矩阵分解(NPPNMF)。NPPNMF保留了高光谱数据在低维特征空间中的局部几何结构,克服了PNMF基于Euclidean的缺点。根据在构造k近邻图时是否使用训练样本的类标签信息决定了NPPNMF既可以是无监督的特征提取方法,也可以是有监督的特征提取方法,从而提高了PNMF算法的鉴别力。理论证明和高光谱图像数据的分类结果表明了该方法的有效性及应用潜力。

一种新的保类内核Fisher判别法及说话人辨别应用

在保留数据本质特征的前提下,降低数据维度是一种重要的分类预处理手段。深入分析了核Fisher判别(KFD)方法与核化全局局部保持Fisher投影(KLFDA)方法的相互关系与优缺点,提出了一种新的基于类内特性保持的核化Fisher判别分析方法(LW-KFD)。在保留KFD全局最优投影能力的同时,解决了KLFDA的过度局部保持问题,从而对重叠(离群)样本与多态分簇样本都能实现有效的分类投影。提出了快速训练算法,解决了大量训练样本时的内存溢出问题。仿真实验与说话人辨别应用表明,该方法具有很强的适应性,并提高了说话人识别率与识别速度。

土岩组合高边坡稳定性分析与治理

随着城市建设快速发展和建设用地日益紧张,在丘陵地带开挖山体造地的工程建设也日益增多,常形成土岩组合的高边坡,易产生滑坡、崩塌等地质灾害,对人身安全和工程质量构成重大隐患。本文以广东省清远市某大型小区内开挖形成的土岩组合高边坡为研究对象,调查边坡工程地质特征,采用极射赤平投影法和有限元强度折减法计算边坡的稳定性和破坏模式,结果显示边坡上覆残积土和全强风化岩处于基本稳定状态,边坡中下部中微风化岩体整体稳定,局部浅层岩体结构面发育,切割体不稳定,存在崩塌、危岩体等。根据边坡稳定性现状和破坏模式,提出上覆土体采用“放坡+锚杆格构梁+排水工程+三维网植草防护+孤石处理”,中下部岩体采用“削坡+挡石墙+安全防护网+排水工程+客土植草或燕窝槽式复绿”的综合治理措施。工程竣工后运行良好,治理效果较为明显。

用于人脸识别的半监督优化局部保持投影

未充分利用大量未标注样本的非监督信息是监督的、优化的局部保持投影(简称SOLPP)在人脸识别应用中的主要问题。为此提出一种用于人脸识别的半监督的优化的局部保持投影(SSOLPP)。该算法在SOLPP的基础上,通过加权平衡参数融合了未监督的主成分析(PCA)降维算法,使得投影后的数据保持了高维数据中的未标注样本的、全局的散布结构信息和监督的优化局部结构信息。在YaleB和AR人脸数据集上的实验验证了所提算法的有效性。

基于最长轨迹投影的3D空间手写字符维数约简

提出一种基于最长轨迹投影的3D空间手写字符维数约简算法。首先,获取运动指尖的3D坐标,依次连接坐标点生成3D运动轨迹;将3D轨迹上所有的点分别投影到XOY、XOZ、YOZ平面形成2D轨迹;分别计算3个平面内的2D轨迹上相邻点的长度和,选择长度和最大的平面作为最佳投影平面。实验结果表明,所提算法可以得到固定方向的2D图像,不需要方向调整算法,就能够使3D空间手写字符的识别率达到96. 2%。

双平面法在万家寨底孔应力分析中的应用

介绍双平面有限元法适用于空间复杂大体积结构的应力分析，以代替传统的三维空间有限元分析法。工程实践证明，双平面法具有节省硬盘空间和机时，计算简便，对空间复杂大体积结构应力分析是非常适用的。

一种基于流形学习的PCA-SLPP特征空间降维方法

针对复杂模式分类中特征空间维数过高问题,提出一种基于流形学习的PCA-SLPP降维方法。先对初始特征量集中样本数据进行主成分分析(PCA),使特征量在全局空间中相互独立;再采用改进的有监督局部保留投影(SLPP)法对主成分分析后的数据进行映射,使数据在特征空间中的局部流行结构得以保持的同时扩大样本数据的可区分性;最终依据累计贡献率与特征值的大小实现特征空间的降维。采用降维后的数据集训练支持向量机分类器,对具有复杂结构的煤岩惰质组显微组分进行分类。实验结果表明:PCA可以有效去除特征数据间的信息冗余,有助于分类正确率的提高;PCA的维数一定且总维数较高时,采用SLPP继续降维对分类正确率影响不大,但当总维数降到2及以下时,分类正确率迅速下降;在特征空间总维数降到初始维数的1/2及以下时,本文方法的分类正确率明显高于其他算法;本文方法在耗时上与SLPP相近。

基于概率主成分分析的差分隐私数据发布方法

针对高维相关数据发布的隐私保护问题,本文提出2种隐私保护数据发布方法,解决高维相关数据发布时重复加噪导致的发布数据效用过低问题。基于概率主成分分析模型的隐私数据发布方法,及基于概率主成分分析和差分隐私的数据发布方法,利用主成分分析对高维数据降维,在低维数据中加入拉普拉斯噪声,然后再由概率主成分分析的生成模型生成数据集发布,使得发布的数据集满足差分隐私。经过分析与验证,当选取恰当的主成分个数时,2个真实数据集上的分类准确率较同类方法提高2%~5%。本文方法在支持向量机分类准确率方面可以保持良好的数据效用。

基于双向2DPCA算法的高分五号卫星图像降维研究

对高光谱图像降维历来是遥感数据处理研究热点之一,而将双向2DPCA算法用于高光谱图像降维的研究却见刊极少。另外,目前对高分五号卫星图像的研究也相对较少。针对此现状,文章基于双向2DPCA算法,对高分五号卫星图像进行了降维研究,该算法能够从行和列两个方向对遥感图像进行二维主成分分析,并提取有效主成分,以达到双向降维的目的。从主成分尺寸、图像压缩率、峰值信噪比以及重构图像等指标对2DPCA算法与双向2DPCA算法进行了对比实验和数据分析。实验结果表明,在以上四个图像降维指标的表现上,双向2DPCA算法都能比2DPCA算法获得更好的降维数据,由此得出结论,双向2DPCA算法对高分五号卫星图像具有良好的降维效果。

核监督鉴别投影分析在人脸识别中的应用

提出一种核监督鉴别投影分析方法.首先将训练样本通过一个核函数非线性映射到特征空间,在该特征空间分别计算样本的局部、非局部和类内离散度,设计了一个改进的鉴别准则函数,基于该准则获得一组最优投影轴,使得投影后的样本不仅保留局部邻域信息,而且能够抽取更有利分类的非线性鉴别特征.在Yale人脸数据库上的实验结果表明:文中方法有效且性能优于Fisher线性鉴别分析和非监督鉴别投影分析方法.

创意平板折叠桌的定量描述与探究

针对平板折叠桌的加工参数设计与动态模拟研究,使用空间解析几何、动态模拟、投影面降维分析、函数系统仿真等方法,构建平板折叠桌动态变化模型,分析桌脚边缘线动态过程。得到凹槽长度、钢筋位置和平板长度等设计参数,并对所建模型进行灵敏度分析和进一步的推广。

基于分窗Gram-Schmidt高光谱降维的水稻纹枯病检测

纹枯病是水稻生产中三大病害之一,其早期检测对病害的及时防控、保证粮食安全具有重要意义。高光谱技术为水稻病虫害高通量、实时监测提供了有效的技术手段。基于高光谱病害检测中高光谱的降维,或检测特征的提取至关重要,利用2017和2018两年水稻盆栽纹枯病接种试验与大田纹枯病调查试验样本高光谱数据,探讨了分窗Gram-Schmidt变换的高光谱数据降维与特征波段提取,构建纹枯病检测模型,对比分析了本研究方法与主成分分析、连续投影法高光谱降维效果与病害检测精度。结果表明:基于分窗GramSchmidt变换可有效实现高光谱数据的降维,盆栽样本高光谱降到4维,纹枯病检测模型决定系数R2为0.8373,均方误差MSE为0.0406;大田样本高光谱降到4维,纹枯病检测模型决定系数R2为0.9701,均方误差MSE为0.0065。主成分分析法降维,盆栽样本高光谱降到6维,纹枯病检测模型决定系数R2为0.7931,均方误差MSE为0.049,大田样本高光谱降到6维,纹枯病检测模型决定系数R2为0.9658,均方误差MSE为0.0078;连续投影法降维,盆栽样本高光谱降到8维,纹枯病检测模型决定系数R2为0.8132,均方误差MSE为0.0466,大田样本高光谱降到4维,纹枯病检测模型决定系数R2为0.9685,均方误差MSE为0.0072。对比主成分分析法和连续投影法,基于分窗Gram-Schmidt变换的高光谱降维效果与纹枯病检测精度均效果较好,可为高光谱降维与水稻纹枯病防治提供一定的理论基础和技术支撑。

一种基于指数降维的监督型稀疏保持典型相关分析算法

提出一种基于指数降维的监督型稀疏保持典型相关分析算法.通过将样本的类别信息与样本特征相融合,克服以往引入监督信息导致重建误差增大的缺陷,同时实现类内相关的最大化与类间相关的最小化;针对传统算法处理稀疏信号的高维小样本问题的瓶颈,改进算法对总体散布矩阵做指数化的处理,既保留有效信息,又将总体散布矩阵非奇异化,克服PCA预处理散布矩阵导致有效信息流失的缺陷.依据ORL,Yale,AR和FERET人脸数据库而进行的仿真实验表明,该算法比其他的典型相关分析方法具有更好的识别效果.

面向局部线性回归分类器的判别分析方法

局部线性回归分类器(locality-regularized linear regression classification,LLRC)在人脸识别上表现出了高识别率以及高效性的特点,然而原始特征空间并不能保证LLRC的效率。为了提高LLRC的性能,提出了一种与LLRC相联系的新的降维方法,即面向局部线性回归分类器的判别分析方法(locality-regularized linear regressionclassification based discriminant analysis,LLRC-DA)。LLRC-DA根据LLRC的决策准则设计目标函数,通过最大化类间局部重构误差并最小化类内局部重构误差来寻找最优的特征子空间。此外,LLRC-DA通过对投影矩阵添加正交约束来消除冗余信息。为了有效地求解投影矩阵,利用优化变量之间的关系,提出了一种新的迹比优化算法。因此LLRC-DA非常适用于LLRC。在FERET和ORL人脸库上进行了实验,实验结果表明LLRCDA比现有方法更具有优越性。

结合优化MGFR与二维线性降维的特征提取算法

受限于人脸姿态、光照变化等因素,通过引入多通道Gaborface表征结合基于子空间的二维双向线性降维算法,提出了一种结合优化多通道Gaborface与二维线性降维的特征提取算法。首先,采用多通道Gaborface表征(MGFR)模型对样本集进行预处理,提取不同通道下的人脸Gabor特征表示并优化选取通道融合方式而组合成新特征;再引入样本间类别信息获得改进线性二维双向特征降维算法,从而对获得的人脸表示进行特征降维与提取;最终通过最近邻分类器得到分类结果。试验结果表明,通过在AR、ORL和YALE人脸库进行对比分析,改进算法对人脸姿态等变化具有较强的鲁棒性,且较其他算法表现出了较优的识别性能。

实景三维中国建设项目中的DEM成果质量检查方法与实践

数字高程模型(DEM)作为实景三维中国建设(简称“实景三维”)项目中的重要成果之一,对该项目整体成果质量产生了重要影响。本次研究针对实景三维项目中DEM模型的两大分区类型提出了平面晕渲效果图分析法、立体模型检测法、等高线套合分析法以及差值分析法等4类质量控制方法,并对这4类质检方法的运用原则以及检查尺度加以分析。