基于迭代主成分分析的过程监测方法的研究与实现

利用迭代主成分分析 (PCA)算法 ,提出一种在线过程监测方法。根据实际生产过程经验 ,提供了由多元统计控制图判断过程是否正常的准则 ,实现了实时在线的 PCA建模和过程监测。

基于对称非迭代双边2DPCA的人脸识别

结合人脸图像的对称性在非迭代双边二维主成分分析(NIB2DPCA)的基础上,提出了对称非迭代双边二维主成分分析(SNIB2DPCA)的人脸识别方法。该方法引入镜像变换,根据奇偶分解原理分别生成奇、偶对称样本,用NIB2DPCA分别对奇偶对称样本提取特征,通过奇偶加权因子对奇偶对称样本的特征矩阵进行组合得到最终的分类特征矩阵,最后用最近邻分类器分类。在Yale、ORL和YaleB人脸库上的实验表明该方法不仅显著提高了识别率,而且对光照影响有一定的鲁棒性。

手机地图显示尺度划分方法研究

随着移动通信技术的发展,手机地图逐渐成为人们获取位置信息的重要工具。由于手机地图具有屏幕小,快速移动和近距离阅读等特点,所以手机地图内容各要素的分层显示特征更为明显,这要求手机地图显示尺度的划分更加精细。而现有基础电子地图多尺度显示模型无法完全适用于手机地图多尺度显示。为此,针对不同要素视觉感受的差异性,利用眼动实验定量确定了手机地图各要素载负量的权重和计算方法。在此基础上,综合考虑不同要素载负量对显示尺度划分的影响,提出了一种利用主成分迭代分析建立手机地图多尺度显示模型的方法。并与现有基于地图面积载负量建立的地图多尺度显示模型进行了分析比较,为今后手机地图多尺度显示提供科学的参考依据。

小空间占用的快速彩色图像特征抽取方法

为了有效降低已有彩色图像特征抽取算法的空间占用,使得这类算法可以适用于仅有有限计算能力和计算空间的计算环境,提出了一种小空间占用的快速彩色图像特征抽取方法。此方法首先用无迭代双边二维主成分分析方法 NIB2DPCA对彩色图像的R、G、B三个通道分别做特征抽取;然后把抽取到的三个特征矩阵重构为一个二维矩阵;接着用NIB2DPCA对此二维矩阵抽取特征得到最终的分类特征矩阵。最后用最近邻分类器验证提出方法的有效性。在CVL和FEI人脸库上的大量实验表明,提出的方法采用两次特征抽取方法对彩色图像的信息进行了有效的压缩从而使计算过程中占用的内存空间减小了两个数量级以上,由此导致了计算时间的缩短,计算速度的提高;而且识别率还有所提高。

图像特征抽取的MDNIB2DPCA方法

在多方向二维主成分分析法MD2DPCA和无迭代双边二维主成分分析(NIB2DPCA)的基础上,提出了多方向无迭代双边二维主成分分析(MDNIB2DPCA)的特征抽取新方法。该方法可以对图像矩阵在多个方向上进行特征抽取,与MD2DPCA方法相比也提高了特征抽取速度。在灰度人脸图像库上的对比实验表明,所提的方法可以提高灰度图像识别率两个百分点以上;进一步地,在基于NIB2DPCA的彩色图像识别方法的基础上,提出了将所提的MDNIB2DPCA替换NIB2DPCA的彩色图像处理的新方法。在彩色人脸库上的对比实验表明,所提方法的识别正确率也可提高约一个百分点。