基于K-L变换的污秽绝缘子红外图像特征提取方法

利用K-L变换降低污秽绝缘子红外图像特征维数,得到3个独立主分量特征,该3维主分量包含了各原始特征分量的信息。通过主分量累积贡献率的大小,选取了原始污秽特征数据协方差矩阵的3个最大特征值对应的3维特征矢量构成正交变换阵,用于主分量特征提取。通过正交变换阵中各系数的大小,研究了各原始特征分量在各主分量特征中所占的比例。为比较K-L变换前后数据类间距离的变化,绘制了K-L变换前后特征数据分布的3维立体图。实验结果证明K-L变换在最大限度地保留原有信息的同时,降低了原始污秽特征数据的维数,减少了计算量,加大了数据的类间距离,提高了污秽数据分类的准确性。

基于核最优K-L变换的故障特征提取方法研究

核函数主元分析KPCA(kernel princ ipal component analysis)能够提取机械故障信号的非线性特征,可以应用于机械故障状态识别。但是KPCA是一种无监督的特征提取方法,不能利用故障信号中的类别信息。本文介绍了一种核最优K-L变换,它可以充分利用类别信息,它能够提取类平均向量和方差向量中的判别信息,使提取的特征分类效果更好。在齿轮故障诊断实验中,采用核最优K-L变换提取故障信号的非线性特征,实验结果表明核最优K-L变换相比KPCA故障识别结果更为理想。

基于小波包分解与K-L变换的齿轮泵振动信号故障特征提取方法

针对齿轮泵故障成因复杂、模糊性强的特点,结合小波包分解与K-L变换,提出一种适用于支持向量机故障诊断的特征提取方法。通过小波包对样本故障振动信号进行分解得到特征向量,而后利用K-L变换处理得到新的特征向量集,达到降维去噪的目的。将处理后的特征向量集用于支持向量机的模型训练,分析结果表明:该方法能够有效提高故障模式识别准确率和识别效率。

基于状态空间重构与K-L变换的特征提取

提出一种基于状态空间重构与 K- L( Karhunen- Loeve)变换相结合的特征提取方法。先对实测回波信号用状态空间重构方法进行特征提取 ,然后用 K- L变换对提取的高维特征进行特征压缩 ;并用此方法对回波信号进行特征提取。

基于模糊函数和K-L变换的超声信号特征提取方法

用模糊函数表示超声信号,以解决特征提取时不同中心频率和不同到达时间的超声信号的预处理问题,并为信号分类提供时频特征。提出采用Karhunen-Loeve(K-L)变换提取信号的模糊平面特征,并对特征的分类能力进行了分析。实验结果表明模糊函数能有效去除信号的中心频率和到达时间的差异,用K-L变换提取的模糊平面特征能在低维空间有效地描述超声信号,并能获得较好的分类效果。

基于小波包变换的爆破地震波时频特征提取及分析

为了研究爆破地震波振动分量的传播规律,在微风化花岗岩石场地进行了孔径为76mm,孔深为5mm的单孔和单段多孔爆破试验,获得该场地爆破地震波加速度衰减规律,加速度衰减系数为k=3 698,α=2.046,并研究出该场地基频范围为48Hz^74Hz。采用小波包技术对爆破地震波测试信号进行时频特征量提取,分析试验所测得爆破地震波不同频带下小波包系数的衰减规律。在此基础上通过研究场地介质对爆破振动分量的动态响应衰减作用,分析形成爆破地震波多频带特征的机理。

基于Radon变换特征提取的步态识别

提出了一种基于Radon变换特征提取的步态识别算法。该算法根据步态轮廓图下肢的宽度信息确定步态运动准周期性,对二进制准周期步态轮廓序列进行Radon变换构造特征向量模板。对特征向量进行主成分分析,并采用k-近邻法进行步态特征分类。在CASIA步态数据库上和CAS识别算法进行了详细的比较,实验结果表明,该算法在性能上有较大程度的提高,是一种有效的步态识别方法。

基于分块小波变换和2DPCA的人脸特征提取与识别算法

从最优化的角度出发,提出了一种基于分块小波变换和二维主成分分析法(2DPCA)的人脸特征提取与识别算法。该方法首先对人脸图像进行分块小波变换,并对各分块的高、低频分量进行组合处理,然后对小波系数特征应用2DPCA方法进行变换并将分块特征进行融合得到人脸鉴别特征,最后在ORL人脸库上应用支持向量机(SVM)对该特征进行分类识别。试验结果表明,该算法能有效地提高人脸识别性能,具有较短的识别时间和较高的识别准确率,优于传统的人脸识别方法。

小波变换在切削颠振特征提取中的应用

本文利用小波变换的多分辨率特性,首先对切削颤振信号进行小波分解,然后通过主成分分析法对特征小波进行重构,再对重构信号进行特征提取,从而有效地解决了课题基于隐马尔可夫模型(HMM)切削颤振预报的特征提取问题。文章还提出了从时域基于功率分析对颤振信号进行特征提取的新方法,为切削颤振的特征提取提供了新的模式样本。

基于小波变换与KPCA的人脸特征提取与识别算法

本文介绍了一种结合小波变换与KPCA(核主成分分析)方法的人脸特征提取与识别算法。通过对ORL标准人脸图像库的实验仿真结果表明,该算法具有较好的识别性能,且在特征提取速度上明显高于传统的KPCA方法。

基于Contourlet变换和KFD的相似目标特征提取

对形状轮廓相似目标进行识别时,应用全局特征很难得到有效的鉴别结果,针对这一问题,提出了一种基于Con-tourlet、核主成分分析+Fisher线性辨别(KPCA+FLD)的特征提取方法。选取Contourlet分解后提取出来的多尺度局部特征,以加权求和的方式进行融合处理,选用KFD(KPCA+FLD)对融合后的特征进行降维,选择鉴别力强的特征。最后通过一系列的仿真实验,包括选用不同的特征提取方法、分解层次、核函数、融合权重,验证了该特征提取方法的有效性。

基于小波变换和改进PCA的人脸特征提取算法

针对在人脸图像高维数据降维时单纯使用主成分分析(PCA)算法的提取精度和速度受限问题,提出一种基于小波变换和改进PCA的混合特征提取算法.该方法首先对人脸图像进行小波分解,选取低频分量对人脸图像进行特征提取;然后利用改进的PCA算法进行主成分提取,获得代表人脸特征的特征向量;最后将该算法应用于Olivetti Faces人脸库数据集的图像分类.实验结果表明,经过该混合算法处理后的图像特征数据,由卷积神经网络(CNN)算法分类识别时准确率提升10%,识别速度提高约37%.

巴氏距离和K-L变换结合的特征选择

该文提出巴氏距离(BhattacharyyaDistance)和K-L(Karhunen-Loeve)变换结合的特征选择。采用巴氏距离特征选择眼3,5演的迭代算法,可以获得最小错误率上界。当特征维数高时,为了减少巴氏距离特征选择计算时间,对样本先进行K-L变换,将特征降低到中间维数。然后进行巴氏距离特征选择,降低到结果的维数。用基于MNIST手写体数字库的试验表明,该文方法比单纯用巴氏距离特征选择计算时间大大减少,并比主分量方法(即单纯使用K-L变换)特征选择的错误率小得多。

基于Contourlet和KPCA的焊接缺陷图像特征提取

为了进一步提高焊接缺陷识别的准确度和效率,提出了一种基于Contourlet变换和混沌粒子群优化核主成分分析(kernel principal component analysis,KPCA)的焊接缺陷图像特征提取方法.首先通过Contourlet变换将焊接缺陷图像进行多尺度分解,提取低频分量和特定方向上的高频分量;然后运用混沌粒子群优化后的KPCA分别提取缺陷训练样本和缺陷测试样本的特征;最后根据测试样本特征与训练样本特征之间的欧式距离确定缺陷测试样本的类型.结果表明,与基于核主成分分析特征提取法、基于小波的核主成分分析特征提取法相比,文中方法提取的特征更为完整,识别率更高,运行速度较快.

基于主成分分析与K-L变换的双重属性优化方法

利用主成分分析客观赋权原理计算地震属性在预测目标参数时贡献率的大小,通过去除权重系数较小的属性参数,实现了地震属性的敏感性分析,建立储层参数与有效属性之间的匹配关联;在此基础上,利用KL变换将属性样本空间的高维属性映射为低维属性,去除了属性之间的相关性,有效地解决了属性组合的优化问题,表明了主成分分析和KL变换相结合的属性双重优化方法克服了单纯使用每种方法时的局限性,充分发挥了各自的优点,有助于属性分析、关联以及组合优化问题的解决,提高了地震储层参数预测的运算速度和精度。

基于FRFT-KPCA的模拟电路非线性故障特征提取

针对模拟电路受非线性及元件容差影响而导致响应信号在时域和频域都出现耦合,造成故障特征提取困难的问题,结合分数阶傅里叶变换和核主成分分析理论提出一种非线性故障特征提取方法。利用分数阶傅里叶变换对耦合信号进行预处理,采用粒子群优化算法寻找最优分数阶p,实现耦合信号在分数阶域最大程度的分离。采用核主成分分析对非线性特征进行维数压缩,实现故障特征提取。实验结果表明,在时域或频域相互耦合的信号经分数阶傅里叶变换后,在分数阶域上耦合程度明显减弱,核主成分分析能够有效处理信号中的非线性信息,特征提取效果要优于其他线性特征提取方法。经过分数阶傅里叶变换和核主成分分析相结合的方法所提取的故障特征使故障模式具有更好的可分性。

一种基于PCA的医学图像特征提取与配准算法研究

为了进一步提高医学图像配准的准确性和速度,提出一种基于PCA的医学图像特征提取与配准算法。首先训练原始图像,生成样本矩阵,然后利用主成份分析的线性变换将样本图像的维度从高维空间降到低维空间,最后结合刚性变换的图像配准算法,对低维空间图像进行图像配准。临床实验数据表明,本研究算法具有较高速度与准确性,不仅可以显著提高图像的配准速度,而且还可以去除伪影和噪声,进而最大限度地保留临床意义上的图像特征信息,为研判病情与临床诊治提供了有效的帮助。

基于DT-CWT和PCA的唇部特征提取方法

针对单视觉唇读系统中唇部特征的提取问题,提出了基于双树复小波和PCA的唇部特征提取方法。利用双树复小波变换的近似平移不变性,通过将变换后的系数幅值重新排列,克服了感兴趣区域中唇部偏移的影响。与DCT相比,双树复小波变换既可反映输入信号的频域特性,又能反映其空间域特性,具有近似平移不变性,这些特性使得DT-CWT+PCA的方法优于DCT+PCA的特征提取方法。实验结果表明,该方法在识别率方面有较大的提高。

一种大规模样本数据的特征提取方法

针对沙尘暴样本数据的特点 ,根据专家经验依次通过聚类分析、建立典型模式类、计算中心场 ,再以样本与中心场的距离作为样本的特征 ,成功地在每个样本的几百个数据中提取到 40个特征。通过对提取特征的统计检验 ,说明了本文所用方法的有效性 ;同时 ,提出了一种建立在K L变换基础上的特征综合方法 。

工业物料自动识别中主色调特征的提取

在工业物料的自动识别中 ,往往总是存在一些不确定的、模糊的因素的影响 .