二维PCA非参数子空间分析的人脸识别算法

提出一种结合二维PCA(2DPCA)的二维非参数子空间分析(2DNSA)人脸识别算法。利用2DPCA对原始图像矩阵进行特征降维,以降维后的特征为训练样本,进行二维非参数判别分析,并综合考虑类边界样本对分类的影响,采用2DNSA实现更合理的特征提取。基于Yale、LARGE人脸数据库的实验结果表明,与(2D)2PCA、2DPCA、(2D)2LDA、2DLDA、2DPCA+2DLDA、2DNSA算法相比,该算法性能更优。

基于最近特征线的二维非参数化判别分析算法

提出一种基于最近特征线(NFL)的二维非参数化判别分析算法,用于人脸识别等模式分类问题。该算法在子空间学习阶段运用NFL思想计算训练集中各样例的最近特征距离,计算得到低维投影空间,在低维投影空间中进行分类。通过ORL标准人脸数据库进行实验,结果表明该算法的鲁棒性优于传统算法。

局部非参数子空间分析在人脸识别中的应用

提出了一种局部非参数子空间分析算法(Local Nonparametric Subspace Analysis,LNSA),将其应用在人脸识别中。LNSA算法结合了非参数子空间算法(Nonparametric Subspace Analysis,NSA)与局部保留投影算法(Locality Preserving Projection,LPP)。它利用LPP算法中的相似度矩阵重构NSA的类内散度矩阵,使得在最大化类间散度矩阵的同时保留了类的局部结构。在ORL人脸库和XM2VTS人脸库上作了实验并证明LNSA方法要优于其他方法。

典型地物光谱空间结构特征与基本统计参数分析

分别从光谱曲线及光谱特征空间入手,对内蒙古突泉与青海同仁研究区野外实测岩石、土壤和植被等3类典型地物的光谱数据进行了分析,发现研究区无论在光谱曲线空间,还是在光谱特征空间,同类地物的分布形态基本一致,而不同之处是由不同地区的地质地貌、生态环境与气候因素决定的,但不影响其空间分布形态的整体特征。通过分析与实验,发现了几种能够在光谱特征空间对上述3类特征地物进行较好区分的波段组合,可以利用这几种波段组合指导根据遥感图像生成的二维散点图对这3类地物的分类,有助于改进遥感蚀变信息提取方法。

二维Logistic映射的分岔与分形

理论分析了二维Logistic映射的分岔,并采用相图、分岔图、功率谱、Lyapunov指数和分维数计算的方法,揭示出:二维Logistic映射可按倍周期分岔和Hopf分岔走向混沌;在倍周期分岔过程中,系统在参数空间和相空间中都表现出自相似性和尺度变换下的不变性.对二维Logistic映射的吸引盆及其Mandelbrot-Julia 集(简称M-J集)的研究表明:吸引盆中周期和非周期区域之间的边界是分形的,这意味着无法预测相平面上点运动的归宿;M-J集的结构由控制参数决定,且它们的边界是分形的.

基于Fisher判别分析的增量式非负矩阵分解算法

增量式非负矩阵分解算法是基于子空间降维技术的无监督增量学习方法.文中将Fisher判别分析思想引入增量式非负矩阵分解中,提出基于Fisher判别分析的增量式非负矩阵分解算法.首先,利用初始样本训练的先验信息,通过索引矩阵对新增系数矩阵进行初始化赋值.然后,将增量式非负矩阵分解算法的目标函数改进为批量式的增量学习算法,在此基础上施加类间散度最大和类内散度最小的约束.最后,采用乘性迭代的方法计算分解后的因子矩阵.在ORL、Yale B和PIE等3个不同规模人脸数据库上的实验验证文中算法的有效性.

土壤含水量空间尺度分布非均匀对中尺度脉动量和通量的影响研究

本文采用RAMS(Regional Atmospheric Modeling System)模式模拟研究了没有背景风的情况下,土壤湿度非均匀分布的长度尺度分别为40km逐渐减小到2km时,地表通量的分布和大气边界层的响应.运用二维傅里叶变换,分析了地表通量、中尺度脉动量和中尺度通量的二维幅度谱分布,初步探讨大尺度模式中非均匀地表条件下的边界层参数化问题.分析结果显示各试验的地表水、热通量和中尺度脉动量的幅度谱的极大值都出现在与各自非均匀尺度相对应的波数处,当有不同尺度的非均匀斑块共存时,最大的非均匀尺度占主导.但是中尺度水、热通量的结果有所不同,除了在与各自非均匀尺度相对应的波数处有峰值之外,在其他波数还有多个峰值.这些结果表明地表水、热通量的空间分布尺度与非均匀尺度之间存在较好的对应关系,而中尺度水、热通量与非均匀尺度的关系并不明显,说明地表水、热通量的网格平均值的代表性较好,但是不能反映次网格脉动的影响,而中尺度通量的网格平均值的代表性较差.

基于模糊积分的不完全小波包子空间集成人脸识别

提出一种基于模糊积分的不完全小波包子空间集成人脸识别方法,并与五种相关方法进行实验比较.首先对人脸图像做不完全小波包分解,对双向低频子空间图像直接进行特征提取,对含有一个方向低频成分的高频子空间图像先求平均,再进行提取特征;然后用得到的不同子空间图像训练模糊分类器;最后用模糊积分融合训练的模糊分类器.该方法能够充分利用不同频率小波子空间图像中包含的有用信息,从而提高人脸识别的精度.在ORL、YALE、JAFFE和FERET这4个人脸数据库上进行实验,实验结果表明该方法在识别精度方面均优于五种相关方法.

自适应频率和二维波达方向角跟踪估计算法

运用特征子空间分析方法的关键问题在于信号或噪声子空间的估计,在实际中有些信号的统计特性通常是随时间变化的,这时需要随时根据新的阵列接收数据对信号或噪声子空间进行更新,以得到参数的实时估计值,在该文中建立了多维信号参量联合估计的3D Unitary ESPRIT算法,然后提出了基于球面平均 ULV分解的子空间跟踪算法,将子空间跟踪算法与多维信号多量联合估计算法相结合,得到多维时变信号参数的跟踪估计算法,仿真计算结果验证了该算法的有效性。

基于2DPCA补空间的特定人与非特定人的表情识别

研究表明,对一种识别有利的信息有可能反而对其他识别任务造成干扰,表情识别需要利用表示各种表情之间差异的信息.针对特定人及非特定人的7种基本表情,提出基于二维主元分析(Two-Dimensional Principle Analysis,2DPCA)补空间的表情识别算法.基于CED-WYU(1.0)及JAFFE两个表情数据库的实验结果表明,2DPCA补空间算法针对特定人与非特定人的表情识别率可达100%,高于2DPCA算法.

基于化学子空间对线性变换稳定的秩估计方法

提出了一个新的化学计量学方法 ,即线性变换下稳定的化学子空间法 ,用于二维数据的化学秩估计 .该方法的基本思想是具有化学意义的子空间对在一个方向上的二维数据的线性变换是最稳定的 .据此 ,两个新的定量指标投影残差法和子空间夹角法被提出用于衡量两个子空间之间的差异性 .对两个近红外数据的分析结果表明 ,这一方法为二维数据的化学秩估计提供了一个很有价值的工具 .

基于ULBP特征子空间的2DLDA人脸识别方法

将图像层次化分割并提取各个图像子块的均匀模式的局部二值模式(ULBP)直方图特征,在考虑到全局及局部特征的同时,将处理空间从灰度空间投影到ULBP特征子空间,有效消除行向量之间的相关性,从而使应用行二维线性鉴别分析处理得到的鉴别投影矩阵性能更优.在ORL、YALE及FERET人脸库上与基于二维线性鉴别分析的方法及基于多级局部二值模式的方法对比,结果显示文中方法维数更低,识别率更高,从而验证文中方法的有效性.

结合子空间投影和流形学习的人脸识别系统研发

人脸识别是一种广泛使用的生物特征识别技术。文章提出一种结合子空间投影和流形学习的高效人脸识别方法。该方法利用二维线性鉴别分析提取人脸的不变性特征,能有效提取人脸图像的局部特征并用于人脸识别。实验结果显示,此方法能有效克服光照、表情和遮挡等情况,具有较高的识别准确率。

非监督子空间学习中关联度量多维尺度分析

多维尺度分析已经在维度约减和数据挖掘领域得到了广泛应用。MDS的主要缺点是其定义在训练数据上,对于新的测试样本无法直接获得映射结果。另外,MDS基于欧氏距离度量,不适合获取相似数据中的非线性流形结构。将MDS扩展到关联度量空间,称为关联度量多维尺度分析(CMDS)。与传统MDS在训练数据中完成映射,进而缩小空间范围相比,CMDS能够直接获得测试样本映射结果。此外,CMDS基于关联度量,能够有效学习相似数据中的非线性流形结构。理论分析表明,CMDS可以利用核方法扩展到新特征空间,解决非线性问题。实验结果表明,CMDS及其核形式KG-CMDS性能优于常用传统降维方法。

格拉斯曼流形降维及应用研究

视频人脸识别的核心问题是如何准确、高效地构建人脸模型并度量模型的相似性,为此提出一种维数约减的格拉斯曼流形鉴别分析方法以提高集合匹配的性能。首先通过子空间建模图像集合,引入投影映射将格拉斯曼流形上的基本元素表示成对应的投影矩阵。然后,为解决高维矩阵计算开销大以及在小样本条件下不能有效描述样本分布的缺陷,引入二维主成分分析方法对子空间的正交基矩阵降维。通过QR分解正则化降维后的矩阵,得到一个低维、紧致的格拉斯曼流形以获得图像集更好的表达。最后将其投影到高维核空间中进行分类。在公开的视频数据库中的实验结果证明,提出的方法在降低计算开销的同时能够获得较高的正确率,是一种有效的基于集合的对象匹配和人脸识别方法。

动态偏最小二乘在软测量建模方法中的应用

在工业生产过程中,一些重要的过程变量由于技术或经济等方面的原因无法在线测量得到。软测量技术将自动控制理论与生产过程知识有机结合,通过构建数学模型,基于一些容易测量的变量间接获得无法直接测量的变量。软测量技术不仅为关键过程变量的预测提供了一种实时测量的方法,而且有助于优化控制。动态偏最小二乘法(DPLS)以其优良的性能,被广泛应用于软测量建模。对基于动态偏最小二乘的软测量技术进行详细研究。针对将传统动态偏最小二乘软测量方法应用于传输延迟大的系统模型中存在的局限性,采用降维的方法加以解决。在合成橡胶生产过程中,转化率是表征聚合反应进程的一项重要的质量指标参数。通过对丁苯橡胶聚合转化率的仿真表明,该动态偏最小二乘方法可以为存在复杂时变的系统提供更优的关键过程变量预估。

一种两阶段判别分析方法

为了解决LDA对复杂分布数据的表达问题,本文提出了一种新的非参数形式的散度矩阵构造方法。该方法能更好的刻画分类边界信息,并保留更多对分类有用的信息。同时针对小样本问题中非参数结构形式的类内散度矩阵可能奇异,提出了一种两阶段鉴别分析方法对准则函数进行了最优化求解。该方法通过奇异值分解把人脸图像投影到混合散度矩阵的主元空间,使类内散度矩阵在投影空间中是非奇异的,通过CS分解,从理论上分析了同时对角化散度矩阵的求解,并证明了得到的投影矩阵满足正交约束条件。在ORL,Yale和Yale B人脸库上测试的结果显示,改进的算法在性能上优于PCA+LDA,ULDA和OLDA等子空间方法。

基于航空大地电磁倾子特征的二维大地结构探测方法

倾子是航空大地电磁方法的主要参数,在地下异常体的探测中有着重要的作用和显著优势.本文简要概括了倾子测量的基本原理;基于有限单元法进行了二维大地结构的倾子建模仿真,分析了影响倾子响应特征的主要因素,包括空间性参数以及地下介质参数.通过对倾子响应特征影响因素的分析,提出了一种利用倾子及其梯度的异常位置和异常幅度,对地下二维异常体的电性特征、水平位置、埋深以及电阻率进行快速、定量识别的方法.最后,利用已知模型的倾子响应对异常体参数进行了试算,通过对试算结果和已知模型参数的对比,验证了该方法的可行性.

基于小波子空间集成的人脸识别

基于小波变换的人脸识别方法通常选用低频子图进行人脸识别,这样会丢失其他子段图像中的识别信息。针对这一问题,提出了两种小波子空间集成人脸识别方法并与其他相关方法进行了实验比较。第1种方法集成每1层小波低频子空间图像进行人脸识别;第2种方法首先对人脸图像做L层小波分解,然后对每1层的3个高频子空间图像求平均,连同每层的1个低频子空间图像得到L个小波子空间图像,最后集成这L个小波子空间图像进行人脸识别。本文提出的方法充分利用了不同频率小波子段图像的识别信息,能够提高人脸识别的精度。在ORL、YALE和JAFFE 3个人脸数据库上的实验结果显示,本文提出的方法特别是方法 2在识别精度方面都优于其他方法。

基于多源数据融合的人脸识别研究

多源人脸信息的融合识别是多源信息融合领域与人脸识别领域的交汇点,它能减少人脸多姿态、表情等因素对人脸识别的影响。通过对对已有的多源人脸的融合技术以及单源人脸的识别技术的分析,提出结合2DPCA、二维Gabor小波和多子空间分析进行多源人脸信息的融合实现多姿态人脸识别。首先,对样本图像进行二维Gabor小波特征描述,然后利用2DPCA降维,最后利用多子空间分析进行多源信息融合完成多姿态人脸的识别。试验证明方法提高了多姿态人脸识别的精度。