自动编码器与典型相关分析方法联合驱动的工业过程质量监测

本文将自动编码器(AE)特征提取方法和典型相关分析方法(CCA)有机结合,提出了一种联合驱动的质量监测模型及其质量相关的故障检测方法.首先,利用AE算法对输入样本进行无监督自动学习和重构,实现数据的特征提取和降维;其次,利用CCA算法实现特征与质量变量关联最大化,建立质量变量与特征变量的关系模型;根据监测模型的潜结构投影,构建T2统计量和SPE统计量及其相应控制限.将提出的方法用于分析带钢热连轧过程现场实际数据,结果表明,基于自动编码器–典型相关分析方法(AE–CCA)的质量监测方法能够准确的检测出故障,并且检测效果优于传统的核典型相关分析(KCCA)算法.

基于核典型相关分析的故障检测方法

针对化工过程中存在大量非线性问题,目前存在的主要方法为将核算法与偏最小二乘算法相结合(KPLS),相比于KPLS算法,将核与典型相关分析相结合的方法(KCCA)能够最大化两组变量相关性,以达到更好的检测效果。然而KCCA方法不能准确地将数据空间分解成与关键性能指标(KPI)相关和不相关的部分,从而忽略了剩余空间仍然涉及与KPI相关的一些信息的事实。文中提出了一种新的改进的KCCA (MKCCA)方法,该方法对核矩阵的可计算负载进行奇异值分解(SVD),得到一个投影模型,将核矩阵适当地分解为KPI相关部分和不相关部分,然后设计两个统计量进行故障检测。最后利用田纳西伊士曼(TE)过程验证了所提出方法的有效性和优越性。

子模式典型相关分析及其在人脸识别中的应用

传统的典型相关分析(CCA)是有效的特征提取方法之一,已广泛应用于包括人脸识别在内的模式识别的许多领域.但在人脸识别为代表的高维小样本问题上该方法存在如下不足:1)人脸识别的小样本特性使CCA两组特征矢量构成的总体协方差矩阵奇异,难以直接应用;2)作为一种全局线性投影方法,不足以很好地描述非线性的人脸识别问题;3)缺乏对局部变化的识别鲁棒性.本文受已提出的子模式主分量分析(SpPCA)的启发,提出了子模式典型相关分析(SpCCA).该方法将局部与全局特征矢量之间的相关性特征作为有效的判别信息,既达到了融合局部与全局信息的目的,又消除了特征之间的信息冗余.通过子模式的划分,SpCCA避免了小样本问题,更好地描述了非线性的人脸识别问题;并通过投票方式融合结果,增强了对局部变化的鲁棒性.在AR与Yale两个人脸数据集上的实验证实了该方法比对比方法不仅有更优的识别性能,而且更加稳定和鲁棒.

稀疏保持典型相关分析及在特征融合中的应用

稀疏保持投影(Sparsity preserving projections,SPP)由于保持了数据间的稀疏重构性,因而获取的投影向量满足旋转、尺度和平移的不变性,并能够在无标签的情况下提取样本的自然鉴别信息,在人脸识别领域取得了较为成功的应用.本文在典型相关分析(Canonical correlation analysis,CCA)的基础上引入稀疏保持项,提出一种稀疏保持典型相关分析(Sparsity preserving canonical correlation analysis,SPCCA).该方法不仅实现了两组特征集鉴别信息的有效融合,同时对提取特征间的稀疏重构性加以约束,增强了特征的表示和鉴别能力.在多特征手写体字符集与人脸数据集上的实验结果表明,SPCCA比CCA具有更优的识别性能.

一种新的有监督的局部保持典型相关分析算法

从模式识别的角度出发,在局部保持典型相关分析的基础上,提出一种有监督的局部保持典型相关分析算法(SALPCCA)。该方法在构造样本近邻图时将样本的类别信息考虑在内,由样本间的距离度量确定权重,建立样本间的多重权重相关,通过使同类内的成对样本及其近邻间的权重相关性最大,从而能够在利用样本的类别信息的同时,也能保持数据的局部结构信息。此外,为了能够更好地提取样本的非线性信息,将特征集映射到核特征空间,又提出一种核化的SALPCCA(KSALPCCA)算法。在ORL、Yale、AR等人脸数据库上的实验结果表明,该方法较其他的传统典型相关分析方法有着更好的识别效果。

区域物流能力与区域经济发展的典型相关分析——基于全国面板数据

从物流基础设施、物流经济产出、物流产业规模等方面的指标体系入手,构建包含区域经济产出、社会物资需求、基础设施投资等方面的区域经济指标体系。基于2003～2008年中国31个省市的面板数据,利用典型相关分析方法对区域物流能力与区域经济发展进行实证分析。结果表明区域物流能力与区域经济发展高度相关,并结合其他统计分析结果数据提出了促进区域物流能力发展的建议。

基于Tag-rank和典型相关性分析的在线商品跨媒体检索研究

在线商品跨媒体检索是电子商务领域的研究热点,增强特征判别性以改善检索性能是其核心问题。引入Tag-rank模型计算单词的绝对排序和相对排序权重,以准确刻画单词在文本中出现位置的统计特性,抑制噪声干扰并提升关键词权重,从而增强文本特征判别性,最终改善跨媒体检索性能。实验表明:在文本检索图像中,相对排序类模型和绝对排序类模型检索性能平均提升6.58%和4.99%。在图像检索文本中,若合理选取图像特征;检索性能也有提升。所设计的后融合策略能进一步改善检索性能。

有样本缺失的稀疏保持典型相关分析

在典型相关分析(CCA)的基础上,通过稀疏保持引入样本的类别信息,利用交叉相关项克服CCA及其推广算法要求不同视图样本必须成对出现的局限,提出一种有监督学习方法——有样本缺失的稀疏保持典型相关分析(SPCCAM).SPCCAM能在训练样本不成对的情况下进行多视图特征融合.在人工数据集、手写体数据集和PIE人脸数据集上的实验结果表明,SPCCAM能有效利用类信息提高分类性能.

基于特征子模式典型相关分析的热释电红外信号识别

为使现有热释电红外(PIR)探测器具有识别检测区域内红外辐射源的功能,提出一种基于典型相关分析(CCA)特征融合的人体和非人体PIR信号识别方法。该方法首先提取PIR信号的频谱和小波包熵特征,然后对频谱进行子模式划分,并分别与小波包熵特征进行CCA融合,把融合后的结果作为判别信息,从而实现了特征融合且消除了特征之间的信息冗余。最后通过多数投票方式融合判别结果。作为子模式CCA特征融合的一种特殊情况,文中分析了特征与自身子模式特征CCA融合的分类性能。实验结果表明,当频谱分为5个子模式时,能有效地对人体和非人体红外辐射源进行识别,识别率可达95.2%,比直接采用频谱与小波包熵CCA融合的识别率提高了2.7%。而采用小波包熵与自身子模式特征CCA融合的识别率最高为90.7%,比单独采用小波包熵的识别率提高了2.3%。

城镇居民消费结构影响因素的典型相关分析

改革开放以来，随着经济的发展，我国城镇居民消费水平有了很大的提高，消费结构也发生了很大的变化。影响到居民消费变动的因素有很多，不少学者对其也有深入的研究本文试图运用典型相关分析方法，分析各影响因素的作用大小。重点放在消费变量及其影响因素的相关分析上。

现代服务业作为经济内生增长引擎的典型相关性分析

作为嫁接高新制造技术与信息服务产业的新型业态集群,现代服务业已成区域经济发展的重要引擎和区域经济竞争力的着力制高点。文章基于典型相关分析法,对我国市场化改革以来现代服务业的影响因素进行检验。研究表明:人均GDP、高速公路里程、城市化水平等变量,是现代服务业发展的最重要推动要素。提升我国现代服务业对区域经济的内生扩张效应,发挥其隐性就业带动机制,必须推动基础设施建设,发挥城市化对现代服务业的主导机制,以推动我国现代服务业的新一轮转型与跨越,使之成为区域经济内生增长的重要引擎。

核诱导距离度量的鲁棒典型相关分析

典型相关分析(canonical correlation analysis,CCA)是寻找同一对象两组变量间线性相关性的一种常用的多元统计分析方法,其采用的欧氏距离度量方式导致了算法的非鲁棒性。核诱导的距离度量不仅在理论上被证明是鲁棒的,而且在(聚类)应用上获得了有效验证。将其进一步应用于CCA,发展出了核诱导距离度量的鲁棒CCA(CCA based on kernel-induced measure,KI-CCA)。该算法不仅克服了CCA非鲁棒的不足,而且使现有基于最大相关熵的鲁棒主成分分析(half-quadratic principal component analysis,HQ-PCA)成为特例,且具有非线性相关分析的能力。一方面,核的多样性使得KI-CCA也具有多样性,从而使其成为一般性的分析算法。另一方面,与CCA刻画上的相似性,使其求解可归结为广义特征值问题。在人工数据、多特征手写体数据库(multiple feature database,MFD)和人脸数据集(Yale、AR、ORL)上的实验验证了该算法的有效性。

城镇女性二孩生育与就业典型相关分析

为探讨全面两孩政策实施以来,城镇20—44岁已生育一个孩子的职业女性二孩生育和就业的相互关系,呈现部分职业女性不愿意生育二孩的主要原因,运用描述性分析方法和典型相关分析方法进行研究,发现在城镇职业女性缺乏必要的社会支持条件下,生育对减少收入的影响最大,对减少培训、提拔晋升与就业机会的影响次之,另有1/5的被访者为了工作而延迟二孩生育或不要二孩;反映生育与就业的典型变量具有显著关系,城镇职业女性的一孩怀孕、分娩、育婴越是对收入、提拔晋升和职业培训带来不利影响,越会降低二孩生育意愿,延迟二孩生育时间。为促进城镇女性生育就业协调兼顾,建议劳动保障监察部门加强执法检查,完善投诉举报机制,推广妇联组织协助政府促进女性公平就业的约谈机制,促进"全面两孩"政策和女性平等就业有效落实。

块增量典型相关分析

增量学习是处理大规模动态流数据的重要技术,在机器学习领域得到广泛应用。已有众多学者将其与降维方法相结合得到增量式降维算法,其中增量典型相关分析(ICCA)是典型相关分析(CCA)的增量式改进版本,可有效处理多视图的高维数据流降维问题。由于ICCA每次只利用单对样本更新投影向量,每新增一对样本均需更新一次投影向量,导致该算法比较耗时。为了提高算法的效率,提出了块增量典型相关分析(CICCA)算法。该算法无需计算样本协方差矩阵,直接将数据流按批处理,每次利用新增的批样本信息对上一步投影向量进行修正更新,从而得到主投影向量。进一步,在投影向量的正交补空间中计算其他投影向量,进而将原始高维的多视图数据投影到低维空间。在人工数据集和真实数据集上的实验结果表明,该算法提取低维特征的分类性能与CCA、ICCA相当,但训练时间大幅度减少。

凸判别型典型相关分析

受几何平均度量学习(GMML)方法启发,文中提出凸判别型典型相关分析(CDCA).CDCA将学习2个视图的投影矩阵转化为一个测地线凸的度量学习问题,获得一个全局的闭合解,同时直接获得判别性融合特征.在人工数据集和真实数据集上通过实验验证CDCA的有效性.

城镇居民消费支出与收入的典型相关分析

一、城镇居民消费支出与收入结构的典型相关分析 典型相关分析是研究两个随机向量之间相互依赖关系的有力工具,因此可以利用典型相关分析方法分析各项消费支出同各项收入之间的相互依存关系.本文共采用了16个变量,其中有12个自变量,分别是食品支出、粮食支出、在外用餐支出、衣着支出、家庭设备用品及服务支出、耐用消费品支出、家务服务支出、医疗保障支出、交通通信支出、教育文化娱乐支出、居住支出以及杂项商品和服务支出,以表示消费支出结构.另外有4个因变量,即工薪收入、经营性净收入、财产性收入和转移性收入,以表示收入结构.分别用1998年和2002年的全国30个省市的截面数据进行分析(不包括西藏).

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.

利用CCA原理分析变量相关性

一、CCA原理简介典型相关分析(Canoical Correlation Analysis简称CCA)的思想是1936年Hotelling提出的,主要研究两组随机变量之间的相互关联性,是一种重要的多元数据处理方法,在多元统计分析中的地位也是不容小视的.例如,有两组变量(x1,…,xp)’与(y1,…,yq)’,仅当p>1,q>1时,两组变量间的相关性研究为典型相关分析.

基于加权局部判别CCA的多视角步态识别方法

为了解决步态特征提取难题和克服单一视觉的步态进行身份识别方法的局限性,提出一种加权局部判别典型相关分析(WLDCCA)算法。在此基础上,提出一种基于WLDCCA的多视角步态识别方法。该方法通过在WLDCCA中引入样本的类信息和局部信息,将不同视觉的步态特征有机地融合起来,提取的融合特征能够最小化同类样本之间的距离,同时最大化异类样本之间的距离,提高了步态识别的识别率和鲁棒性。在CASIA步态数据库上的实验结果验证了该算法的有效性和可行性。

城市空气质量的EOF展开及其与气象因子的CCA分析——以南京市为例

以南京市城区夏季情况为例,利用1996—1998年SO2、NOx、TSP日平均浓度资料,从空气污染物超标率原始序列出发进行EOF(经验正交函数)展开,分析了南京市大气污染静态状况及动态演变特征。还采用各测站SO2浓度与同期气象资料进行CCA(典型相关分析)的方法,比较了各气象因子对污染物浓度的影响大小。