基于无监督K均值特征和数据增强的SAR图像目标识别方法

过去二十年中,合成孔径雷达(Synthetic Aperture Radar,SAR)自动目标识别已经受到越来越多的关注。许多有监督特征学习算法被提出来,而且应用到合成孔径雷达的自动目标识别中。本文采用了无监督学习算法——K均值(K-means)聚类算法,通过分块自编码和优化接受域参数进行SAR图像特征学习,从而自动学习到无标签数据中鉴别性特征,并将所提取特征用于SAR图像目标识别中。然而,无监督学习一般对训练数据量有较高要求,因此,我们提出了两种数据增强方法,通过旋转目标物体的方位角,以及在原始图像上增加随机值,来获得更多可以用来训练模型的数据,使模型可以学习具有多样性的特征,达到提高识别效果的目的。采用公开的MSTAR数据库进行实验验证,结果表明所提方法可达到96.67%的主流识别率。

基于序列均值特征的经验模态分解及其在齿轮故障诊断中的应用

经验模态分解(EMD)在每一次模态分量的"筛选"过程中,有限长信号的端点值不可能正好处于信号序列的极大值或极小值处,因此在利用三次样条插值形成上、下包络时会在数据两端产生发散,且逐渐向序列内扩散污染整个信号序列,从而使EMD产生端点效应。文章利用Matlab生成高斯随机序列,并使该随机序列与原始数据序列具有相同的期望和方差,然后利用该随机序列对EMD筛选过程中序列两端端点进行延拓,通过使用该方法提取了齿轮故障特征,证明该端点效应处理方法明显有效。

三均值特征的快速分形图像编码算法

分形图像编码因在高压缩比时具有好的重建图像质量而备受图像压缩领域的极大关注,但它在编码过程特别耗时的致命缺点限制了其诸多应用。针对这个问题,新定义了图像块的规范块三均值特征,并根据匹配均方根误差与规范块三均值特征间的关系,提出了一个限制搜索空间的快速分形编码算法:一个待编码range块的最佳匹配块搜索范围仅在初始匹配块(与range块的三均值特征值相近的dom ain块)的邻域内,搜索邻域的大小由预先设置的剔除条件来自动控制。3幅图像的仿真结果表明,它确实能够在重建图像质量更好的情况下,平均加快了全搜索分形编码算法的编码速度29倍左右,且也优于新叉迹特征算法。

基于特征均值距离的短语音段说话人聚类算法

该文提出一种基于特征均值距离的短语音段说话人聚类算法。首先,定义特征均值距离用来在特征层而不是模型层刻画两个类之间的相似度;然后,迭代合并特征均值距离最小的两个类,直到任意两类之间的特征均值距离的最小值大于一个自适应门限为止。采用取自两个语音数据库的短于3 s的语音段进行实验测试,结果表明:与基于AHC+BIC的算法相比,F度量值平均提高了5%,运算速度约为以前算法的4.68倍。

基于特征均值的SVD信号去噪算法

根据矩阵奇异值分解原理,提出基于特征均值的信号去噪算法。该算法首先构造出加噪信号的Hankel矩阵,并对其进行SVD变换,再将小于全体特征值的均值的那些特征值置零,最后通过SVD反变换重建出去噪后的信号。通过与传统小波和FFT信号去噪算法进行对比实验。结果表明,该方法具有较强的噪声鲁棒性,同时能更好地保留信号细节,但实现速度有所降低。

中国上市公司行业盈利状况的均值回转特征研究

本文根据历史数据,总结和汇报了我国上市公司主要行业的盈利状况,重点分析了其均值回转特征。发现上市公司行业盈利状况有较强的均位回归特征。同时,我国部分行业的竞争程度有待进一步提高。

基于Toeplitz矩阵特征值分解的SAR图像舰船目标检测方法

合成孔径雷达(SAR)图像舰船目标检测一直是海洋监测领域的重要手段。经典的恒虚警率(CFAR)检测依赖于分布模型及多参数的准确估计,难以适应复杂多变的海面背景。新兴的信息几何舰船检测方法挖掘了目标与杂波的统计差异,实现舰船的显著性表示,但依然受限于背景杂波的精确建模。考虑到现有方法的局限性,本文提出了一种基于Toeplitz矩阵特征值分解的SAR图像舰船目标检测算法。在无需寻求背景杂波分布模型的前提下,通过构建Toeplitz矩阵,以其特征值均值为检验统计量,充分获取目标与背景杂波的差异。在高分三号卫星和TerraSAR-X卫星实测SAR图像上的实验结果证明,相比于现有的多种典型方法,本文方法取得了更优的检测性能与更快的计算速度。

带特征权重的混合特征模糊C均值算法

针对模糊数据,Hathaway提出了模糊C均值算法(FCM);针对符号数据,El-Sonbaty和Ismail提出了符号数据模糊C均值算法(FSCM);Miin-ShenYang等人对FSCM进行了改进,提出了混合特征的模糊C均值算法(MVFCM),MVFCM比FSCM更有效更具有实用性。在MVFCM的基础上,给出了带特征权重的混合特征的模糊C均值算法(WMVFCM),并通过实验比较,说明WMVFCM比MVFCM更有效。

基于多特征的PSO-MSVM动态过程质量异常模式识别

为了提高动态过程质量异常模式识别效率,将动态过程质量模式的均值特征与小波包分解特征作为分类特征,并构建两层多支持向量机识别模型进行分类。利用均值特征,在第一层MSVM中把动态过程变化趋势划分为正常与周期、上升与向上阶跃、下降与向下阶跃三大类别;采用小波包分解特征,在第二层MSVM中对这三大类别进行再分类。仿真结果表明提出的识别模型的识别精度相比采用单一特征的识别模型有明显提高。

基于改进特征的图像检索方法研究

针对在图像检索过程中,传统单一特征不能较好反映图像的颜色分布和内容细节等相关信息,降低了图像检索性能的问题,提出一种基于改进颜色和纹理综合特征的图像检索方法。根据HSV颜色模型区域均值,利用改进关联权值模型,获取颜色均值特征向量;基于Haar小波进行图像分解变换。在图像的低频分量中,根据低频特征结构模型,获取低频纹理特征向量;通过Canberra距离求取图像相似度。实验结果表明:方法在Corel-1000和Corel-5000标准图库中进行测试,准确率和检索率等性能参数得到了相应提高。

基于分块LBP融合特征和SVM的人脸识别算法

针对传统局部二值模式(LBP)特征提取方法在光线和人脸表情变化的情况下表现不佳、单一方法提取出的特征不能多角度表现出整张人脸的特征信息的问题,提出一种基于分块LBP融合特征和支持向量机(SVM)的人脸识别方法。先将人脸图像划分为不同的块,对每一块提取LBP特征;然后将不同分块的像素均值特征与LBP特征进行融合,用融合后的特征向量来表征人脸;最后引入SVM作为分类器对上述特征进行分类。在YALE、ORL标准人脸库以及自建人脸库上进行实验验证,实验结果表明:该方法识别准确率分别能达到95. 15%,99. 75%,96. 25%,对比实验显示,该方法优于C4. 5决策树、随机森林等传统方法。

基于谱域-空域结合特征和图割原理的高光谱图像分类

高光谱图像中存在着特征维度高而训练集小的问题。为解决该问题,提出了一种2步走的分类方法:1)通过支持向量机对图像进行初步分类,根据分类结果计算出每个类别的均值特征;2)使用1)计算出来的均值特征作为能量函数的数据项,然后利用图割原理对图像做二次分类。实验中发现:空间上相近的像素点往往具有相似的特征,且属于同一个类别。针对这种现象,提取一个将谱域特征和空域特征相结合的新特征。该特征既包含了光谱信息也包含了空间信息,具有较好的分类性能和鲁棒性。在Indian Pine数据集和Pavia University数据集进行实验,实验结果表明了本文提出方法的有效性。

基于Meta分析的高管团队特征与企业绩效关系研究

采用元分析方法对目前关于高管团队特征与企业绩效关系的文献进行定量化分析,并从信息-决策、团队冲突、创新等理论视角对该结果进行解释。研究结果表明,不同高管团队特征与企业绩效之间存在显著相关关系,但相关方向却有显著差异。同时分层线性模型的分析结果表明,国家、行业特征等是导致现有研究结果差异的重要原因。

基于PSO与K-均值算法的农业超绿图像分割方法

为了解决K-均值算法对农业图像中常用的超绿特征2G-R-B图像分割效果不佳的缺点,提出一种基于微粒群与K-均值算法的图像分割方法。先用K-均值算法对图像进行快速分类,然后将分类结果作为其中一个微粒的结果,利用微粒群算法计算,最后用K-均值算法在新的分类基础上计算新的聚类中心,更新当前的位置,以得到最优的图像分割阈值。试验结果表明,改进算法对超绿特征2G-R-B图像能够准确分割目标,且对不同类型的农业超绿图像具有较好的适应性。

高管团队特征与企业多元化战略关系的Meta分析

采用元分析和分层线性模型的定量分析方法,研究了国内外学者关于高管团队特征与企业多元化战略的相关关系。研究结果表明,高管团队的不同特征与企业多元化战略有不同的相关关系,诸如高管团队规模与企业多元化战略有显著正相关关系,团队平均年龄、教育背景异质性等人口统计学特征与企业多元化战略之间存在显著负相关关系,其他特征的相关关系不显著。同时国家、行业特征等是解释现有研究结果差异的重要原因。最后,提出了高管团队领域未来可能的研究课题。

Curvelet变换耦合双特征模型的遥感图像融合算法

为了解决当前遥感图像融合算法存在的光谱失真以及模糊等问题,设计了基于Curvelet变换与双特征模型的遥感图像融合算法。利用IHS(intensity, hue, saturation)变换从多光谱图像中提取亮度分量。并将其与全色图像进行直方图匹配,以提高亮度分量与全色图像的相关性。随后,将亮度分量与全色图像进行Curvelet变换,以获取图像的低频、高频子带。利用低频子带的均值特征以及空间频率特征构造双特征模型,完成低频子带的融合。同时,利用高频子带的区域能量特征,完成高频子带的融合。将融合后的低频以及高频子带进行Curvelet以及IHS逆变换,输出融合图像。实验结果显示,与当前遥感图像融合算法相比,所提算法融合的遥感图像具有更好的光谱特性以及空间特性。

一种高光谱遥感图像特征提取方法的设计与应用分析

针对高光谱遥感图像特征提取在小样本数据时分类精度低这一问题,提出一种基于几何均值特征空间判断的高光谱特征提取方法(Gm-FSDA法),试验结果表明:Gm-FSDA法在平均分类精度、平均分类效力、总体分类精度以及Kappa指标四个分类参数中综合表现最佳,生产者精度和使用者精度分别可达61.73%和74.93%,试验提取得到的分类映射视觉效果最接近于真实地貌,表明该方法在小训练样本高光谱遥感图像特征提取分类中效果较好。

一种面向订单剩余完工时间预测的SOM-FWFCM特征选择算法

准确的订单剩余完工时间预测有助于动态调整生产计划、优化制造过程,以满足订单产品按时交付的需求。订单剩余完工时间受到车间物料、设备、在制品等各类生产要素的综合影响,相关数据具有典型的大量、多维、高冗余的特点,有效的特征选择能够获得更高的预测精度。在构建候选特征集的基础上,提出了一种基于自组织映射(SOM)网络特征加权模糊C均值(FWFCM)的特征选择算法。通过构建SOM网络初始化FWFCM的聚类中心,减少后者对初始聚类中心的依赖;基于互信息计算特征权重,实现导向性特征聚类,根据聚类结果选择特征代表,构成高质量关键特征子集。以某机加工车间的生产数据为例,通过与其他4种特征选择算法的对比分析,验证了所提算法的有效性。

基于融合约束局部模型的三维人脸特征点定位

提出基于特征融合约束局部模型的三维人脸特征点定位算法.该算法对每个特征点分别使用三维网格的深度信息和网格局部形状信息训练分类器,对分类器的响应进行融合.使用基于融合响应的正则化特征点均值漂移算法进行模型拟合,实现特征点定位.三维人脸特征点定位经常需要对每个特征点的候选点集进行遍历产生候选点组合,该算法使用模型拟合代替穷举搜索,避免了嵌套循环带来的快速增长的时间开销.使用FRGC v2.0和Bosphorus数据库,对算法进行实验评估. FRGC v2.0库上的特征点平均误差为2.48～4.12 mm,总体检测成功率为97.3%,其中中性、温和及极端表情下的检测成功率分别为97.6%、97.4%和95.5%. Bosphorus库上3种姿态下的检测成功率分别是94%、95%和89%.实验结果表明,提出方法具有较好的效果,对表情和小幅度的姿态变化具有较好的鲁棒性.

对均值不等式的探讨

均值不等式是高中数学的一个教学内容,虽然仅仅占了一个课时,但在历年的高考题中却占着举足轻重的地位,本文介绍了几种常见的平均值,并且运用几何的观点构建了一些不等式,而这些不等式由简单的二维入手,再到多维的拓展,更能充分地说明不等式的一些特征.其中算术——几何平均值在不等式理论中处于核心地位,它在高中数学中有着广泛的应用,在这里本文巧妙地利用均值不等式来证明不等式、求函数的最值以及证明三角函数不等式,并在此基础上,给出一个均值不等式的推广,它是均值不等式的一个延伸.