基于多核稀疏保持投影的多特征集典型相关分析的水下目标特征融合方法

针对水下目标识别特征样本集高维小样本问题,提出了基于多核稀疏保持投影的多特征集典型相关分析的水下目标特征融合方法。该方法用多特征集典型相关分析算法对多域特征的整体相关程度进行定量分析,去除冗余和噪声特征,实现多域特征的融合,并利用多核稀疏保持投影算法,对提取的多域特征样本的稀疏重构性加以约束,增强了特征的判别能力。利用实测舰船辐射噪声数据验证基于核稀疏保持投影的多特征集典型相关分析的水下目标特征融合方法的有效性,与多特征集典型相关分析方法和核稀疏保持投影典型相关分析方法进行了对比,实验研究表明,提出的方法可以有效去除冗余和噪声特征,实现多域水下目标特征的融合,提高水下目标的识别正确率。

贵州烤烟化学特征组分与感官品质典型相关分析

以贵州烟叶主产区(铜仁、黔南、毕节)主要品种“云烟87”为材料,对其上、中、下部烟叶的化学成分和感官质量进行测定,并使用SAS软件进行典型相关分析。结果表明:总糖和还原糖与香气质、香气量、吃味呈负相关,与杂气呈正相关;多酚物质中隐绿原酸和新绿原酸含量对感官质量中香气质、香气量和吃味起决定作用。隐绿原酸含量升高,新绿原酸含量降低有助于提升烟叶香气质,但不利于提升香气量和吃味;糖醇类物质中丙三醇和木糖醇含量对感官质量中香气量、吃味和杂气起决定性的作用;氨基酸中缬氨酸和苯丙氨酸对感官质量中香气质、香气量、吃味和杂气起决定性的作用;烟碱、假木贼碱、新烟草碱对香气质、香气量、吃味和杂气起决定性作用。本研究结果为进一步通过调节化学成分促进感官品质提供了证据和新的思路,提高还原糖含量和降低总糖含量以增加香气质和降低杂气;平衡隐绿原酸和新绿原酸含量以改善烟叶协调性,提升烟叶感官质量;平衡糖醇类物质和氨基酸含量以促进烟叶感官品质;提高烟碱、假木贼碱、新烟草碱含量,以提升香气。

基于增强特征判别性的典型相关分析和分类集成的助学金预测方法

针对高校资助管理办法效率低下、工作量大等问题,提出一种增强特征判别性的典型相关分析(ENDCCA)方法,并结合分类集成方法实现高校学生助学金预测。将学生在校多维度数据划分为两个不同视图,已有的各种多视图判别典型相关分析算法没有综合考虑视图类别之间的相关性和视图组合特征的判别性两者因素。ENDCCA的优化目标在最大化类内相关的同时最小化类间相关,并且考虑了视图组合特征的判别性,进一步强化了属性的判别性能,更有利于分类预测。高校学生助学金预测的实现过程:首先,根据学生生活行为和学习表现将数据预处理为两个不同视图,然后用EN-DCCA方法对这两个视图数据进行特征学习,最后用分类集成方法完成预测。在真实的数据集上进行实验,所提方法的预测准确率达到90.01%,较增强视图组合特征判别性的典型相关分析(CECCA)的集成方法提高了2个百分点,实验结果表明,所提方法能有效实现高校助学金预测。

基于典型相关分析的组合特征抽取及脸像鉴别

利用典型相关分析的思想,提出了一种基于特征级融合的组合特征抽取新方法.首先,抽取同一模式的两组特征矢量,给出描述两组特征矢量之间相关性的判据准则函数;然后依此准则抽取它们的典型相关特征,构成有效鉴别特征矢量用于识别.该方法巧妙地将两组特征矢量之间的相关性特征作为有效判别信息,既达到了信息融合之目的,又消除了特征之间的信息冗余,为两组特征融合用于分类识别提供了新的思路.此外,从理论上进一步剖析了所提出的方法之所以能有效地用于识别的内在本质.在Yale和ORL标准人脸数据库上的实验结果证实了所提算法的有效性和稳定性,而且识别率大大高于用单一特征进行识别的结果.

基于多集典型相关分析的雷达辐射源指纹识别

为了提升雷达辐射源指纹识别系统的性能,提出了一种基于多集典型相关分析的辐射源指纹识别新策略.首先抽取辐射源信号的模糊函数多普勒切片作为初始特征,继而利用多集典型相关分析实现了表征能力不同的各切片间的特征融合与冗余消除,而进一步推广得到的多集判别典型相关分析在保持较低典型向量阶数的同时还可获得更优的识别性能.由于采用多集策略进行切片特征的直接融合,模糊函数加多集典型相关分析法不仅避免了代表性切片法中切片寻优的不确定性,而且克服了传统典型相关分析只适用于两集特征的局限性.实测雷达辐射源数据上的实验表明所提方法有效地优化了雷达指纹特征.

增强的典型相关分析及其在人脸识别特征融合中的应用

在传统的典型相关分析(CCA)基础上,定义了类别相关性,提出了增强典型相关分析(ECCA)方法.对于一个模式空间的2个观测空间(对任意模式都有2种观测向量),ECCA能够找到这2个观测空间对类别而言更有意义的相关子空间,且同时保持了投影分量的无关性.实验结果表明,ECCA优于CCA,GCCA融合方法.

增强典型相关分析及其在多模态生物特征识别特征层融合中的应用

提出了增强典型相关分析(ECCA)的概念,并将ECCA用于多模态生物特征的特征层融合.ECCA不仅保持了CCA的本质特征,而且利用了类别信息,能够找到两个特征空间对分类更有意义的投影方向.开集测试表明,ECCA用于特征层融合时,可以获得比广义典型相关分析、串行融合、并行融合特征层融合算法和加法规则、乘法规则等分数层融合算法更好的性能.

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.

核典型相关分析算法的多特征融合情感识别

为了提高情感识别的正确率,针对单模情感特征及传统特征融合方法识别低的缺陷,提出了一种核典型相关分析算法(KCCA)的多特征(multi-features)融合情感识别方法(MF-KCCA)。分别提取语音韵律特征和分数阶傅里叶域表情特征,利用两种特征互补性,采用KCCA将它们进行融合,降低特征向量的维数,利用最近邻分类器进行情感分类和识别。采用加拿大瑞尔森大学数据库进行仿真实验,结果表明,MF-KCCA有效提高了语音情感的识别率。

核典型相关分析特征融合方法及应用

构建了一种基于核函数的典型相关分析的特征融合算法。首先,利用核函数将图像矩阵映射到核空间,再抽取同一模式的两组特征向量,在两组特征向量之间建立描述它们的相关性的判据准则函数;然后依此准则函数抽取两组典型投影矢量集;最后通过给定的特征融合策略抽取组合的典型相关特征以用于分类识别。该算法将两组特征向量之间的相关性特征作为有效鉴别信息,既可以很好地融合信息,又可以有效地去除特征之间的信息冗余,并且避免了对映射后的数据矩阵进行分解,从而简化了数据运算。在AR、PIE、ORL、Yale人脸数据库及UCI手写体数字库上的实验结果证明了该方法的有效性和稳定性。

稀疏保持典型相关分析特征选择与模式识别

构建一种基于稀疏保持典型相关分析(Sparsity Preserving Canonical Correlation Analysis,SPCCA)的特征提取算法.在典型相关分析(Canonical Correlation Analysis,CCA)的基础上,利用稀疏保持投影(Sparsity Preserving Projections,SPP)将样本之间的类别信息引入,从而提高识别率.首先,提取同一类训练样本的两组特征向量,由SPP构建稀疏重构权重矩阵;并建立相应的判据准则函数来描述两组特征向量之间的关系;然后根据所建立的准则函数提取出相应的典型投影矢量集;最后将两组特征通过不同的特征融合策略进行融合,并在分类识别中进行应用.典型相关分析算法将两组特征向量的相关性特征作为有效信息来用于分类,既能融合信息,又能过滤冗余信息.同时SPCCA算法中引入了两组特征的权重矩阵,在一定程度上提高了融合特征的鉴别力,提高了识别精度.在MFEAT、UCI手写体数字库及ORL、PIE人脸数据库上的实验结果证明了本文方法的有效性和稳定性.

基于多重集典型相关分析的图像融合方法

提出了多重集典型相关分析在图像融合中应用。多重集典型相关分析能够最大化多组图像之间的互信息量,从而提升融合后图像的信息量。在对图像进行小波分解后,多重集典型相关分析应用于低频系数的融合。实验表明,该方法能够同时获取多组图像融合所需的权重参数,并使得融合后图像信息量得到提升。

苹果外形特征与内在品质的典型相关分析

运用典型相关分析,研究了苹果的外形特征(面积、周长、偏心率以及似圆度等)与苹果的内在品质(水分含量、含糖量、酸度)之间的关系。结果表明:长轴与短轴比与苹果的内在特征呈正相关,而似圆度与苹果内在特征呈负相关。该研究初步为基于计算机视觉的水果实时分级提供了依据。

基于多重集典型相关的深度特征融合及SAR目标识别方法

提出基于多重集典型相关分析(MCCA)的深度特征融合及合成孔径雷达(SAR)目标识别方法。该方法首先设计了针对SAR目标识别的卷积神经网络(CNN)。为了充分利用各个卷积层输出的特征图,首先采用矢量化串接、下采样的方式为每一个卷积层的输出构造特征矢量。然而,采用多重集典型相关分析融合各个层次的特征矢量,构造统一的特征矢量。在分类阶段,采用稀疏表示分类(SRC)对融合得到的特征矢量进行决策,判定目标类别。基于MSTAR公共数据集在标准操作条件和几类典型扩展操作条件下进行了目标识别实验,验证了方法的优越性。

基于典型相关分析方法的尺度不变特征变换误匹配剔除

针对尺度不变特征变换(SIFT)描述子仅利用特征点的局部邻域灰度信息而对图像内具有相似灰度分布的特征点易产生误匹配的问题,提出一种基于典型相关分析(CCA)的SIFT误匹配剔除方法。该方法首先利用SIFT算法进行匹配,得到初始匹配对;然后根据典型相关成分的线性关系拟合直线,利用点到直线的距离剔除大部分误匹配点对;对剩余的匹配点对,逐一分析其对典型相关成分的共线性的影响,剔除影响程度大的特征点对。实验结果表明,该方法能够在剔除误匹配的同时保留更多的正确匹配,提高了图像配准的精度。

基于自适应稀疏监督典型相关分析的特征选择

特征选择旨在识别高维数据最具信息性的特征,以实现高维数据的低维表示。稀疏监督典型相关分析模型利用样本的监督数据,通过提取具有最大相关性的稀疏典型向量实现特征选择。但是,为了求解方便,该模型一般把优化目标从典型变量的相关系数组合简化为协方差组合,此简化将导致较大的特征选择偏差。针对这一问题,提出一种新的基于自适应稀疏监督典型相关分析的特征选择模型。该模型引入一组自适应权重系数,有效解决了“两两协方差的不公平组合”问题,提高了模型的特征选择能力。实验结果验证了模型的有效性和特征选择的准确性。

不同措施下土壤侵蚀特征值及其影响因子典型相关分析

根据东北沟小流域观测裸地、等高耕种、水平阶等3种措施径流小区的径流量和泥沙量资料,研究不同措施下径流泥沙与降雨等因素的相互关系,采用典型相关分析法分析不同措施下影响土壤侵蚀的主要因子。结果表明,在裸地和等高耕作措施下,径流深在土壤侵蚀特征因子中起主要作用,而在水平阶措施下,土壤流失模数在土壤侵蚀特征因子中起主要作用。不同措施下土壤侵蚀影响因子不同,在裸地和水平阶措施下,可以通过降雨量、雨强和雨前土壤含水量等土壤侵蚀影响因子来预测径流深和土壤流失模数,而在等高耕作措施下,用降雨量、雨强、降雨侵蚀力等土壤侵蚀影响因子预测土壤侵蚀特征因子更为准确。

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%。

医学大学生心理健康与个性特征的典型相关分析

目的:探讨医学大学生的心理健康状况与个性特征之间的内在联系,为医学大学生的心理健康教育提供科学依据。方法:采用分层整群抽样的方法抽取潍坊医学院在校学生440名,应用症状自评量表(SCL-90)和"大五"人格量表(NEO-PI-R)进行测试,调查数据用SAS8.0统计分析软件进行典型相关分析。结果:医学大学生的躯体化因子得分明显低于国内常模(P<0.05),强迫、抑郁、焦虑、恐怖、偏执、精神病性的因子得分明显高于国内常模(P<0.05);典型相关分析结果显示第一、第二典型相关系数有显著性意义(P<0.0001),第一典型相关系数为0.5328,第二典型相关系数为0.2650,特征值的贡献率分别为67.21%和12.81%,前两对典型变量的累积贡献率高达80.01%;在第一对典型变量中,情绪性、谨慎性与人际关系、抑郁载荷最大,在第二对典型变量中,外向性、谨慎性与偏执、抑郁、敌对性载荷最大。医学大学生的心理健康与个性特征的相关关系主要表现为情绪性与人际关系敏感、抑郁神经症状的正相关,谨慎性与人际关系敏感、抑郁神经症状的负相关,外向性与抑郁以及谨慎性与敌对性和偏执的负相关。结论:医学大学生的个性特征对其人际关系敏感、抑郁、敌对性、偏执神经症状有明显影响,其中情绪性、谨慎性、外向性是主要相关因素。

大学生心理健康与个性特征之间的典型相关分析

背景:了解青海大学声心理健康状况。目的:运用典型相关方法从多维度探讨青海各个高校大学生健康行为与心理健康之间的相互关系。方法:采用自编式"大学生健康行为调查问卷"对青海省三所高校1500名在校大学生以匿名的形式进行调查,典型相关分析以SAS9.0完成。结果:67.9%的学生存在幸福感;68.8%的学生存在孤独感;幸福感和孤独感在不同性别、民族、年级之间均存在统计学差异(p<0.05)。大学生心理状态主要由幸福感、压力、孤独感、自杀想法和心理困扰来反映,健康行为主要由身体健康、早餐、主动获取知识来反映,不健康行为由吸烟、饮酒、性行为、上网、熬夜变量构成。典型相关分析显示身体健康,主动获取知识的个体幸福度越高,心理越健康;反之,心理越不健康。心理困扰是导致大学生吸烟、饮酒的主要原因。结论:大学生的心理健康与个性类型之间有着密切的联系,应该针对不同的需要有的放矢地开展健康教育和人格教育,加强心理卫生指导和咨询,提高医学大学生的心理健康水平,帮助其建立良好的人文知识结构,培养良好的个性特征,使大学生健康成长。