一种改进的局部嵌入网络人脸图像分类方法

为提高局部线性嵌入网络在人脸表情识别上的精度以及人脸分类的准确性,提出了一种改进的局部线性嵌入网络人脸图像分类方法。该方法在局部线性嵌入算法的基础上,利用类内-类间判别矩阵作为网络的输入,同时利用重构人脸图像集对局部线性嵌入算法进行改进,并将改进的基于聚类的局部线性嵌入算法嵌入到卷积核的构造过程中,从而增加了不同类别人脸的区分度。通过在Extended Yale B数据集和Olivetti Research Laboratory数据集上进行对比实验,分析了在处理人脸表情和人脸识别任务中不同方法的效果。结果表明,所提出的改进局部线性嵌入网络人脸图像分类方法比文献中其他方法在识别率上提高了11%~26%。

基于LLE-PNN模型的油纸绝缘沿面放电发展阶段识别

研究了不同老化程度油纸绝缘的沿面放电发展过程,建立局部线性嵌入-概率神经网络(LLE-PNN)模型识别沿面放电的发展阶段,对比了不同老化程度油纸绝缘宏观与微观形貌的差异,并比较LLE-PNN模型与传统主成分分析(PCA)法所建立的PCA-PNN模型及反向传播神经网络(BPNN)模型的识别结果。结果表明:根据放电发展过程的差异可将沿面放电划分为放电初始阶段、放电发展阶段、放电稳定阶段和临近击穿阶段;老化导致纸板内部产生孔隙结构,促进沿面放电的发展;与其他模型相比,LLE-PNN模型在识别油纸绝缘沿面放电发展阶段上具有一定的优越性。