基于改进PCA算法的火电机组供电煤耗负荷特性建模分析

针对火电厂机组供电煤耗较高、分析精度较差的问题,研究基于改进主成分分析(PCA)算法的火电机组供电煤耗—负荷特性建模分析方法。基于火电机组阀点效应的煤耗—出力函数,充分考虑火电机组在平稳负荷出力、升负荷出力、降负荷出力时的负荷特性,构建火电机组供电煤耗—负荷特性模型,以PCA为基础加入遗传神经网络(GABP),生成改进PCA算法,通过PCA降低网络输入变量冗余,增强学习效率,再利用GABP实现神经网络权值的优化,训练神经网络得出最优解,实现火电机组供电煤耗—负荷特性模型分析求解。试验结果表明:该方法分析获取的供电煤耗率低,节能效果较好,平均总煤耗成本为10.25万元,可精准地显示火电机组的实际运行情况,为降低火电机组供电煤耗提供理论依据。

基于改进PCA模型的工作站故障诊断方法研究

工作站广泛应用于工业生产。现有的PCA故障诊断模型在检测工作站故障时存在模型过度拟合、指标冲突、参数敏感度低等问题,误检漏检较多。针对上述问题,提出一种基于改进PCA模型的工作站故障诊断方法,即MA-PCA(Multi-index Principal Component Analysis)。在传统PCA主成分分析故障诊断模型基础上,在主元空间和残差空间计算T2和SPE统计量,引入控制限融合深度系数的统计量指标,调整控制限,根据主成分中的参数贡献量反馈调整诊断模型,构建自适应更新的故障诊断模型。最后通过实例分析,验证了所提出的改进PCA模型故障诊断方法的可行性,并与传统PCA模型和三项故障诊断方法的诊断结果进行比对,该方法在故障诊断准确率上可提高2.7%~8.2%。

基于改进PCA技术的医用高压氧舱供氧故障自动检修系统

传统的医用高压氧舱供氧故障检修系统在进行供氧故障检测时,检修准确率较低。为此,论文设计基于改进技术(PCA,principal components analysis)的医用高压氧舱供氧故障自动检修系统。通过感知层采集医用高压仓供氧数据信息,利用改进PCA模型实现医用高压氧舱供氧故障检修,依据非线性小波变换阈值法去除数据集噪声,有效保证故障自动检修的准确率。实验结果表明,变量数量为25个时,该系统的降维耗时仅为3.2s;噪声在90dB时,该系统的误检率和漏检率仅为0.92%和0.98%;该系统可提高故障检修准确率,并且抗噪性能良好,可在噪声环境中准确完成故障自动检修。

改进PCA和JADE盲源算法应用于电机系统振动信号的分离

以电机系统振动信号为采集对象,对采集来的复杂、混叠的、带噪声的振动信号进行盲源分离。引入改进的PCA去噪、JADE算法进行分离。结果表明:给出的分离算法能够在复杂振动信号中较为清晰地分离、提取出主要源信号,可以有效地提取各个振动源信号的特征,为电机系统噪声抑制算法的设计和电机故障诊断提供有效信息。

基于组合赋权-改进PCA法的铁路绿色施工评标方法

铁路绿色施工在国内尚处于探索与推广阶段,鉴于铁路绿色施工项目在评标指标选取、权重确定、指标等级标准划分以及评标模型的选用等方面还不成熟。本文结合铁路绿色施工的特点,借鉴传统评标指标,通过现场案例调研、Delphi法以及查阅大量的文献,补充绿色施工的技术要素体系,完善传统铁路施工项目评标指标体系,并采用组合赋权方法确定各指标综合权重。然后,以改进主成分分析理论为基础,通过对多层次绿色施工评标指标体系进行降维,既可以最大程度地挖掘投标文件中的有用信息,又能简化定量化评标过程的复杂性,大大提高评标的效率,从而快速地实现对中标候选人的比选排序。最后,通过将该评标模型应用于兰州西至中川机场城际铁路绿色施工项目,验证其可行性及实用性。

基于改进PCA与有序多分类Logistic的充填管道磨损风险评估

为准确预测矿山充填管道磨损风险,建立改进PCA与有序多分类Logistic回归组合的充填管道磨损风险评估模型。结合实际经验,选取12项指标(9项定量指标和3项定性指标)建立评估模型。依据改进PCA算法,筛除影响力指数小的充填料浆密度和充填料浆腐蚀性2项指标,将优选出的主要指标代入有序多分类Logistic回归模型,依照相应概率大小进行风险性等级判定,最后预测矿山充填管道磨损风险等级概率。该方法摒弃了关联性较低的指标,得到可靠的充填管道磨损风险概率分布,为类似矿山科学预测管道磨损风险及采取有效防护措施提供了理论依据。

MI和改进PCA的降维算法在股价预测中的应用

考虑到单个特征对标签的有效性及多特征之间的信息冗余问题,提出一种联合互信息和改进PCA的双重降维方法。利用互信息对众多的特征进行初步筛选,舍弃一部分对标签信息贡献较低的特征,使用累积方差贡献率和复相关系数共同确定主元个数的主成分分析法进行二次降维,不仅保证了主元模型的信息容量,同时也避免了过多噪声的参与,从而保证了预测过程的准确性。通过神经网络对实际股票数据进行预测,表明了提出的降维算法的有效性。

基于改进PCA算法的人脸识别

由于经典的PCA算法要求样本满足高斯分布,然而现实中的样本往往因为表情、角度、光照等原因不满足高斯分布,导致算法识别率不高。因此,提出一种基于改进PCA算法的人脸识别方法。首先,将具有相似特征(表情、角度、亮度)的不同样本通过分块方式划分在一个矩阵中,使样本趋于高斯分布;其次,通过直方图均衡化样本的方法,加强样本对比度,以突出样本的人脸器官特征;最后采用经典PCA算法进行辨识。通过在ORL人脸库上的实验得出,该方法不但耗费总时间少于经典的PCA算法,而且识别率也得到提升,具有一定可行性。

基于改进PCA与FLD算法的人脸识别

该文研究人工智能中人脸识别的问题,由于受到光照以及人脸表情等各种因素的影响,论文中我采用的是改进的主成分分析算法(PCA)和Fisher LDA(FLD)算法相结合,使PCA算法具有灰度归一化的能力。首先将训练样本的人脸图像进行预处理,将每一张图片转换成一个列向量,最后所有的列向量合成一个矩阵。利用K-L变换提取一个低位特征空间来表示人脸图像,得到特征脸空间。在Fisher鉴别准则下,求一个最佳鉴别方向,从高位特征向量投影到最佳鉴别方向上构成一个鉴别特征空间,训练样本获最佳描述特征,然后将特征脸空间降维,得到各类人脸特征库,接着将待识别的人脸进行PCA降维以及通过FLD分类器,在特征脸数据库中寻求与该人脸欧氏距离最近的人脸图像。该文算法是用人脸数据库进行测试。最终确定本论文的方案切实可行,能够将人脸的各种表情以及图片缺失或者重组等特殊情况均可识别并匹配。

改进的模块PCA人脸识别新算法

由于传统的PCA要求训练样本符合高斯分布,而现实中得到的图片往往由于光照、表情、姿态的不同,不符合高斯分布。为了使PCA不再局限于高斯分布,并且不影响其识别率,提出一种改进的模块PCA人脸识别新算法。一方面,新算法采取了分块方式,将具有同一姿态的图片划分进同一矩阵,以使训练样本更接近于高斯分布。另一方面,新算法对传统PCA算法中前三个主分量加小于1的权重系数,可以减少光照变化对识别率的影响。利用分块和权重系数的共同作用使得PCA不再局限于高斯分布,同时提高识别率。最后在ORL人脸库上进行实验,结果表明新算法优于传统的PCA算法。

基于KPCA-IA-SVM的边坡稳定性预测模型

为了解决当前研究中边坡稳定性预测模型计算量大且预测能力不佳的问题,提出了一种基于改进的主成分分析(PCA)和免疫算法优化扩展径向基函数(radial basis function,RBF)支持向量机的边坡安全系数预测方法。首先,在传统的主成分分析方法中引入了线性判别的思想,实现输入空间的降维。此外,利用对称正定矩阵对RBF核函数进行扩展,构建基于ERBF核函数的支持向量机模型,并用免疫算法记性优化。采用均方根误差(root mean squared error,RMSE)、平方和误差(sum of squares for error,SSE)、平均绝对误差(mean absolute error,MAE)、平均绝对百分比误差(mean absolute percentage error,MAPE)和可靠性来验证模型的性能。与网格搜索、粒子群优化算法和遗传算法相比,所提出方法的4种误差分别为0.0226、0.0058、0.0735和0.0121,数值偏差更小,预测结果更接近实际值且可靠性更高。此外,还将以上方法与强度折减法进行了对比,结果表明所提出方法与边坡安全系数计算值最为接近。最后,从边坡安全系数得出的边坡稳定级别也可为相关决策部门在应急响应中提供参考。

基于熵权法与改进的PCA聚类算法的电力客户价值分类与应用

对电力客户进行价值分析,有利于全面了解客户,为电力客户提供差异化服务。同时也可以提高客户满意度,实现供电企业、客户双赢的局面。运用数据挖掘方法对电力客户价值分类,构建电力客户价值评价指标体系,这些指标涵盖客户的用电行为、缴费行为、舆情和行业发展状况等,运用熵权法计算指标的权重,提出一种改进的PCA聚类算法对电力客户价值进行分类,为供电企业制定差异化服务策略提供辅助支撑。

基于改进主成分分析和AdaBoost算法的运动虾苗识别方法

针对虾行为量化过程中运动虾苗较难检测与识别的问题,该文以南美白对虾虾苗为例,提出了一种基于改进主成分分析(principal component analysis,PCA)+AdaBoost算法的运动虾苗自动识别方法。在室内自然光条件下,利用工业相机采集承装容器中虾苗的灰度图像。提取图像中大小为100×100像素的不同运动状态的虾苗图像,首先使用改进PCA算法进行主成分分析,并进行特征提取。根据特征参数的分布情况,对其进行归一化处理,利用归一化的特征构建多个弱分类器,利用Adaboost方法将弱分类器构建成强分类器。最后,利用强分类器对运动虾苗进行识别。试验结果表明,在150幅不同运动状态虾苗测试样本中,基于改进PCA+Adaboost方法的识别正确率98%,平均每个样本识别时间为0.027 898 s,满足行为量化中的自动识别要求。

基于视触觉感知的番茄尺寸和姿态解析方法

针对传统农业机器人抓取过程中视觉识别番茄果实尺寸和姿态存在枝叶遮挡的问题,提出了一种基于视触觉感知的番茄尺寸和姿态解析方法。在果实抓取过程中通过视触觉传感器得到果实外轮廓接触局部点云信息,然后通过相机参数标定以及各手指关节变换矩阵,将不同传感器坐标系下的点云信息变换到同一基坐标系下,进而通过点云改进PCA算法和ICP算法解析抓取果实的尺寸和姿态信息。为了评估所提出解析方法的性能,在实验室环境下进行了番茄尺寸和姿态检测试验。通过游标卡尺测量和深度相机扫描分别获得番茄果实尺寸和姿态的真实值,并与本文方法解析结果进行对比。检测试验结果表明,本文方法获得的番茄横向尺寸和纵向尺寸平均相对误差分别为8.66%和11.08%,番茄果轴与视场投影面的水平夹角和垂直偏转角平均相对误差分别为10.03%和14.02%。本文方法解析的番茄果实尺寸与姿态信息,可应用于番茄果实抓取过程中的姿态调控,从而提高番茄果实抓取采摘的可靠性。

基于改进主成分分析法的岩质边坡稳定性评价模型

边坡稳定性分析是一个涉及多因素、多层次的高度非线性系统。针对影响边坡稳定性因素的复杂性和不确定性等问题,通过正交试验法和改进PCA法相结合,在保留边坡原始数据的基础上对传统PCA法在数据标准化和处理指标因素在变异程度上的局限性进行改进,得出相应的边坡稳定性综合评价模型,然后通过蒙特卡罗法对边坡稳定性进行评价。研究结果表明,改进PCA法相对于传统的PCA法具有显着的降维作用,主要表现为第一主成分方差贡献率得到明显提高,能够更为合理的保存原始数据的信息,提取主成分个数更少,为后续计算综合评价模型减少了工作量;通过边坡稳定性综合评价模型不仅能够计算出边坡在不同水平因素组合下的安全系数,在水晶球软件的帮助下还可以快速对其进行可靠度分析,具有一定的工程实用价值。

基于改进主元分析方法的往复式压缩机故障检测

针对往复式压缩机运行中的微小故障,提出一种改进的主元分析方法(Principal Component Analysis,PCA)。在线检验当前时间窗口内系统采样值的主元子空间,与没有发生故障时的采样的主元子空间作对比,以此来检验是否有故障产生。并使用传统主元分析方法和改进主元分析方法对某采油平台历史数据进行模拟检测试验。结果表明,改进的方法能够更加准确地识别对过程影响较小的故障。

group-AHP-PCA方法在第三方物流绩效评价中的应用

为了更好地反映第三方物流企业的经营绩效,应用已有绩效评价体系,将主成分分析法进行改进,并结合群组层次分析法,构建了group-AHP—PCA评价方法。通过实际验证,构建的评价方法综合考虑了专家意见和第三方物流企业经营实际情况,能较好地反映企业的实际绩效。

人脸老化模拟与PCA算法结合的人脸识别模型

针对如何在读取两张年龄有较大跨度的人物面部照片的情况下来进行人脸识别这个问题,该文给出了较有创新性的方法。首先使用高斯模型,肤色信息人脸检测的分割算法,迭代算法提取人脸特征部位。然后使用基于人脸外轮廓的局部曲率标准差的个性化脸型匹配算法结合关于形状和颜色的衰老合成模型和年龄原型的纹理增强合成模型给出了基于个性化原型的人脸老化图像合成方法。接着在传统PCA算法的基础上给出了结合人脸老化模拟的改进型算法思路,从人脸不易变量和易变量的重建两方面入手判定人脸的相似性,理论上可以较为准确地在跨年龄情况下进行人脸识别。

基于ACO优化BP神经网络的变压器热点温度预测

针对变压器热点温度预测精度问题,提出一种蚁群算法(ant colony algorithm,ACO)结合改进主成分分析法(improved principal component analysis,IPCA)优化BP神经网络的热点温度预测模型。首先采用IPCA去除数据冗余信息,并解决参数间相关性问题,提高网络泛化能力。为了避免BP神经网络容易陷入局部最优和收敛速度慢,利用ACO优化网络权值和与阈值,加快算法速率,提高预测精度。通过变压器温度实测数据验证,预测结果中的mae、mse、mape指标分别为0.0657、0.0067、0.44%,预测精度和网络性能优于IEEE、BP、IPCA-BP模型,从而验证所提模型的有效性和可行性。

基于改进的PCA和SVM的人脸识别方法

在人脸识别中,传统PCA算法的识别率会受到光照,表情和姿态等因素的影响,因此采用前人改进的PCA算法。然而,改进的PCA算法仅考虑了图像数据中的二阶统计信息,忽略了多个像素间的线性相关性,对识别率有一定影响。而支持向量机算法在解决小样本、非线性和高维模式识别的问题中表现出很好的优势。因此为了提高人脸识别的识别率,设计了一种新的方法,将改进的PCA算法与SVM相结合进行人脸识别。在ORL人脸数据库中进行了实验验证,结果显示该方法能够有效提高识别率。