基于最大方差权信息系数的煤气数据填补

在数据的挖掘、建模与优化领域,数据的完整性与准确性是进行此类研究的基础.鉴于冶金能源系统的复杂性和现场数据采集过程易受干扰的特点,其数据在获取过程中极易发生数据缺失的现象,从而造成模型无法建立,隐含信息无法准确挖掘等情况.本文针对钢铁企业副产煤气的发生、消耗流量数据出现的缺失情况,通过分析相似工况下能源流量数据的相关特性,提出一种基于最大方差权信息系数的冶金企业副产煤气系统流量数据填补方法.该方法针对现场经常发生的两类数据缺失情况,即数据点间断缺失和数据长时间连续缺失,以最大方差权信息系数作为样本筛选准则,并采用基于核学习的方法对缺失数据进行填补.为验证本文提出的数据填补方法的有效性,本文对上海宝钢高炉、焦炉和冷热轧用户的实际生产数据的运行试验,结果表明该方法相比其他的方法存填补精度上有很大优势.

基于最大方差阈值法的火车票图像二值化处理

火车票识别是实现自动检票的关键。采用最大方差阈值法对图像二值化求最佳阈值时,单向逐级遍历灰度级值,耗时较多。提出双向分组并行遍历的方法,从灰度级别值两端同时向中间,双向并行遍历,比较并计算出最合适的阈值。随机选取200幅火车票图像,分别使用指定阈值法、交互式阈值法和双向遍历最大方差法阈值法二值化处理,由BP神经网络识别,双向遍历最大方差阈值法比其他两种方法识别率分别提高了12.5%和5.5%,同时采用双向遍历比单向遍历求最佳阈值时,前者比后者在时间上缩短了一半,实验证明双向遍历最大方差阈值法是有效的。

专家咨询约束下的最大方差权数计算法

专家咨询约束下的最大方差权数计算法姜国麟刘弘朱平芳ＡＢＳＴＲＡＣＴＡｍｅｔｈｏｄｔｏｄｅｔｅｒｍｉｎｅｔｈｅｗｅｉｇｈｔｓｉｎａｃｏｍｐｏｓｉｔｅｅｖａｌｕａｔｉｏｎｏｆｍｕｌｔｉｎｄｉｃａｔｏｒｓｉｓａｄｄｒｅｓｓｅｄ．Ｔｈｉｓｍｅｔｈｏｄｏｖｅｒ...

基于最大方差法和改进遗传算法的图像分割

针对应用标准遗传算法对一幅灰度图像寻找最优阈值时经常陷入局部寻优的问题,提出了一种利用最大方差法和新的改进遗传算法相结合对图像进行分割的方法。以灰度图像的最大方差作为适应度函数,把图像分割问题变成一个优化问题。利用遗传算法的寻优高效性,搜索到能使分割质量达到最优的分割阈值。实验结果表明,采用新的改进遗传算法和最大方差法相结合对图像搜索全局阈值时能收敛至全局最优解,并且大大缩短寻找最优阈值的时间。

基于最大方差旋转的因子分析算法（英文）

为探索因子分析中因子旋转的性能和提升因子分析计算的效率,研究因子分析的原理并提出基于最大方差旋转的因子分析算法.从线性表示的角度分析,因子分析模型与稀疏表示情况下的独立分量分析相似,独立分量分析模型是忽略了噪声因子的因子分析模型,目标函数关系分析表明,传统的因子旋转方法,如最大方差方法和一般直交法,与独立分量分析的峭度估计方法条件等价,但并不再适用于源信号中既包括超高斯源又包括次高斯源的情况.基于以上分析,提出了一种基于最大方差旋转的因子分析算法,其中的源信号可以是混合类型,而不限定单纯的次高斯源或者超高斯源.此外,这种算法还可以作为Fastica算法的简单模式并适用于高阶统计分析.仿真结果表明,在混合矩阵为稀疏的情况下,所提出的基于最大方差旋转的因子分析算法具有简易高效等优异性能.和独立分量分析的Fastica算法比较,新算法的估计精度相近,平均值达到0.975 3,但是效率高得多,时耗仅占25%.

基于最大方差展开法的电能质量扰动识别

针对电能质量扰动(power quality disturbance,PQD)的复杂性,提出了一种基于最大方差展开(maximum variance unfolding,MVU)非线性流行学习的PQD特征提取方法,结合分类器算法完成了对PQD识别。对PQD信号进行小波分解得到信号的小波能量作为原始特征集;通过MVU算法对原始特征集进行压缩,由于在算法中引入核函数将非凸二次规划转化为凸半正定最优化问题,从而得到信息量更集中且很好保持训练数据分布边界的低维PQD特征;结合分类器算法完成PQD识别。实验结果表明,MVU算法约简后得到PQD特征向量,不仅有效降低了特征向量个数,而且对PQD的识别准确率高,有一定的工程应用前景。

基于最大方差比的测井曲线图像分割

本文在经典的最大方差比的基础上,结合测井曲线的特征,提出一种新的适应于测井曲线纸的图像分割方法,通过对测井曲线的处理效果来看,该算法比经典的最大方差比算法有更好的分割效果。

基于局部最大方差分割的图像二值化算法

本文着重论述了基于局部的阈值分割二值化算法。在阐述了几种基于局部的阈值分割算法后 ,重点讨论了作者提出的局部最大方差分割法 ,并比较了该算法与其它局部分割算法的分割效果。结果表明 ,该算法对目标与背景灰度混叠严重的图像具有很好的分割效果。

不确定度评定的一种新方法──最大方差法

研究了不确定度评定的新方法──最大方差法，分析了它的原理，列出了最大方差法用表，举例说明了它的应用。

核最大方差差分嵌入在生物特征提取中的应用

最大方差差分嵌入算法(VDE)最大化全局方差和局部方差之差,该算法直接通过求解一个特征值问题而获得投影矩阵,无需矩阵求逆运算,因此VDE克服了无监督鉴别投影(UDP)算法的小样本问题,为了进一步增强VDE算法的非线性描述能力,提出了核最大方差差分嵌入算法(KVDE),该算法首先采用核函数将样本映射到非线性高维空间,然后采用核方法得到一个低维子空间,人脸和掌纹数据库上的实验表明KVDE算法比VDE算法具有更好的性能。

一种改进的最大方差展开投影在非线性过程监测中的应用

针对复杂流程工业中固有的非线性将导致传统线性降维方法性能降低的问题,以及传统核方法的性能严重依赖于所选取的核函数形式的问题,提出了一种改进的最大方差展开投影非线性过程建模法。该方法利用流形学习中最大方差展开对核函数进行学习,同时保留了输入数据空间中的边界特性。利用最大角回归学习出一种映射,避免了传统最大方差展开法只能提供训练样本的低维嵌入,使得输入空间能够最大程度地接近于这种低维空间。数值仿真和化工流程仿真模型上的实验表明了该算法的有效性。

多类类间最大方差算法在图像分割中的应用

介绍了多类类间最大方差法的基本原理,从实际道路图像着手分析该算法存在的两个问题即分类数难以确定以及当分类数增加时其时间复杂度成指数上升.针对确定分类数问题,本文设计了一种直方图均值确定分类数法,其将确定分类数转换成了以图像直方图的概率密度函数的均值为限定条件来求其波峰个数;当分类数大于3类时使用无导数方法对多类类间最大方差法得到局部最优解.建立总量为7209幅图像的道路图像库,对道路图像做实验分析得到确定分类数算法的时间复杂度为O(L)且其平均耗时为0.717毫秒,对图像库抽样计算得到整个算法的平均耗时小于45毫秒.

基于最大方差法的图像分割与边缘检测

本文主要利用最大方差法和数学形态学相结合的方法对SCFRW(碳纤维木质复合材料)样板图像进行图像分割和边缘检测,通过与传统的边缘检测方法(Sobel、LOG、Canny三种检测)进行比较,结果证明用最大方差法分割后的图像通过形态学边缘检测后具有良好的边缘效果,为研究SCFRW样板性能所涉及到的碳纤维形状特征提取做了较好的前提准备工作。

基于最大方差比的图像二值化算法

提出了一种基于最大方差比的图像二值化算法,该方法将图像分成两个类,当类间方差与类内方差的分离度最大时即为最佳阈值.实验表明,该方法能够准确而快速地对图像进行二值化,特别是当对象物和背景的灰度值的差具有一定大小的时候,效果更明显.

基于最大方差理论的大津法在沥青混合料数字图像分割中的应用

针对目前沥青混合料自动检测的要求,借助于数字图像处理技术,给出最大方差理论在沥青混合料智能检测与参数提取中的应用,可为实现沥青混合料自动检测与分析奠定良好的基础。

基于增量式最大方差展开的水下控制系统故障诊断

对于复杂工业系统的故障诊断,由于非线性的存在,使得利用核函数的多元统计方法存在因核函数选择不同导致诊断结果不同的问题.本文采用最大方差展开的方法,作为一种流形学习方法,该方法在处理非线性数据时通过学习确定核矩阵,因而无需人为选择核函数.针对该方法难以对新增数据进行处理,本文提出了最大方差展开的增量式改进方法,利用正常样本进行学习建模,对检测样本通过增量的方式降维构造出低维空间,在该空间中构造监控统计量来完成故障的检测.最后,本文将该方法应用在水下控制系统的故障诊断中,通过仿真分析验证了该方法应用的有效性.

基于局部最大方差比的自适应边缘检测算法

本文提出一种新的边缘检测算法。对子图像进行局部直方图计算 ,由最大方差比例阈值确定方法计算出子图像的最佳阈值。根据局部直方图中波峰数决定是否增强子图像中被最佳阈值划分出的低灰度区域和高灰度区的对比度。然后对已经选择性对比增强的图像进行边缘检测。实验证明图像的区域层次更清楚 ,提取的边缘细节也更丰富。自适应算法则最大限度地突出了边缘而同时保持了图像中相近灰度级的平滑性和连续性。

最大方差展开的快速松弛算法

最大方差展开(maximum variance unfolding,MVU)是在流形局部等距概念基础上提出的一种新的非线性维数约减算法,能有效学习出隐含在高维数据集中的低维流形结构.但MVU的优化需要解决一个半定规划(semidefinite programming,SDP)问题,巨大的计算和存储复杂度限制了它在大规模数据集上的可行性.提出了MVU的一种快速算法——松弛最大方差展开(relaxed maximum variance unfolding,RMVU),算法基于Laplacian特征映射(Laplacian eigenmap)近似保留数据集局部结构的思想,对MVU中严格的局部距离保留约束进行松弛;算法求解转变为一个广义特征分解问题,大大降低了运算强度和存储需求.为了适应更大规模数据集的处理需求,同时提出了RMVU的一种改进算法——基于基准点的松弛最大方差展开(landmark-based relaxed MVU,LRMVU).在模拟数据集和COLT-20数据库上的实验验证了算法的有效性.

基于最大方差组合的选择性神经网络集成

为进一步提高神经网络集成的泛化能力,提出一种基于最大方差组合的选择性神经网络集成构造方法:首先训练出若干神经网络个体,其次,利用离散人工蜂群算法对这些神经网络个体进行组合优化的全局搜索,选出一个最大方差的个体组合,最后,将具有最大方差的神经网络个体使用简单平均方法进行神经网络集成.将该模型应用与广西东南部的区域降水预报试验,实验结果表明,笔者提出的神经网络集成方法比常用的Bagging集成方法提高了8%以上,能有效地提高神经网络的泛化能力.

基于最大方差的V形焊缝边缘检测的算法及其实现

本文介绍了一种V形焊缝图像处理中基于最大方差的边缘检测的算法及其实现。该算法以已经进行阈值处理的V形焊缝图像为前提,选取5×1、1×5窗口模板,分别按列、行计算每个窗口区域内灰度值的方差;经过计算可以找出最大方差值为78030的区域必然位于V形焊缝的边缘带,由选定的窗口模板可提取最大方差值时焊缝边缘的像素点;最后把垂直方向提取的边缘和水平方向提取的边缘进行或逻辑运算即可得到V形焊缝的准确边缘。