基于伏秒再平衡的多电平最近空间矢量算法

多电平变换器因具有低开关器件耐压需求、输出波形质量优秀等优势而得到广泛应用,多电平技术的相关研究使电平数的提高成为一个重要的发展方向,而电平数的提升亦导致控制算法复杂化。为了突破传统算法对电平数提升、开关频率提升的限制、避免对控制系统资源的大量占用以及窄脉冲的形成,在对传统多电平空间矢量算法进行分析的基础上,提出了一种基于伏秒再平衡的最近空间矢量算法,并重点分析了此算法在三电平下的实现方式。最后通过仿真与实验验证了算法的可行性。

基于补集零空间与最近空间距离的人脸识别

针对人脸识别中在分类器判别时没有充分利用类间差异的问题,提出一种补集零空间(CNS)算法,并进一步提出结合CNS算法与最近空间距离的人脸识别算法——补集零空间与最近空间距离算法(CNSD)。首先,在训练样本中,对每一种类别的人脸样本,构建其子空间并计算其补集的零空间;其次,计算测试样本与所有子空间和补集零空间的距离,找到最小的子空间距离与最大的补集零空间距离对应的类别,将其判别为测试样本的类别。算法在ORL与AR人脸数据集上进行了测试,当训练样本数较小时,CNS算法与CNSD算法识别率远高于最近邻分类器(NN)算法、最近空间距离(NS)算法、最近最远空间距离(NFS)算法;训练样本数较大时,CNS算法与CNSD算法识别率也略高于NN算法、NS算法、NFS算法。实验结果表明,所提算法能充分利用图像的类间差异,提高人脸识别的成功率。

最近邻子空间保持的特征提取方法

针对流形学习方法定义的局部存在置信度不足的问题,通过保持局部的内部关系和空间关系来捕捉数据的低维流形,提出一种最近邻子空间保持的特征提取方法。将数据中的每个样本点及其K个近邻视为一个局部,进而张成一个最近邻子空间;利用格拉姆行列式对所有最近邻子空间的体积进行度量;对体积做归一化处理,并集成到局部保持投影算法的模型中。在真实数据上的聚类和分类实验结果表明该方法提取的特征更具鉴别能力。

稀疏近似最近特征空间嵌入标签传播

针对现有的基于图的半监督学习(graph-based semi-supervised learning,简称GSSL)方法存在模型参数敏感和数据空间判别信息不充分等问题,受最近特征空间嵌入和数据稀疏表示思想的启发,提出一种稀疏近似最近特征空间嵌入标签传播算法SANFSP(sparse approximated nearest feature space embedding label propagation).SANFSP首先利用特征空间嵌入投影点来稀疏表示原始数据;然后,度量原始数据和稀疏近似最近特征空间嵌入投影间的相似性;进而提出稀疏近似最近特征空间嵌入正则化项;最后,基于传统GSSL方法的标签传播算法,实现数据标签的平滑传播.同时,还将SANFSP算法简单拓展到out-of-sample学习.SANFSP算法在人造和实际数据集(如人脸识别、可视物件识别以及手写数字分类等)上取得了有效的实验结果.

基于特征空间k最近邻的批次过程监视

针对具有非高斯、非线性及多工况特性的批次过程,提出一种基于特征量最近邻统计指标的过程监视方法.首先,将批次过程正常工况原始数据投影到其特征空间,提取主元T和平方预测误差SPE,并进行特征量k最近邻距离平方和的求解.然后,采用核密度估计法获得概率密度分布函数,确定统计监视控制限.特征空间的主元T和SPE特征量能全面代表原始数据的有用信息.采用特征量k最近邻建立监视模型将会节省存储空间,提高建模样本数量与变量之比以及检测异常工况的速度.另外,利用局部近邻数据建模可以解决过程具有的非线性和多工况问题,而应用核密度估计法可以解决过程数据具有的非高斯分布问题.最后,在半导体生产过程的成功应用表明了所提方法的有效性.

基于最近邻子空间搜索的两类文本分类方法

在文本分类中,最近邻搜索算法具有思想简单、准确率高等优点,但通常在分类过程中的计算量较大。为克服这一不足,提出了一种基于最近邻子空间搜索的两类文本分类方法。首先提取每一类样本向量组的特征子空间,并通过映射将子空间变换为高维空间中的点,然后把最近邻子空间搜索转化为最近邻搜索完成分类过程。在Reuters-21578数据集上的实验表明,该方法能够有效提高文本分类的性能,具有较高的准确率、召回率和F1值。

基于余类零空间与最近距离的人脸识别算法

提出了一种新的人脸识别算法,即基于余类零空间与最近距离的人脸识别算法.通过构建不同类别的人脸图像的余类零空间与子空间,可以将不同类别的人脸最大化地区别出来.本算法的主要思想在于:测试图像与所属类别图像的子空间之间的距离最小,而与所属类别的图像的余类零空间距离最大.本算法基于ORL数据集与AR数据集进行了测试.从这些人脸数据集上的测试结果可以看出,本文提出的算法在PCA降维方法的基础上,比一些常见的算法所使用的判别方式更有效,如最近邻分类器(NN)所使用的最近距离判别方式、最近空间分类器(NS)所使用的最近空间距离判别方式、最近最远子空间分类器(NFS)所使用的最近最远空间距离判别方式等.

仿射子空间最近点分类算法

为了取得更好的识别效果,受支持向量机的几何解释和最近点问题启发,提出了一种新的模式分类算法——仿射子空间最近点算法。该算法是将支持向量机最近点法的最近点搜索区域由两类训练集凸包推广到两类训练样本各自张成的仿射子空间,并以仿射子空间作为样本分布的粗略估计,通过仿射子空间中的最近点对来构造平分仿射子空间间隔的最优分类超平面。该算法在ORL人脸识别数据库上进行的比较实验中取得了较好的识别效果,从而证实了该方法的可行性和有效性。

核仿射子空间最近点分类算法

受支持向量机的几何解释和最近点问题启发,提出一种新型的模式分类算法——核仿射子空间最近点分类算法。该算法在核空间中,将支持向量机几何模型中的最近点搜索区域由2类训练特征集凸包推广到2类特征样本各自生成的仿射子空间,以仿射子空间作为特征样本分布的粗略估计,通过仿射子空间中的最近的2个点构造平分仿射子空间间隔的最优分类超平面。该算法在ORL人脸识别数据库上的比较实验中取得了较好的识别效果。

基于非线性距离和夹角组合的最近特征空间嵌入方法

最近特征空间嵌入NFSE方法在训练过程中选取最近特征空间时采用传统的欧氏距离度量会导致类内离散度和类间离散度变化同步;测试时,最近邻规则也使用欧氏距离度量,而高维空间样本间直线距离具有趋同性。这些都会降低识别率,为解决此问题,提出了基于非线性距离和夹角组合的最近特征空间嵌入方法。在训练阶段,该方法使用非线性距离度量选取最近特征空间,使类内离散度的变化速度远小于类间离散度的变化速度,从而使转换空间中同类样本距离更小,不同类样本距离更大。在匹配阶段,使用结合夹角度量的最近邻分类器,充分利用样本相似性与样本夹角的关系,更适合高维空间中样本分类。仿真实验表明,基于非线性距离和夹角组合的最近特征空间嵌入方法的性能总体上优于对比算法。

空间最近目标查找算法分析及其高性能Web实现

讨论了空间最近目标查找的基本算法和相关的空间索引机制,简单地比较了几种算法和索引机制的优缺点。详细地介绍了在Windows IIS和.Net下,建立多级空间格网索引,实现空间最近目标查找的实现方法。

非线性距离的最近邻特征空间嵌入改进方法

最近邻特征空间嵌入(nearest feature space embedding,NFSE)方法选取最近邻特征空间时使用欧氏距离度量,导致样本的类内离散度和类间离散度同步变化,无法准确反映样本在高维空间的分布;选取每个样本最近邻特征空间都要遍历所有类,导致训练时间长。针对以上问题,提出非线性距离的最近邻特征空间嵌入改进方法(nearest feature space embedding method based on nonlinear distance metric,NDNFSE),引入非线性距离公式选取最近邻特征空间,并使用结合夹角度量的最近邻分类器,提高了识别率;仅在样本的近邻类中选取最近邻特征空间,有效减少了训练时间。实验表明,NDNFSE的训练时间明显低于NFSE,识别率总体高于各对比算法。

基于线性判别回归的最近-最远子空间分类鲁棒人脸识别

针对人脸识别中小样本问题导致类依赖子空间不完善而严重影响识别性能的问题,提出一种基于线性判别回归的最近-最远子空间分类算法。首先,基于线性判别回归,利用最近子空间分类器度量测试图像与单一类之间的关系;然后,利用所提出的最远子空间分类器度量测试图像与训练图像之间的关系;最后,结合最近、最远子空间分类器,利用类依赖子空间的不同特性完成人脸的分类识别。在三个公开的人脸数据库ORL、AR及扩展Yale B上的实验验证了该算法的有效性。实验结果表明,相比其他几种分类算法,该算法取得了更好的识别效果。

基于最近邻子空间的邻域保持嵌入

针对流形学习算法定义局部存在的置信度不足问题,通过保持局部的内部关系和空间关系来捕捉数据的低维流形,由此提出一种最近邻子空间邻域保持嵌入方法.将数据中的每个样本点和K个近邻视为一个局部,从而形成一个最近邻子空间;利用格拉姆行列式对所有最近邻子空间的体积进行度量;对体积进行归一化处理,并集成到邻域保持嵌入算法的模型中.真实数据的聚类和分类实验结果表明,采用该方法提取的特征更具鉴别能力.

基于聚类、空间分集和轨迹连续的实时定位算法

针对多样本消除接收信号强度其时域浮动易造成定位的更新率下降和实时性降低的问题,首先在定位阶段利用空间分集技术,建立相邻位置信号强度的矢量队列来计算当前位置的强度;然后利用轨迹的连续性质,消除时域浮动产生的定位误差,同时通过对指纹数据库进行聚类,在对目标定位时只需在较小的聚类集合中进行少量计算,无需遍历整个数据库,且计算量不随指纹数据库的增大而增加,极大地降低了计算量;最后进行了实验仿真,结果表明该算法能有效减小运算量和定位误差。

稀疏特征空间嵌入正则化:鲁棒的半监督学习框架

在机器学习领域,半监督学习作为一种有力工具吸引了越来越多的关注,其利用少量带标签数据和大量无标签数据进行有效学习,其中基于图的半监督学习方法因其优雅的数学形式和良好的学习性能而引起更广泛的研究.针对现有基于图的半监督学习方法所存在的模型参数敏感和数据判别信息不充分等问题,提出一种稀疏特征空间嵌入正则化(Sparse Feature Space embedding Regularization,SFSR)半监督学习框架,其主要思想为:首先分别将原始数据嵌入到线性特征空间,然后利用特征空间嵌入投影点集来稀疏重构原始数据,随后在由原始数据线性张成的标签空间通过保留这种稀疏表示关系来构建一个Laplacian正则化项,或称SFSR,最后提出一个鲁棒的基于SFSR的半监督学习框架,在几个实际基准数据库上的综合实验结果证实了所提框架的鲁棒有效性.

原点无关最近特征分类器及在人脸识别的应用

受最近特征线分类器的基本设计思想启发,将最近邻法向平面和空间推广,提出了原点无关最近特征平面和原点无关最近特征空间分类器.与最近特征平面、最近特征空间分类器相比,原点无关最近特征分类器最大的优势就在于其定义的特征子空间不依赖于原点位置,而仅由同模式的若干个特征点决定.这种定义提高了相应的模式相似性度量的合理性与有效性.以人脸识别为例,对多种分类器的性能进行比较.实验结果表明,原点无关最近特征分类器在识别率、稳定性等方面均优于同阶的最近特征分类器.

空间一致核协同优化的高光谱异常检测方法

针对传统协同表示异常检测器的背景像素集易被杂质污染且高光谱图像空谱信息提取不充分的问题,提出一种空间一致核协同优化的高光谱异常检测方法,采用核方法将原始数据投影到高维特征空间以提取高光谱图像的非线性信息,增强异常与背景像素的可分离性,利用异常值移除策略增强正则化子空间内的背景像素集的空间一致性,并充分考虑高光谱图像的空间和光谱信息优化核协同表示检测器的算法性能.将该算法与七种异常检测算法进行比较,结果表明该方法在受试者工作特征曲线及曲线下面积、可视化检测结果、异常与背景的可分离性等方面具有更好的检测性能.

基于局部特征提取的目标自动识别

提出一种基于局部特征提取的目标识别方法,用于自动识别不同尺度,视角和照度条件下的目标。首先,建立图像的尺度空间;结合海森矩阵和Harris算法提取局部特征点,计算该特征区域的方向和灰度梯度及方向;统计出每块子区域的标准灰度梯度直方图,得到128维的特征向量。然后,基于主成分分析的降维算法来降低特征向量的维数,加快识别的计算速度。最后,采用特征空间分类器增加目标识别的速度。实验结果表明:基于局部特征提取的目标识别达到了较高的识别率,在视角、尺度和照度变化下的识别率分别为61.9%,80.5%和84.4%,平均识别时间为130.9ms。与尺度不变特征变换(SIFT)和加速鲁棒特征(SURF)算法相比,本算法不仅在不同的视角,目标尺度及照度条件下具有较高识别率,而且识别速度比SIFT方法高。

共直流母线五相双逆变器共模电压抑制策略

由双逆变器驱动的五相开绕组电机在单一直流电压源供电时,PWM矢量调制策略将使逆变系统不可避免地产生共模电压。研究了一种消除五相双逆变器系统共模电压的方法。该方法利用最近四矢量空间矢量脉宽调制以及空间电压矢量解耦的原理将给定参考电压矢量分解为两个大小相等、方向互为144°的等效参考电压矢量,并由两个五相逆变器分别单独产生,以此抑制双逆变器系统共模电压。仿真模型验证了该方法的正确性和有效性。