基于核主成分分析和食肉植物算法优化随机森林的风电功率短期预测

为提高风电功率短期预测的精度,提出一种基于核主成分分析和食肉植物算法(carnivorous plant algorithm,CPA)优化随机森林(random forest,RF)的风电功率短期预测方法。首先,利用核主成分分析从13个气象因素中提取出8个与风电功率相关的气象因素,将这8个气象因素输入到预测模型中。然后,利用CPA优化RF构建CPA-RF预测模型解决RF预测模型预测精度不够高的问题。最后,选取实际风电功率数据进行测试,测试结果表明,利用核主成分分析选取8个气象因素作为输入的效果要优于直接输入13个气象因素的效果,CPA-RF预测模型的预测精度高于长短期记忆网络(long short-term memory,LSTM)预测模型、双向长短期记忆神经网络(bidirectional long short-term memory,BiLSTM)预测模型和RF预测模型。该方法可为提升风电功率短期预测精度提供参考。

基于双层自适应集成残差主成分分析的复杂非线性过程监测

多元统计监测方法常使用正常数据选取特征,而现实过程中,不同的故障将影响不同的特征,并且这些特征可能随着时间和控制系统的作用而变化。当故障发生并随时间变化时,要想获得更好的故障检测能力,就需要聚集有效的故障敏感特征。本文提出了一种双层自适应集成残差主成分分析(AERPCA)模型,其子模型包含不同的特征,并突出地呈现一个或多个相关故障。首先,根据正常数据计算主成分分析(PCA)特征,利用不同特征构建线性子模型和相应的残差空间。考虑到残差空间的非线性特性及有效特征更为分散,采用核PCA(KPCA)提取不同的特征并组成同一残差空间下不同KPCA子模型。然后,利用贝叶斯方法获取集成KPCA子模型,完成各残差空间的划分和集成。最后,在主空间中获得多个线性子模型以及在残差空间中获得多个集成的非线性子模型后,利用滑动窗口确定当前时刻监控效果最好的模型。采用田纳西-伊士曼过程验证了AERPCA的有效性。

基于核主成分分析的高温动态应变计疲劳寿命预测

高温动态应变计作为航空发动机部件应力、应变检测的重要工具,一旦发生疲劳破坏会直接影响其测试结果的可靠性。针对目前应变计测试耗时长、使用寿命离散程度高等问题,对高温动态应变计敏感栅结构参数进行基于多类型核函数的核主成分分析(KPCA)。采用最佳的核函数对应变计疲劳寿命影响因素进行降维,得出栅丝直径、弯数、涂层厚度为主要影响因素;为解决降维后应变计疲劳寿命预测精度差、收敛速度慢等问题,运用遗传算法(GA)优化反向传递(BP)神经网络,即通过遗传算法对神经网络中权值和阈值进行参数寻优,应用于高温动态应变计疲劳寿命的预测,并与几种传统的预测方法进行了比较。结果表明:GA优化后的BP神经网络预测的绝对误差(MAE)、均方误差(MSE)、平均绝对百分比误差(MAPE)均有所减小,对于高温应变计疲劳寿命的预测效果更可靠。

基于稀疏主成分分析特征选择算法的山楂叶产地判别模型研究

为实现山楂叶产地的快速判别,提出一种基于稀疏主成分分析特征选择(SPCAFS)与支持向量机(SVM)建模的定性分析方法。采用近红外积分球漫反射光谱法采集6个产地共41批山楂叶123份样品的近红外光谱图,经数据预处理后,通过SPCAFS对代表性特征波段进行选择,并采用SVM建立山楂叶近红外产地判别模型。模型与连续投影(SPA),正则化自表示(RSR)和稀疏子空间聚类(SSC)3种特征选择算法进行对比,以准确率、精确度和灵敏度作为评价标准,评估所提模型的预测性能。结果显示,SPCAFS的特征波段数相比于全波长建模从1500减少到21,预测结果的准确率和精确度分别从78%、76%提升至97%、100%。同时,相比于SPA、RSR、SSC算法,准确率分别提升了6%、3%、3%,精确度分别提升了13%、10%、5%,模型的预测能力得到显著提升,基于SPCAFS的SVM判别模型可实现山楂叶南北产地的快速判别。

基于移动主成分分析与集成学习的结构损伤识别方法

为了提高结构损伤定量和定位的准确率,提出基于移动主成分分析与集成学习的结构损伤识别方法;利用移动主成分分析对原始应变响应数据进行特征分析,得到包含损伤信息的第一、第二特征向量,将两者相结合所得的组合特征向量作为损伤指标输入集成学习模型,进行结构损伤程度和损伤位置预测;采用双跨平面梁的仿真应变监测数据,对所提出的结构损伤识别方法的有效性进行验证,对比分别以第一、第二、组合特征向量作为输入的分类模型的损伤定量和定位的准确率。结果表明:在一定强度的噪声条件下,组合特征向量能同时具备第一、第二特征向量的优点,并且能克服单个特征向量的局限,获得优异的损伤识别性能和抗噪性;在信噪比为40 dB的弱噪声情况下,将组合特征向量输入集成学习模型进行损伤定量和定位,准确率分别可达98.9%、99.0%,在信噪比为10 dB的强噪声情况下准确率仍分别可达82.3%、73.2%。

基于核主成分分析的GSA-SVM木材单板缺陷识别研究

为支持向量机能够准确识别木材单板表面缺陷,以提高木材单板质量,提出高效准确的单板缺陷核主成分分析(KPCA)的引力搜索算法(GSA)-支持向量机(SVM)识别模型。考虑到图像特征数据间的冗余影响,采用KPCA方法对原始特征数据降维,并通过GSA优化SVM的惩罚因子C和核参数g,建立KPCA-GSA-SVM木材单板缺陷识别模型。基于颜色、纹理、形状3方面的特征以活节、死节、裂纹为研究对象的样本原始数据集,选取8个主要特征(1个颜色特征、1个纹理特征和6个形状特征)作为木材单板识别依据,对木材单板识别模型进行学习训练及预测分析,并与传统粒子群参数优化算法(PSO)构成的KPCA-PSO-SVM识别模型进行识别效果对比。结果表明,基于KPCA-GSA-SVM木材单板识别模型对于活节、死节、裂纹的识别率达到100%、96.78%、100%,较KPCA-PSO-SVM识别模型分别高出21.62%、0.63%、7.41%,且整体耗费时间缩短7.26 s,由此看出预测识别率、识别速度、稳定性高于前者。研究结论从新的角度对单板缺陷进行识别,有助于木材单板缺陷的识别发展。

基于关联规则和主成分分析的高铁旅客购票行为特征研究

购票行为作为反映旅客出行选择的最终表现形式,是高速铁路客流分析的主要依据和客运组织工作的重要基础。针对当前高铁旅客出行需求“多元化”“差异化”的新特点,系统与全面地研究旅客购票行为特征可在切实提高客运服务质量的同时实现铁路运输企业效益最大化。依托大数据分析技术,以高速铁路历史售票信息数据为样本,提出一种基于关联规则和主成分分析的旅客购票行为特征研究方法,构建高铁旅客购票行为关键特征体系。通过改进Apriori算法中的“剪枝”操作,降低频繁项集生成时的数据读写负载,证明对客票数据等大规模数据集的关联规则挖掘效率平均提高23.7%。对关联结果从线路类型、出行时段、出行OD及退票时间4个方面进行分析,结果表明旅客购票决策及出行偏好特征在对于旅客购票行为全过程的研究中较旅客个体属性及社会环境等以往重点分析特征更具影响力。采用主成分分析法计算各购票行为特征权重,根据权重阈值选取提前购票时间、始发终到城市间距离、座席选择及购票决策总时间等10项特征构建购票行为关键特征体系,并以此提出基于旅客画像系统、预售期内票价动态浮动及差异化客票退改签等营销策略。研究结果对高铁运营部门准确把握客流变化趋势、优化客票组织策略及保障客运供需动态平衡提供了决策参考。

基于聚类的核主成分分析在特征提取中的应用

本文分析了一般主成分分析在处理非线性问题上的不足,阐述了核主成分分析方法及其计算速度的缺陷,提出了基于聚类的核主成分分析方法。试验结果显示:基于聚类的核主成分分析方法具有好的特征提取性能,相比核主成分分析大大提高了特征提取的速度。

一种解决大规模数据集问题的核主成分分析算法

提出一种大规模数据集求解核主成分的计算方法.首先使用Gram矩阵生成一个Gram-power矩阵,根据线性代数的理论可知,新形成的矩阵和原先的Gram矩阵具有相同的特征向量.因此,可以把Gram矩阵的每一列看成核空间迭代算法的输入样本,这样,无须使用特征分解即可迭代地计算出核主成分.该算法的空间复杂度只有O(m);在大规模数据集的情况下,时间复杂度也降低为O(pkm).实验结果表明了所提出算法的有效性.更为重要的是,在大规模数据集的情况下,当传统的特征分解技术无法使用时,该方法仍然可以提取非线性特征.

求解大样本核主成分分析模型的Lanczos算法

求解核主成分分析模型的技术关键是确定核矩阵端部的较大特征对。把求解大规模对称矩阵端部特征对问题的基本方法——Lanczos算法应用于核主成分分析模型的求解,设计了大样本核主成分分析模型求解的实用算法。在clapack和nu-TRLan两个软件包的基础上,开发了大样本核主成分分析模型求解算法的VC++程序。用高光谱遥感图像数据进行模型求解算法的应用试验研究,证明了大样本核主成分分析模型求解算法的实用性。

运用核主成分分析提取内燃机声品质客观特征

开展发动机辐射噪声品质的客观评价特征提取研究,可以有效地降低客观评价特征维数,简化发动机声品质评价模型结构维度.以国产典型发动机为例,在消声室内测试获得稳态辐射噪声信号;选择适宜于描述发动机辐射噪声的11个物理与心理声学评价变量作为声品质评价特征,同时运用基于多类型核函数的主成分分析方法提取主要客观评价特征,确定了目标核函数,实现发动机声品质客观评价特征由11维到4维的简化模型目标,解决了输入数据集的非线性问题,简化发动机辐射噪声品质预测模型的结构.

基于核主成分分析的铁谱磨粒特征提取方法研究

针对铁谱分析的磨粒识别过程中存在原始磨粒特征描述指标参数多、非线性突出的问题,提出基于核主成分分析的磨粒特征提取方法,介绍该方法的原理与算法。结合某柴油发动机故障检测与分析系统中铁谱磨粒自动识别的应用实例,并与传统主成份分析方法进行对比分析,结果表明该方法在进行样本非线性特征参数指标综合以及特征维数压缩方面具有可行性和有效性。

基于局部特征核主成分分析的SAR图像识别方法

利用传统的核主成分分析方法识别SAR图像时,存在目标姿态角依赖性强、图像象素之间关联性差等问题。针对这些问题,提出一种基于局部特征核主成分分析的SAR图像识别方法。该方法首先对图像进行相关预处理,然后结合SAR图像的特点提出一种基于局部特征核主成分分析的特征提取方法,最后设计了一种双分类器对提取的特征进行分类。MSTAR仿真实验表明:该方法不仅可以增强图像象素之间的相关性,而且对目标姿态角不存在依赖性,仿真结果验证了方法的有效性和可行性。

核函数主成分分析在粮虫特征提取中的应用

针对储粮害虫种类多、类别之间区分度比较小的特点,提出基于核函数主成分分析(KPCA)的粮虫特征提取方法。利用高斯径向基核函数,对特征选择后的10维原始数字特征进行核函数主成分分析,即通过非线性变换将样本数据从输入空间映射到高维特征空间,然后在高维特征空间进行特征提取。从类间可分性指数和粮虫分类效果2个方面,将KPCA法与传统的主成分分析(PCA)法进行了比较分析。结果表明,KPCA法对粮虫的非线性特征更为敏感,应用KPCA法提取的前2个特征,由最近邻分类器对粮仓中常见的9类粮虫进行分类,验证集的识别率为86.67%,在有效降低特征维数的同时,还保持了类别之间的可分性信息。

密度敏感鲁棒模糊核主成分分析算法

针对传统核主成分分析算法(Kernel principal component analysis, KPCA)对野性样本点敏感等缺陷,提出一种密度敏感鲁棒模糊核主成分分析算法(Density-Sensitive robust fuzzy kernel principal component analysis, DRF-KPCA).该算法首先通过引入相对密度确定样本初始隶属度,并构建出基于重构误差的隶属度确定方法,同时采用最优梯度下降法实现隶属度的更新,有效解决了传统核主成分分析算法对野性样本点敏感导致的主成分偏移等问题.最后,通过简化重构误差的计算公式,大大降低了算法的计算复杂度和运行时间.实验部分,利用有野性样本点和无野性样本点的数据集对本文算法、KPCA及其他改进算法的主成分分析性能进行测试,结果表明DRF-KPCA能有效消除野性样本点对主元分布的影响.此外,试验通过分析参数对算法性能的影响给出了合理的参数取值建议.最后将本文算法与其他算法应用到分类问题中进行对比,实验表明本文算法的分类性能较其他算法有显著提高.

基于核方法和主成分分析(PCA)的探地雷达目标特征提取新方法

常用探地雷达目标特征提取方法LDA(又称为FDA)直接在低维的探地雷达数据空间提取探地雷达目标特征, 提取的探地雷达目标特征的区分度小;常用的正则化技术存在正则化参数选取困难的问题。本文提出先通过基于核方法的 非线性变换把低维的探地雷达样本数据投影到高维空间,然后在高维空间中用PCA对奇异的核矩阵降维重建,最后对重 建后的非奇异核矩阵用LDA提取探地雷达目标特征。对实测数据的对比处理分析表明,本文所提探地雷达目标特征提取 方法优于其它方法。

基于核主成分分析的特征提取方法

为了证实核主成分分析在特征提取中的优越性,利用支持向量机作为分类器,以主成分分析和核主成分分析作为特征提取的工具,以分类器的分类性能作为方案优劣的评判标准设计了六种实验方案进行实验分析。实验数据表明,对特征选择后的数据集利用主成分分析和核主成分分析进行特征提取,可将数据投影到一个更低维的特征空间,实现数据维数的约简和分类器性能的提高。同时还发现,在对数据进行特征提取的能力上,核主成分分析优于主成分分析。

基于核主成分分析特征提取的客户流失预测

将核主成分分析(KPCA)引入到客户流失预测中,提出了相应的特征提取算法。将KPCA与Logistic回归结合,设计了预测模型。通过对某电信公司客户流失预测的试验结果表明:该方法获得的命中率、覆盖率、准确率和提升系数高于原始属性集和主成分分析(PCA)特征提取法。这表明KPCA能提取客户数据的非线性特征,是研究客户流失预测问题的有效方法。

基于特征加权与核主成分分析的掌纹识别

针对掌纹采集受外界因素和噪声的影响较大,传统方法掌纹识别率低、鲁棒性差等问题,提出一种基于特征加权与核主成分分析的掌纹识别算法.首先采用Curvelet变换对掌纹图像进行分解,得到不同尺度和角度的轮廓系数,并对Curvelet系数进行加权融合操作;然后通过核主成分分析对掌纹特征进行降维处理,实现特征提取;最后采用相关向量机实现掌纹匹配,并采用PolyU掌纹图像对算法的性能进行测试.结果表明,与其他掌纹识别算法相比,该算法取得的掌纹识别率更高,且掌纹匹配的时间最短,可以满足掌纹实时识别要求.

核主成分分析中核参数选择的遗传算法

基于核方法的主成分分析虽然能够提取数据的非线性特征,但其性能受核参数的影响比较大。本文提出一种基于遗传算法的核参数优化算法,在未知数据分布特征的情况下,采用该方法对核参数进行优化选取,取得较好的实验效果,表明该方法的有效性。