基于Gabor小波和核保局投影算法的表面缺陷自动识别方法

研究了Gabor小波变换和核保局投影(Kernel locality preserving projections,KLPP)算法的原理,分析了热轧钢板表面缺陷的特点,提出了一种基于Gabor小波和KLPP算法的特征提取方法,并应用于热轧钢板表面缺陷自动识别.首先利用Gabor小波将图像分解到5个尺度8个方向的40个分量中,接着对原始图像和各个分量的实部和虚部分别提取均值和方差,得到一个162维的特征向量,然后利用KLPP算法将该特征向量的维数降到21维,最后利用多层感知器网络对样本进行分类识别.本文提出的特征提取方法具有计算简单、可并行处理的特点,对沿一定方向分布的边缘和纹理具有较高的区分能力.利用从工业现场采集的缺陷图像对本文方法进行了实验,识别率达到93.87%.

一种基于多尺度核学习的仿射投影滤波算法

为了提高强非线性信号的噪声消除和信道均衡能力,在核学习自适应滤波方法的基础上,该文提出一种基于惊奇准则的多尺度核学习仿射投影滤波方法(SC-MKAPA)。在核仿射投影滤波算法的基础上,对核组合函数结构进行改进,将多个不同高斯核带宽作为可变参数,与加权系数共同参与滤波器的更新;利用惊奇准则将计算结果稀疏化,根据仿射投影算法的约束条件对惊奇测度进行改进,简化其方差项,降低了计算的复杂度。将该算法应用于噪声消除、信道均衡以及MG时间序列预测中,与多种自适应滤波算法及核学习自适应滤波算法进行仿真结果的对比分析,验证了该算法的优越性。

基于核局部保持投影的近红外光谱玉米单倍体识别研究

实现快速、精确地鉴别玉米单倍体籽粒对玉米单倍体育种技术十分重要。近红外光谱分析技术可在线分析、监测,且无损、分析速度快、操作简便、测试成本低,对实现自动化的大规模鉴定并分拣玉米单倍体非常有帮助。通过美国JDSU的近红外光谱仪进行玉米近红外光谱的数据采集,交叉采集玉米单倍体、多倍体数据。数据处理时,将数据分为训练集和测试集两部分。依次对数据做预处理以消除噪声影响,做核变换将其投射到更高维度空间中增强可分性并进行特征提取,最后建立分类模型鉴别分析。分别统计采用不同的特征提取算法并建立模型鉴别测试的正确识别率。实验结果表明,采用核局部保持投影(KLPP)的特征提取算法的正确识别率更高、稳定性更好,在两组测试集上的正确识别率的均值分别达到95.71%和96.43%。通过分析可以得出,玉米种子的近红外光谱数据经过非线性变换(为高斯核变换)投影到更高维度的空间后,表现出更易于分类的分布特点,保持数据的局部特性也更利于后续的分类。这为玉米单倍体鉴定进一步研究提供了新的方向。

红外光谱结合核隐变量正交投影法判别掺杂牛奶

为了快速、准确地检测掺杂牛奶,采用基于核隐变量正交投影(K-OPLS)法分析了掺杂牛奶的光谱。选用高斯函数作为核函数,内部交叉验证均方根(RMSECV)最小值作为评价指标,优选了核函数中的核宽度σ以及Y正交成分数。配置含四环素牛奶(0.01～0.3gL-1)、三聚氰胺牛奶(0.01～0.3gL-1)和葡萄糖牛奶(0.01～0.3gL-1)各36个,采集纯牛奶及掺杂牛奶样品的红外光谱,采用K-OPLS建立各掺杂牛奶与纯牛奶的判别模型。利用这些模型对未知样品进行判别,结果显示对掺杂四环素、三聚氰胺、葡萄糖牛奶的判别正确率分别为100%、100%、95.8%。建立了同时判别3种掺杂牛奶与纯牛奶的K-OPLS模型,该模型对未知样品的判别正确率为93.1%;同时,与偏最小二乘判别PLS-DA方法的预测结果进行了比较,结果表明:K-OPLS建模方法对于复杂的牛奶体系具有较好的预测能力。

基于高斯核显性映射的核归一化解相关仿射投影P范数算法

为了降低核仿射投影P范数(KAPP)算法的计算量和存储容量,提高在输入信号强相关时KAPP算法的收敛速度和稳态性能,该文提出基于高斯核显性映射的核归一化解相关APP(KNDAPP-GKEM)算法。该算法利用归一化解相关方法预先解除输入信号的相关性;利用高斯核显式映射方法近似得到显式核函数,消除了对历史数据的依赖,解决了KAPP算法因结构不断生长导致的计算量和存储容量过大的问题。α稳定分布噪声背景下的非线性系统辨识仿真结果表明,在输入信号强相关时KNDAPP-GKEM算法收敛速度快,非线性系统辨识稳态均方误差小,训练所需时间呈线性缓慢增长,有利于实际非线性系统辨识的应用。

基于多核稀疏保持投影的多特征集典型相关分析的水下目标特征融合方法

针对水下目标识别特征样本集高维小样本问题,提出了基于多核稀疏保持投影的多特征集典型相关分析的水下目标特征融合方法。该方法用多特征集典型相关分析算法对多域特征的整体相关程度进行定量分析,去除冗余和噪声特征,实现多域特征的融合,并利用多核稀疏保持投影算法,对提取的多域特征样本的稀疏重构性加以约束,增强了特征的判别能力。利用实测舰船辐射噪声数据验证基于核稀疏保持投影的多特征集典型相关分析的水下目标特征融合方法的有效性,与多特征集典型相关分析方法和核稀疏保持投影典型相关分析方法进行了对比,实验研究表明,提出的方法可以有效去除冗余和噪声特征,实现多域水下目标特征的融合,提高水下目标的识别正确率。

基于核质量潜结构投影的非线性过程质量监测方法

提出一种与质量相关的核潜结构投影方法,并将其应用于非线性过程的质量监测中.结果表明,与KPLS方法在过程潜变量空间监测质量相关的变化不同,新方法通过将质量变量空间进一步分为3个子空间,实现了对包含能被过程解释的质量部分以及不能被过程解释的质量部分的完整质量监测.同时,通过TE仿真案例验证了新方法的有效性.

基于核稀疏保持投影的典型相关分析算法

模式识别的技术核心就是特征提取,而特征融合则是对特征提取方法的强力补充,对于提高特征的识别效率具有重要作用。本文基于稀疏表示方法,将稀疏表示方法用到高维度空间,并利用核方法在高维度空间进行稀疏表示,用其计算核稀疏表示系数,同时研究了核稀疏保持投影算法(Kernel sparsity preserve projection,KSPP)。将KSPP引入到典型相关分析算法(Canonical correlation analysis,CCA),研究了基于核稀疏保持投影的典型相关分析算法(Kernel sparsity preserve canonical correlation analysis,K-SPCCA)。在多特征手写体数据库和人脸图像数据库上分别证实了本文提出方法的可靠性和有效性。

核无监督鉴别投影及人脸识别

提出一种基于核方法的无监督鉴别投影,在较好地描述人脸图像的同时,对图像进行有效地分类。对核局部保留投影(KLPP)和无监督鉴别投影技术(UDP)进行了相应的研究,将两者互相结合。该方法同时考虑到样本的局部特性和非局部特性,有效地利用了对分类有用的重要信息;此外,将核方法和流形学习方法结合起来,有效地描述人脸图像的非线性变化,对于人脸识别问题有较好的效果。在Yale库上的实验表明,该方法的识别率明显高于UDP和PCA,且有较好的分类效果。

基于正则化核最大边界投影维数约简的滚动轴承故障诊断

针对旋转机械故障诊断中故障样本获取困难的现状,提出一种基于正则化核最大边界投影(Regularized Kernel Maximum Margin Projection,RKMMP)维数约简的滚动轴承故障诊断方法。该方法首先利用RKMMP对小样本、少标记信息的混合故障样本集进行训练降维,然后将降维后的低维敏感特征子集输入到核极限学习机(Kernel Extreme Learning Machine,KLEM)分类器中进行故障识别。上述方法的特点是所提出的RKMMP能充分利用少量标记样本信息与大量无标记样本的故障信息,避免过学习的缺陷,同时通过添加正则化项克服小样本问题。滚动轴承故障模拟实验表明:该方法结合了RKMMP在维数约简和KLEM在模式识别上的优势,在一定程度上能提升故障诊断的泛化能力与识别精度。该研究可为解决好故障诊断中样本获取困难的问题,提供理论参考依据。

流形距离与压缩感知核稀疏投影的局部线性嵌入算法

流形学习算法的目的是发现嵌入在高维数据空间中的低维表示,现有的流形学习算法对邻域参数k和噪声比较敏感。针对此问题,文中提出一种流形距离与压缩感知核稀疏投影的局部线性嵌入算法,其核心思想是集成局部线性嵌入算法对高维流形结构数据的降维有效性与压缩感知核稀疏投影的强鉴别性,以实现高效有降噪流形学习。首先,在选择各样本点的近邻域时,采用流形距离代替欧氏距离度量数据间相似度的方法,创建能够正确反映流形内部结构的邻域图,解决以欧氏距离作为相似性度量时对邻域参数的敏感。其次,利用压缩感知核稀疏投影作为从高维观测空间到低维嵌入空间的映射,增强算法的鉴别性。最后,利用Matlab工具对实验数据集进行仿真,进一步验证所提算法的有效性。

基于改进核局部保持投影的故障检测方法研究

针对传统核局部保持投影方法存在不能全面地提取数据特征和故障检测率低的局限性,提出一种基于改进核局部保持投影(MKLPP)的故障检测方法。将核主元分析方法融入到核局部保持投影中,使得到的数据特征不仅包括原始数据的局部信息,而且包含数据的全局信息;引入特征向量缩放,使得低维数据变化波动更加稳定,提高故障检测率。针对MKLPP方法对微小故障不敏感的问题,将多元指数加权移动平均(MEWMA)运用到MKLPP中,提出一种MEWMA-MKLPP故障检测方法。对上述两种方法分别构造T^(2)和SPE统计量进行故障检测。采用TE过程数据进行仿真实验,实验结果表明所提方法可以取得较好的检测效果。

基于核稀疏保持投影的SAR目标特征提取方法研究

文章提出一种新的特征提取方法,将核稀疏保持投影(KSPP)方法运用到合成孔径雷达(SAR)目标识别中。该方法将原始目标函数投影到高维特征空间,在高维特征空间求得样本的稀疏系数,将所有样本的稀疏系数组成稀疏重构矩阵,利用稀疏重构矩阵构造目标函数求得样本的特征向量,最后利用SVM分类器对目标进行分类识别。基于MSTAR提供的实测SAR数据对方法进行验证,结果表明该方法能够有效地提高目标识别结果,且对目标的方位角不敏感,是一种有效的SAR目标特征提取方法。

基于Gabor和核监督局部保持投影的单样本人脸识别算法

针对目前主流人脸识别算法,在单样本条件下,当性能严重下降根本无法工作时,提出了一种结合Gabor和核监督局部保持投影的单样本人脸识别算法。选取数据库中中性表情的近正面人脸图像作为训练样本,通过几何变换产生15幅虚拟样本,对每幅样本图像提取Gabor特征,采用核监督局部保持投影方法进行特征提取,欧氏距离最近邻分类器进行分类。根据ORL数据库、Yale数据库和FERET数据库上的实验结果表明,核监督局部保持投影(GKSLPP)算法具有较好的识别效果。

核正交局部保持投影算法及应用仿真研究

针对化工连续生产过程的时序性及非线性特征,为了挖掘数据的高维非线性结构,将核函数技术和投影向量间正交性原理融入局部保持投影算法中,提出一种新的核正交局部保持投影(Kernel Orthogonal Locality Preserving Projections,KOLPP)用于工业过程故障诊断的非线性算法.首先,利用核函数技术将工业过程数据投影到高维的非线性空间中,提取数据中的非线性信息.在保证投影矩阵中各向量正交的同时,通过局部保持投影算法进行线性映射.其次,通过构造统计量和统计量的控制限进行故障诊断.最后通过TE过程的仿真实验结果验证该算法的有效性.

基于核DCV算法的主动近红外人脸识别方法

针对人脸识别领域存在的受环境光照变化影响大的问题,分析了各种主动成像方法的特点以及人脸皮肤的光谱反射特性,提出了使用近红外LED灯作为主动光源,选用近红外滤光片配合CCD相机完成人脸图像采集,并综合运用可鉴别共同向量方法(DCV)和核投影方法进行人脸特征提取。该特征提取方法同时解决了核投影方法面临的大样本问题和可鉴别共同向量方法面临的样本维数较高问题,减少了计算复杂性,提高了特征提取的效率和准确度。仿真结果表明基于核DCV的主动近红外人脸识别方法有利于消除光照影响、提高识别效率。

基于再生核Hilbert空间的非线性信道均衡算法

在高速无线通信领域,为消除码间干扰(ISI)必须研究非线性信道均衡技术。基于再生核希尔伯特空间(RKHS)研究非线性信道的自适应均衡算法。首先基于非线性维纳模型提出均衡器的结构,基于RKHS引入核方法,与仿射投影算法(APA)相结合推导出核仿射投影算法(KAPA),再通过引入松弛因子得到改进的KAPA算法。用蒙特卡罗法对提出的自适应算法进行仿真,从收敛性能、误码率(BER)、跟踪能力、计算复杂度等方面与其他算法做比较。在不增加计算复杂度的情况下,极大降低了误码率,非常适合时变非线性信道均衡的应用。

基于一种小波核优化学习的KSPP子空间故障特征提取

针对电子系统故障诊断中有效特征提取困难、核属性约简方法中核函数与核参数选择繁琐等问题,提出了一种基于自优化小波核稀疏保持投影的子空间特征提取方法。通过对核极化准则的改进,使得新准则不仅可以处理多类别信息,而且可以保留同一类别数据间的局部结构特征。以墨西哥帽小波核函数为对象,基于改进的核评估准则构建优化目标函数,并采用粒子群优化算法进行核参数选择;将优化的小波核作为核稀疏保持投影的核函数,最终实现了在核子空间中对有效特征的提取。实验结果表明,相比于其他流行的子空间特征提取方法,提出的方法有效提升了分类精度,具有良好的泛化性能。

猫小脑第Ⅶ小叶皮层-核团投射的电生理学研究

在三碘季铵酚制动的去大脑猫上,记录了小脑后叶的第Ⅶ小叶皮层浦肯野细胞(PC)对分别刺激顶核、间位核和齿状核的逆行场电位和逆行单位反应,以确定小脑皮层PC对这三个核团投射的空间分布。在鉴定了PC对其靶核团的投射后,用特制的模拟自然屈腕运动的刺激装置来推动猫同侧前肢的掌背,造成腕关节一次轻微的屈曲,观察该PG对这一刺激的单位反应。实验资料用电子计算机处理,作出平均诱发电位和刺激后时间直方图。 本文以电生理学方法揭示,猫小脑后叶第Ⅶ小叶皮层-核团投射存在较明确的纵区分布模式,纵区之间的分界线走向有一定的弯曲,与前叶略有不同。小脑后叶皮层从中线到两侧2.8mm为顶核区(FZ);其外侧为间位核区(IZ),最大宽度约为3.5mm;齿状核区(DZ)约始于5.0mm处。这三个不同纵区的PC对外周自然屈腕刺激都有反应,但反应细胞的百分数不同,FZ有59％的PC对外周刺激有反应,IZ为84％,DZ为20％。这些结果表明后叶第Ⅶ小叶具有类似于前叶的功能分布,IZ的PC对外周刺激有更大的调制作用,提示该皮层-核团投射的纵区结构有其特定的功能意义。

基于核自适应滤波器的时间序列在线预测研究综述

核自适应滤波器(Kernel adaptive filter,KAF)是时间序列在线预测的重点研究领域之一,本文对核自适应滤波器的最新进展及未来研究方向进行了分析和总结.基于核自适应滤波器的时间序列在线预测方法,能较好地解决预测、跟踪问题.本文首先概述了三类核自适应滤波器的基本模型,包括核最小均方算法、核递归最小二乘算法和核仿射投影算法(Kernel affine projection algorithm,KAPA).在此基础上,从核自适应滤波器在线预测的内容和机理入手,综述基于核自适应滤波器的时间序列在线预测方法.最后,本文将介绍这一领域潜在的研究方向和发展趋势,并展望未来的挑战.