基于核相关分析算法的情感识别模型

针对目前情感识别模型中存在的识别精度低、速度慢等问题,设计一种基于核相关分析算法的情感识别模型.首先对目前情感识别的研究现状进行分析,找出导致识别精度低的原因;然后提取情感识别的特征,并通过核相关分析算法选择最优情感识别的特征子集,减少情感识别的特征向量数;最后选择高斯混合模型对情感识别的训练集进行建模,并通过具体情感数据集进行仿真实验.实验结果表明,核相关分析算法可有效去除情感识别的不利特征,加快了情感识别速度,提高了情感识别的正确率.

基于核典型相关分析的语音情感识别研究

语音是人类表达思想和感情交流最重要的工具,是人类文化的重要组成部分。语音情感识别作为情感计算中的重要课题已经成为国际上的研究热点,受到越来越多的关注。已有神经科学研究表明,大脑是产生调节情感的物质基础。因此,在语音情感的研究中,我们不能仅考虑语音信号自身,还应将大脑的活动信号融入语音情感识别中,以实现更高准确率的情感识别。基于上述思想,本文提出了一种基于核典型相关分析(KCCA)的语音特征提取方法。该方法将语音特征与脑电图(EEG)特征映射到高维希尔伯特空间,并计算二者的最大相关系数。KCCA将语音特征在高维希尔伯特空间上向与脑电特征相关性最大的方向投影,最终得到包含脑电信息的语音特征。本文方法将与语音情感相关的脑电信息融入语音情感特征提取中,所提特征能够更准确的表征情感。同时,本方法在理论上具有良好的可迁移性,当所提脑电特征足够准确与具有代表性时,KCCA建模得到的投影向量具有通用性,可直接用于新的语音情感数据集中而无需重新采集和计算相应的脑电信号。在自建语音情感数据库与公开语音情感数据库MSP-IMPROV上的实验结果表明,使用投影语音特征进行语音情感分类的方法优于使用原始音频特征和其他语音特征提取方法。

高光谱图像与稀疏核典型相关分析冷鲜羊肉新鲜度无损检测

羊肉新鲜度受多种因素影响,通常由多个指标来综合评价,常规试验操作复杂不适合在线检测。高光谱成像数据能够反映羊肉新鲜度变化过程中多种成分的变化信息,但是光谱特征提取与评价模型的建立对最终结果影响较大。为了研究高光谱成像与多指标的快速检测羊肉新鲜度的可行性,提出一种稀疏核典型相关分析方法,借助实验室测定的多个标准值,研究多指标的羊肉新鲜度无损检测。采集了70个代表各级新鲜程度的羊肉样本400~1 000nm高光谱图像,采用实验室方法测定了挥发性盐基氮(TVB-N)和菌落总数(TAC)标准值,选择感兴趣区域(ROIs)提取代表性光谱图像,利用所提出的特征提取方法提取光谱特征信息,并按照3∶1划分校正集和预测集,利用三层神经网络进行分类识别试验。结果表明,新鲜度等级分类总体精度(OA)为0.939 3,Kappa系数为0.906 0,均方根误差(RMSEC)为0.297。研究表明,所提出的多指标光谱特征提取方法可用于快速无损检测羊肉新鲜程度,为采用高光谱成像综合多个新鲜度检测指标,改善由于单一检测指标造成评价模型的适用性和鲁棒性提供了基础。

核典型相关分析算法的多特征融合情感识别

为了提高情感识别的正确率,针对单模情感特征及传统特征融合方法识别低的缺陷,提出了一种核典型相关分析算法(KCCA)的多特征(multi-features)融合情感识别方法(MF-KCCA)。分别提取语音韵律特征和分数阶傅里叶域表情特征,利用两种特征互补性,采用KCCA将它们进行融合,降低特征向量的维数,利用最近邻分类器进行情感分类和识别。采用加拿大瑞尔森大学数据库进行仿真实验,结果表明,MF-KCCA有效提高了语音情感的识别率。

基于独立成分分析与核典型相关分析的WLAN室内定位方法

接收信号强度(received signal strength,RSS)在WLAN室内定位环境中存在时变特性,降低了WLAN定位环境中RSS信号与位置信息之间的相关性,致使定位精度降低。针对这一问题,提出通过利用独立成分分析(independent component analysis,ICA)对RSS信号进行数据降维和去相关处理,提取独立分量;然后采用核典型相关分析(kernel canonical correlation analysis,KCCA)来提取独立分量与位置信息之间的典型相关特征;最后结合传统定位算法如加权K近邻法(weighted K nearest neighbors,WKNN)、支持向量机(support vector machine,SVM)算法实现定位。实验结果表明,传统定位算法WKNN、SVM算法通过运用ICA与KCCA特征提取后再进行定位其定位精度得到了提高。

核典型相关分析特征融合方法及应用

构建了一种基于核函数的典型相关分析的特征融合算法。首先,利用核函数将图像矩阵映射到核空间,再抽取同一模式的两组特征向量,在两组特征向量之间建立描述它们的相关性的判据准则函数;然后依此准则函数抽取两组典型投影矢量集;最后通过给定的特征融合策略抽取组合的典型相关特征以用于分类识别。该算法将两组特征向量之间的相关性特征作为有效鉴别信息,既可以很好地融合信息,又可以有效地去除特征之间的信息冗余,并且避免了对映射后的数据矩阵进行分解,从而简化了数据运算。在AR、PIE、ORL、Yale人脸数据库及UCI手写体数字库上的实验结果证明了该方法的有效性和稳定性。

核典型相关分析的融合人脸识别算法

为了更有效地映射图像数据样本到可分类特征空间,提高分类正确率,提出了一种新的基于核函数的典型相关分析的融合人脸识别算法。该方法首先把图像矩阵通过核函数影射到核空间,然后从核空间的行和列两个方向进行特征抽取,同时避免分解映射后的数据矩阵,简化了数据运算,获得了更具鉴别力的分类特征。在Ohio州立大学的OTCBVS可见/红外人脸数据库中进行了分类识别实验,实验结果表明:该方法可以获得90%以上的识别正确率,优于其他的典型相关分析的人脸识别方法的分类正确率。此外,对不均匀光照变化,表情变化等人脸识别的常见问题具有很好的抵抗能力。

基于核典型相关分析的五元平面十字阵无源定位算法

基于五元平面十字阵的时差定位准确度和灵敏度都相对较高,在无源定位中具有广阔的应用前景。针对时差定位抗干扰性能差和噪声影响的问题,提出采用核典型相关分析盲源分离算法在辐射源信号先验信息未知的情况下分离天线阵接收的混合信号,然后将分离后的信号进行相关分析获得时差的估计,用以改进时差估计和定位性能。通过仿真实验,可以看到本文提出的基于核典型相关分析的时差定位方法能够取得更稳定、准确的结果,而且实现简单,能充分满足实际应用的要求。

基于核典型相关分析的非线性相关源盲分离方法研究

针对传统的相关源盲分离方法的不足,提出了一种基于核典型相关分析的非线性相关源盲分离方法。该方法是利用了核方法来处理数据之间的非线性问题,同时还利用信号源之间的相关性来进行分离。提出的方法与传统的相关源盲分离方法进行对比分析。仿真结果表明,提出的方法明显优于传统的相关源盲分离方法,并从分离性能指标上得到了充分的反映。最后,将该方法应用到转子不对中和碰摩故障的盲分离中,实验结果进一步验证了该方法的有效性。

基于核典型相关分析和支持向量机的语音情感识别模型

为了获得更好的语音情感识别的实时性和正确率,该文提出了基于核典型相关分析和支持向量机的语音情感识别模型。首先提取多种情感识别的特征,采用核典型相关分析对特征进行选择,将选择的特征作为支持向量机的输入向量进行训练,建立情感识别的分类器,最后采用语音情感识别的标准数据库进行验证性和对比实验。实验结果表明,该模型能够准确识别不同类型的语音情感,获得较高的语音情感识别率。核典型相关分析减少了分类器的输入向量数,加快了情感识别速度,获得了理想的实时性。该文语音情感识别结果优于对比模型,具有更高的实际应用价值。

基于核典型相关分析的图像放大算法

为了更有效地映射高、低分辨率图像到变换域,提高图像的分辨率,给出一种基于核典型相关分析的单幅图像超分辨率放大算法。首先将训练高、低分辨率图像块矩阵映射到变换域上,利用核典型相关分析得到最优的变换域基向量,然后在该变换域上重建测试低分辨率图像,再转换到原空间上得到初始放大结果,最后利用迭代反投影算法进一步提高图像的质量。实验结果表明,新算法可提高图像的分辨率,并能重建出图像较多的细节,人工痕迹少。

基于局部锐度分布耦合核典型相关分析的图像匹配算法

提出了基于局部锐度分布耦合核典型相关分析的图像匹配算法.首先引入Forstner算子对特征点进行精确提取;随后计算每个特征点对应的锐度值,从而构造局部锐度分布模型,生成低维度的特征描述子;接着引入归一化互相匹配策略(Normalized Cross Correlation,NCC),完成特征点的匹配,增强算法的鲁棒性;最后基于核典型相关分析(Kernel Canonical Correlation Analysis,KCCA)技术,建立归一化距离函数,对匹配特征点进行提纯,剔除误匹配点.仿真实验结果表明:与当前图像匹配算法相比,本文算法不仅具有较高的匹配精度及较强的鲁棒性,而且还具有较高的匹配效率.

智能环境下基于核相关权重鉴别分析算法的多特征融合人脸识别

针对智能会议环境下基于单模特征的人脸识别的识别率低、鲁棒性差的问题,提出了一种在智能会议室环境下基于核相关权重鉴别分析(KRWDA)算法的融合全局和局部特征的多特征融合人脸识别方法。基于相关权重鉴别分析算法并结合核方法,提出了一种核相关权重鉴别分析算法,有效解决了小样本问题。利用全局特征和局部特征在识别时所描述的内容和作用的互补性在特征层融合两种特征,全局信息和局部信息分别采用离散余弦变换和Ga-bor小波变换提取。在AMIES2016数据库上的仿真实验表明,本文所提出的方法可以有效地提高系统身份识别的正确率。

核不相关鉴别分析以及它在字符识别中的应用

核不相关鉴别分析是在线性不相关鉴别分析的基础上发展起来的·然而,由于核函数的运用,计算核不相关矢量集变得更加复杂·为了解决这个问题,提出一种解决核不相关鉴别分析的有效算法·该算法巧妙地利用了矩阵的分解,然后在一个矩阵对上进行广义奇异值分解·与此同时,提出了几个相关的定理·最重要的是,提出的算法能克服核不相关鉴别分析中矩阵的奇异问题·在某种意义上,提出的算法拓宽了已有的算法,即从线性问题到非线性问题·最后,用手写数字字符识别实验来验证提出的算法是可行和有效的·

核主成分分析与典型相关分析相融合的人脸识别

人脸识别具有小样本、高维等特性。典型相关分析算法(CCA)无法准确提取人脸识别特征,不能准确刻画人脸图像的局部变化,导致人脸识别率低。为提高人脸识别率,提出一种核主成分分析与典型相关分析相融合的人脸识别算法(KPCA-CCA)。首先将人脸图像划分多个子模块,然后提取局部特征,同时采用KPCA提取全局特征,并采用CCA将两种特征进行融合,降低特征向量的维数,最后采用子模式进行人脸识别,以投票方式确定人脸的类别。采用AR与Yale数据集对KPCA-CC性能进行测试,仿真结果表明,相对于对比模型,KPCA-CCA提高了人脸识别的识别率。

基于核典型相关分析的多特征组合人脸识别

为了提高人脸的识别率,利用多特征和分类器之间的互补优势,提出一种基于核典型相关分析的多特征组合人脸识别方法(KCCA-MF)。提取人脸图像的LBP特征和Gabor特征,采用核典型相关分析算法对两种特征进行融合,以消除冗余特征,采用K近邻算法和支持向量机建立组合人脸分类器,并采用3个经典人脸库进行仿真分析。结果表明,相对于其他人脸识别方法,KCCA-MF提高了人脸识别的识别准确率和效率,可以满足人脸识别的实时性要求。

支持向量分类特征提取的核典型相关研究——中国城市竞争力的实证分析

针对多元核支持向量分类机,提出了高维数据信息萃取的核典型相关分析方法。对我国城市竞争力的分级试验结果表明:与其他方法相比,核典型相关分析能较准确地实现特征提取,获得理想的分级结果。

基于核典型相关分析和支持向量机的图像识别技术

为了提高图像识别性能,采用核典型相关分析(KCCA)和支持向量机(SVM)相结合的方法进行图像识别。从不同维度获取图像文本特征,并采用KCCA方法对图像不同维度特征进行相关分析。将相关系数高的特征进行有效优化,从而保存差异度高的图像判别特征。对经过KCCA后的图像特征进行SVM判别,获得图像识别结果。实验证明,通过选择合适的KCCA核函数,对图像特征进行相关分析,并提取全面有效的图像判别特征,既降低了图像冗余特征,又保存了图像识别特征的全面性。与SVM、神经网络(NN)、卷积神经网络(CNN)相比,KCCA-SVM算法能够获得更高的图像识别准确率。

基于改进核典型相关分析的人脸识别方法

标准KCCA方法需要存储和计算核矩阵,而核矩阵的大小是训练样本数的平方,随着样本数的增加,计算量逐渐增大、特征提取缓慢。为了提高特征提取的效率,提出了一种基于特征向量集的KCCA特征提取方法。采用特征选择方法,选择一个训练样本子集并将其映射到再生核希尔伯特空间(RKHS)。用KCCA进行特征提取,将计算复杂度由3降到2(<<),并将改进后的KCCA与SVDD的优势相结合应用于人脸识别中。实验结果表明,相对传统的KCCA方法,所提出的方法在不影响识别率的前提下,显著提高了人脸识别速度,减小了系统的存储量。

基于核典型相关分析的多视图谱聚类算法

提出并讨论了一种基于核典型相关谱聚类假设的多视图协同聚类方法。目的是寻求从多个表示中找到一致的解决方法,利用每个表示中的信息来提高经典聚类模型的性能。为了展示该方法的有效性,在6个具有不同大小和特征的图像数据集、文本数据集上进行了实验。实验结果充分证实了基于核典型相关分析的多视图谱聚类算法的性能优于经典的单视图K-means、K-means级联(CK)、多视图K-means(MK)、单视图谱聚类(SC)、SC级联(CSC)和多视图谱聚类(MSC),且具有更好的聚类准确度和鲁棒性。