基于核谱回归与随机森林的脑电情感识别

利用DEAP情感数据库研究脑电的情感识别问题。首先,使用聚类算法确定情感状态的目标类别;然后,比较了两种不同的特征提取方法:一种是小波变换,另一种是非线性动力学,并研究了基线特征对情感分类效果的影响;最后,研究了5种特征降维方法对分类性能的影响,同时比较了4种不同分类器的性能,包括K-最近邻(KNN)、朴素贝叶斯(NB)、支持向量机(SVM)和随机森林(RF)。研究结果表明,核谱回归(KSR)降维方法和随机森林分类器的组合对情感状态的分类效果最好。通过对脑区与情感关系的研究发现,只使用部分脑区的少量电极也可以达到90%的分类准确度,这些电极主要分布在额叶皮层。

基于谱回归核判别分析的候机楼室内快速定位算法

针对机场候机楼客流量大、室内环境复杂多变的特点,提出了一种基于谱回归核判别分析(SRKDA)的室内定位算法。在离线阶段,采集已知位置的接收信号强度(RSS)数据,使用SRKDA算法提取原始位置指纹(OLF)的非线性特征生成新的特征指纹库;在线阶段,先使用SRKDA对待定位点的RSS数据进行处理,进而使用加权K最近邻(WKNN)算法进行位置估计。定位仿真实验中,在两个不同的定位场景中,所提算法在1. 5 m定位精度下的误差累积分布函数(CDF)和定位准确率分别达到91. 2%和88. 25%,相对于核主成分分析法(KPCA)+WKNN模型分别提高了16. 7个百分点和18. 64个百分点,相对于KDA+WKNN模型分别提高了3. 5个百分点和9. 07个百分点;在大量离线样本(大于1 100条)的情况下,该算法数据处理时间远小于KPCA和KDA。实验结果表明,所提算法能够提高室内定位精度,同时节省了数据处理时间,提高了定位效率。

系统故障演化过程中不同类对象分布的确定方法

为解决系统故障中不同类对象的分布确定问题,提出一种对象分布确定方法。首先,论述系统故障演化过程的特点和对象分布;其次,给出方法流程图和实现过程;最后,实例研究50个对象6个因素构成的基础数据矩阵,得到最大训练集互相关度为0.8,测试集互相关度为1,以及最优对象标签分布(对象分布)。研究结果表明:演化过程的数据基础是对象集合;方法以无监督核谱回归(UKSR)为基础,配合K-means和互信息方法,构造随机均匀分布的对象标签集合,提出最优对象标签集合的判据;通过循环确定对象标签与对象数据相关性最大时的最优对象标签集合;集合中标签值即为最优的对象分布情况;方法克服无监督学习和非线性映射等问题,且能在无监督且非线性条件下,对系统故障演化过程中测量得到的对象进行分类,分析所有对象的类标签随演化时间的分布情况,缺点是只能用于研究二维平面表示的系统故障演化过程。

柑橘黄龙病检测的近红外光谱集成建模方法

针对黄龙病检测问题,提出了一种集成了多特征提取模型和多分类器的柑橘黄龙病检测算法。将谱回归核判别分析和主成分分析并行融合进行特征提取,将偏最小二乘判别分析、决策树和支持向量机利用Stacking策略融合完成分类任务。基于3个主要柑橘品种共1620条近红外光谱数据,与单特征提取单分类器方法和多特征提取单分类器方法进行对比,集成分类模型的正确率可达98.52%,精度在98.57%以上,F2得分可达98.01%。实验结果表明,集成分类模型明显优于单特征提取单分类模型和多特征提取单分类模型,证明利用集成分类模型进行柑橘黄龙病的无损检测是可行的,为其他领域的光谱分类提供参考。