基于核化原理的非线性典型相关判别分析

典型相关判别分析是将传统的典型相关分析应用于判别问题 ,它是一类重要的特征提取算法 ,但其本质上只能提取数据的线性特征 .应用统计学习理论中的核化原理可以将这样的线性特征提取算法推广至非线性特征提取算法 .该文研究了如何将这一原理应用于典型相关判别分析 ,提出了基于核化原理的非线性典型相关判别分析 ,并且给出了求解该问题的一个自适应学习算法 .数值实验表明 ,基于核化原理所导出的非线性典型相关判别分析比传统的典型相关判别分析更有效 .另外 ,该文从理论上证明 ,所提出的新方法与Fisher核判别分析等价 .

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。

非线性与线性典型相关分析的对比实验

线性典型相关分析揭示了两组变量间潜在的线性关系,但实际应用中,变量之间往往还潜在着非线性关系。主要研究非线性典型相关分析算法,揭示变量间潜在的非线性关系,并通过非线性与线性典型相关分析对比实验,验证其优良性能。

核不相关最优辨别矢量集与飞机目标识别

线性不相关辨别分析具有提取目标统计不相关辨别特征的优点,但受限于其线性本质,使它无法获取目标的非线性特征。针对此问题,本文结合核机器学习理论提出了核非线性不相关辨别分析算法。首先引入一非线性映射,将原始输入空间映射到一个具有线性特性的高维特征空间,然后利用瞬时对角化协方差矩阵的方法提取核不相关最优辨别矢量集。对三类不同飞机实测回波数据的仿真结果表明了所提方法的有效性。

基于小波-KCCA的非线性欠定盲分离方法研究

结合小波分析和核典型相关分析(KCCA)各自的特点,提出一种基于小波-KCCA非线性欠定盲源分离方法。该方法的基本思想是利用小波分析对观测信号进行分解,将分解后的小波系数与原来的观测信号重新组合,构成新的观测信号,从而将欠定盲分离转换为超定或正定盲分离。然后把新的非线性观测信号从低维空间映射到高维核特征空间,将非线性盲源分离问题转化为特征空间中的线性盲源分离问题,最后用典型相关分析对混合信号进行盲源分离,得到源信号的估计。仿真结果表明,与传统的非线性盲分离方法相比较,提出的方法具有明显的优势,得到了满意的分离效果。最后,轴承内外圈故障非线性欠定混合盲分离实验进一步验证了小波-KCCA方法的有效性。

基于相关分析的非线性模拟电路参数型故障诊断方法

针对非线性模拟电路故障诊断中参数型故障元件定位的难题,基于Volterra频域核的频谱比较,提出了利用小波滤波器组结合相关分析定位故障元件的方法.首先选择特定的激励信号测定Volterra频域核的非参数频谱;然后用小波滤波器组对得到的正常电路和故障电路的频谱序列进行子带分解;通过计算子带响应序列的相干函数,对正常电路和故障电路进行相关分析,实现参数型故障元件的特征提取.对比实验结果表明,该方法能有效提取故障特征,提高了故障诊断效果.

环境变化下基于核典型相关分析与协整的损伤识别方法

采用传统协整方法进行损伤识别时,需要变量间满足较好的线性关系,而实际工程中监测变量往往存在一定程度的非线性,这使得协整方法的有效性受到影响。为此,提出一种结合核典型相关分析与协整的损伤识别方法。首先利用核典型相关分析能有效处理非线性相关变量的优点,将低维空间存在非线性关系的监测变量映射到高维空间,使其转化为线性相关的核典型变量。然后利用协整方法能够消除变量间共同趋势的特点,对核典型变量间的共同环境因素影响进行分离,并以分离环境因素影响后的协整残差作为损伤指标进行损伤识别。最后通过芬兰Kullaa课题组的木桁架桥试验数据,对协整方法、结合典型相关分析与协整的方法、核典型相关分析和协整相结合方法这3种方法的损伤识别结果进行比较。研究结果表明:在分析非线性数据方面,核典型相关分析要优于典型相关分析;前2种方法受监测变量数目的影响较大,选择不同数目的监测变量将得到不同的识别结果,而该方法对监测变量数目不敏感;且在损伤识别的漏判率方面该方法明显优于其他2种方法。

视听信息融合的CNC铣刀磨损状态监测方法

针对目前多特征融合刀具磨损监测方法中存在特征之间相关性差、非线性关系被忽略,导致用于模式识别的融合特征维数过大、冗余信息多、特征契合度差和识别准确率低的问题。提出了一种核典型相关分析(Kernel Canonical Correlation Analysis,KCCA)的多级特征融合方法。采集数控加工过程的声压信号以及工件纹理图像,并提取相应的视听特征,利用核典型相关分析法在高维空间找到2组投影方向,保证投影后特征间的皮尔逊系数最大,使视听特征的相关性最大化。经实验验证,利用核典型相关分析法能计算6组典型变量,并表达原特征97%以上的信息,大大降低了特征维数、减少了冗余特征。并且同样的识别模型下,核典型相关分析法能够将检测准确率提升至95%以上。