稳健主成分分析在地震资料异常值噪声压制中的应用

提高地震数据的信噪比是地震资料处理的重要目标之一。传统的地震去噪方法虽然可以有效压制随机噪声,但对非高斯分布的异常值噪声压制效果欠佳。本研究展示了一种基于稳健主成分分析的地震数据异常值噪声压制方法。该方法在频率-空间域通过对地震数据实施稳健低秩近似来求取理想无噪声数据。在目标函数构建方面,采用核范数最小化模型求取理想的低秩近似数据,并使用l1范数最小化模型来估计异常值噪声。此外,运用增广拉格朗日乘子法求解该反演问题。最后,模型数据和实际资料的去噪结果验证了本研究方法的有效性,与传统F-XY域预测滤波法去噪结果进行对比,也显示本研究方法在有效压制异常值噪声的同时能更好地保护有效波能量。

基于稳健主成分分析与核稀疏表示的人脸识别

针对现有人脸识别方法难以有效抑制噪声和误差干扰(如光照、遮挡和表情等)的问题,提出一种基于稳健主成分分析的核稀疏表示分类算法。利用稳健主成分分析将各类训练样本转化为低秩矩阵和误差矩阵之和,并运用这2个矩阵构成稀疏表示的冗余字典。将核稀疏表示问题通过矩阵变换转化为常规的稀疏表示问题,采用正交匹配追踪算法求解该问题得到稀疏表示系数。通过稀疏表示系数计算每个类的重构误差,从而实现人脸识别。实验结果表明,与SRC,ESRC等算法相比,该算法具有较高的人脸识别率,且对噪声和误差干扰有较强的适应能力。

基于MCD的稳健主成分算法及其实证分析

主成分分析方法是在经济管理中经常使用的多元统计分析方法,在变量降维方面扮演着很重要的角色,是进行多变量综合评价的有力工具。但传统的主成分分析对于异常值十分敏感,计算结果很容易受到异常值影响,而实际数据常包含异常情况,通常分析很少考虑它们的作用。本文基于MCD估计提出一种稳健的主成分分析方法,模拟和实证分析结果表明,该方法对于抵抗异常值有很好的效果。

基于稳健主成分回归的统计数据可靠性评估方法

稳健主成分回归(RPCR)是稳健主成分分析和稳健回归分析结合使用的一种方法,本文首次运用稳健的RPCR及异常值诊断方法,对2008年我国地区经济增长横截面数据可靠性做了评估。评估结果表明:稳健的RPCR方法能更好地克服异常值的影响,使估计结果更加可靠,并能有效地克服经典的主成分回归(CPCR)方法容易出现的多个异常点的掩盖现象;基本可以认为2008年地区经济增长与相关指标数据是匹配的,但部分地区的经济增长数据可能存在可靠性问题。

稳健主成分分析在区域技术创新生态系统绩效评价中的应用

鉴于区域技术创新数据中存在指标多而且数据常出现"离群点"的现状,利用稳健主成分方法对于区域技术创新绩效数据进行分析,该方法拚弃了传统方法中均值和方差易受离群点影响的缺点,使得众多区域指标的综合评价更为准确,更能反映客观现实。

稳健主成分分析方法研究及其在经济管理中的应用

传统的多元统计分析方法,如主成分分析方法和因子分析方法等的共同点是计算样本的均值向量和协方差矩阵,并在这两者的基础上计算其他统计量。当样本数据中没有离群值时,这些方法都能得到优良的结果。但是当样本数据中包括离群值时,计算结果就会很容易受到这些离群值的影响,这是因为传统的均值向量和协方差矩阵都不是稳健的统计量。本文对目前较流行的FAST-MCD方法的算法进行研究,构造了稳健的均值向量和稳健的协方差矩阵,应用到主成分分析中,并针对其不足之处提出改进方法。从模拟和实证的结果来看,改进后的的方法和新的稳健估计量确实能够对离群值起到很好的抵抗作用,大幅度地降低它们对计算结果的影响。

稳健主成分回归及其医学应用

目的探讨主成分回归模型的一种稳健估计方法。方法将稳健主成分分析方法ROBPCA(robust principal component regression)和重新加权的LTS(least trimmed squares)方法结合起来,同时结合实例分析,建立稳健主成分回归方程,并可以生成诊断图来诊断异常点。结果用含有异常点的原始数据得到的稳健模型,拟合效果较好。解决了主成分回归中存在异常点的问题。结论当主成分回归中存在异常点时,本文中所述的稳健主成分回归方法具有较高的稳健性,有较好的应用前景。

一个基于诊断的稳健主成分分析方法

经典的主成分分析方法易受异常点影响．本文根据该方法的特点，提出一新的诊断方法，将多变量数据中异常点剔除后再进行主成分分析，构成有效的稳健主成分分析法．用此法处理二组实际数据。

采用多任务稳健主成分分析的运动目标分割(英文)

提出一种多任务稳健主成分分析方法,用以结合多视觉特征实现运动目标分割.给定由多类型特征矩阵描述的视频数据,将它分解为低秩和稀疏部分,其中的稀疏部分对应于运动目标.该矩阵分解过程是一个凸优化问题,通过用ALM方法最小化核范数和2,1-范数的约束组合.与仅利用单类型特征的方法相比,本文提出的方法能够结合多类型特征,因此可获得更加精确可靠的结果.对HumanEva和Change Detection两个数据集的实验表明了该方法的有效性.

应用稳健主成分分析研究欧亚大陆早侏罗世植物区系分区

应用稳健主成分分析研究欧亚大陆早侏罗世植物区系划分尚属首次试验。取前三个特征值所对应的特征向量定量化地解释了每个植物群的植物组合在经向上的变化规律。应用稳健主成分分析的样品得分定量化地标度了早侏罗世的四个植物区系,证实了四个植物区系的存在,并解释了每个植物群组合之间的关系。

基于DDC算法的稳健主成分法及其实证

经典主成分分析对离群值非常敏感,常因离群值的存在导致分析结果偏离实际。针对含有离群值的数据,传统的稳健主成分分析一般通过识别并删除离群样本后建模达到稳健效果。然而,有些情况下离群样本中只有少数几个变量发生离群,剩余的大部分变量并无离群。删除离群样本的做法在这种情况下显然是不妥的。文章基于DDC算法提出一种稳健主成分分析法DDCPCA。模拟和实证结果表明,面对含该类离群样本的数据,该方法与传统稳健主成分分析法相比具有较大的优势。

我国区域科技产出水平的差异性研究--基于稳健主成分分析

针对我国区域科技产出水平不平衡这一现象,论文选择反映科技产出水平的若干相关指标,利用稳健主成分分析来反映我国31个省、自治区和直辖市的科技产出水平,根据稳健综合主成分得分直观地反映了我国区域之间科技产出水平的不平衡性。最后根据以上分析,论文给出了提高我国科技产出水平以及减少我国各省份科技产出水平差异的相关政策建议。

我国区域科技产出水平差异的成因探究--基于稳健主成分分析及空间计量模型

针对我国区域科技产出发展水平不平衡的现象,文章对我国的科技产出水平进行研究,选取反映科技产出水平的多项指标,应用稳健主成分分析得到2019年的稳健主成分综合得分及排名,证明各省份科技产出水平存在差异性;通过空间自回归面板模型、空间误差面板模型以及空间自相关面板模型分析造成差异的主要原因,结果表明人均GDP、高等学校R&D人员、每十万普通高校在校大学生人数以及高技术产业进出口总额等因素对科技产出水平有较为显著的影响;并根据分析结果,提出对策与建议。

主成分回归中异常点的稳健诊断

目的探讨主成分回归模型中存在异常点时的稳健诊断方法。方法采用基于MVT和LMS方法的一种稳健主成分回归方法来诊断异常点,并结合实例进行方法的对比。结果与未去除异常点时得到的回归方程相比较,具有较小的残差平方和,拟合效果较好。解决了主成分回归中存在异常点的问题。结论当主成分回归中存在异常点时,本文中所述的稳健诊断方法具有较高的稳健性,在主成分回归分析中有较好的应用前景。

基于稳健主成分分析和多点恒虚警的红外弱小目标检测

针对红外图像中由复杂背景和目标多形态带来的单帧检测暗弱小目标比较困难的问题,提出了一种先进行阈值分割粗提取,后进行多点信噪比精检测的算法。在粗提取阶段,提出了改进的基于稳健主成分分析(RPCA)的阈值分割算法,利用邻域稀疏度均值与整幅稀疏图像均值的比值进行阈值分割,从而进一步剔除孤立噪点和背景云层边缘的杂波。在精检测阶段,提出了基于统计特性的多点恒虚警检测算法,统计候选点在邻域内每个像元的信噪比,利用虚警率门限和统计数量阈值筛选目标点,从而克服由小目标能量弥散带来的多形态特征问题。实验结果表明,所提算法在复杂背景下的探测率达到95.6%,与利用单像元和邻域像元均值计算信噪比的方法相比,虚警率分别降低了56.1%和47.1%。

多特征稳健主成分分析的视频运动目标分割

提出一种多特征稳健主成分分析(MFRPCA)算法,该算法融合多种视觉特征进行视频运动目标分割,分割的目的即将运动目标从静止信息中提取出来,分割的主要过程是将多特征视频矩阵分解为低秩矩阵和稀疏矩阵。矩阵分解过程是求解一个带受限条件的核范数与L2,1范数组合的最小化问题,此最小化问题可以通过增广拉格朗日乘子法(ALM)有效求解。与其他算法相比,本文算法融合了图像的颜色、边缘和纹理特征等多个特征,通过对变化检测基准数据集进行检测,本文算法获得的查全率为0.486 0和F度量为0.559 7,实验结果表明,本文算法的稳健性和可靠性均优于其他算法。

稳健主成分回归及粗差探测

针对测量平差模型中法方程系数矩阵病态和观测值存在粗差的问题,该文将主成分估计与稳健估计方法相结合,建立了稳健主成分回归方法。详细介绍了稳健主成分回归方法的步骤,即先将系数矩阵进行稳健主成分分析,得到稳健主成分,利用稳健的LTS估计法求解参数向量,同时构造了一种稳健的主成分选择统计量,便于选择最佳的主成分数目。文中构造了3种异常点检验统计量,给出了异常点和粗差的探测步骤。算例研究表明,与传统方法相比,本文方法有一定的优越性。

基于稳健稀疏主成分的经济增长影响因素分析

从传统生产要素、制度、金融和经济结构等四个方面选取了19个影响中国经济增长的变量,运用稳健稀疏主成分方法进行实证分析。结果表明物质资本、城镇化率、金融深度、城镇居民消费结构、基尼系数、技术水平已成为促进中国经济增长的主要动力,但东、中、西部经济增长的主要影响因素互不相同。在此基础上就如何进一步促进中国经济增长和区域经济均衡发展提出了若干政策建议。

基于LiDAR点云法向量稳健估计的室内平面图自动生成方法

提出一种基于Li DAR点云的室内平面图自动生成方法,旨在快速地以室内Li DAR点云数据为基础,实现点云法向量的稳估计,从而自动化提取墙面面片,进而完成室内平面图的构建。实验结果表明:该方法有效抑制室内Li DAR点云数据的噪声(如墙面重影),并能较好地生成室内的平面结构图。

基于稳健性主成分分析算法的光学相干层析成像去除散斑噪声的研究

为了消除光学相干层析成像(OCT)系统中存在的大量散斑噪声,引入了稳健性主成分分析(RPCA)算法。通过分析生物组织在OCT中散斑的产生机制,从而了解OCT系统中散斑噪声的特点。结合OCT系统自身的特点,证明基于RPCA算法的低秩矩阵恢复模型对OCT系统消除散斑噪声有良好的适用性。利用RPCA算法,可以得到将OCT原始图像分解成散斑噪声图像和样品截面图像的最佳估计。RPCA算法能在分离散斑噪声的同时,保留样品自身结构的散斑图样,有效地避免了伪影的生成。通过对比处理后和处理前的图像,结果表明,RPCA算法能够有效地抑制散斑噪声,提高信噪比,改善OCT图像效果。