二维合并双向可调拉普拉斯逆线性判别分析算法

两维的水平可调拉普拉斯逆线性判别分析算法是在两维的水平拉普拉斯逆线性判别分析算法的基础上在类间的拉普拉斯散度矩阵上增加了一个参数来调节得到的,同理得到两维的垂直可调拉普拉斯逆线性判别分析算法。两维合并双向可调拉普拉斯逆线性判别分析算法(2DCBMLIF)是合并水平和垂直两个方向的两维可调拉普拉斯逆线性判别分析算法得到的。在FERET和CMU PIE两个人脸库中,2DCBMLIF同四个算法进行了对比试验,测试结果显示该算法是有效和可行的,2DCBMLIF提高了人脸识别率。

一种基于LDAO的唇读特征提取算法

在语音与唇读识别应用中,传统的LDA(linear discriminant analysis)算法一般以音节、半音节、HMM状态等基元为类别进行数据分段,经线性判别分析后获得的特征投影方向与识别率不直接相关,影响了识别率。提出了一种新的基于LDAO(linear discriminant analysis based on object)的唇读特征提取算法,该算法以待识别对象为类别进行线性判别分析,在理论上保证了唇读特征矢量向最具判别能力的方向投影。基于唇读数据库的实验证明,该算法明显优于现有各种唇读特征提取算法,比DCT+LDA算法识别率提高了3%。

基于虚拟样本的改进人脸识别算法研究及应用

针对实际采集的视频中背景复杂,人物多变,图像处理时间长,训练样本不足的问题,提出了构造虚拟样本,并结合Gabor滤波器及对PCA-LDA算法加以改进的人脸识别算法,以应用于教室点名系统。首先对教室采集到的视频进行裁剪,按帧截取并检测出含有人脸的部分图像并单独保存为测试图像,然后将其与已有人脸库里的训练图像进行对比,最后采用提出的镜像法构造虚拟样本,并结合了Gabor滤波器以及PCNN灰度图像增强处理算法的改进PCA-LDA算法进行人脸识别。仿真实验表明,提出的算法预测了样本可能存在的变化,也在一定程度上降低了计算复杂度,明显地提高了识别率,并在教室点名系统中得到了较好的验证。

一种参数优化VMD多尺度熵的轴承故障诊断新方法

现有基于变分模态分解算法(VMD)的轴承故障诊断方法,由于其参数K需要依据先验知识预先设定,缺乏对K值最优设定的理论支撑,难以保证故障特征提取及故障诊断的精确性.针对上述问题,提出一种基于参数估计优化的VMD与多尺度熵(MSE)的石化装备轴承特征提取及诊断新方法.首先,针对VMD分解参数K的难以实现最优设定问题,利用局部均值分解(LMD)自适应分解分量的频率分布特征,构建一种实现K值有效估计的方法;其次,在VMD分解的基础上,提出一种MSE和线性判别分析(LDA)协同特征提取方法,完成特征模型构建;然后,针对轴承故障特征样本过少,利用支持向量机(SVM)对提取故障特征进行识别;最后,利用石化装备实验室仿真平台的轴承故障数据进行实验,验证算法的有效性和工程实用性.对比分析表明,所提出的算法可以很好地提取故障特征且故障识别精度较高,具有较好工程操作性和扩展性.

不同视觉注意状态调制稳态视觉诱发电位特征的可分性研究

注意将我们的心理资源集中到感兴趣事件的处理上,是一种重要的行为和认知过程。识别注意力状态对提高工作绩效、减少失误的发生具有重要意义。然而,至今还没有能够直接并客观检测注意力状态的方法。基于视觉注意对稳态视觉诱发电位(SSVEP)具有调节效应这一事实,本文设计了10 Hz稳态视觉刺激背景下的go/no-go实验范式,以探究不同视觉注意状态调制SSVEP特征的可分性。实验记录了15名在校研究生志愿者高、低视觉注意力状态下的脑电信号,高、低视觉注意力状态由行为学反应情况判定。研究分析了高、低视觉注意力状态下SSVEP信号的差异,并采用相关分类算法对这种差异进行了识别。结果表明,判别典型模式匹配(DCPM)算法相比线性判别分析(LDA)算法和典型相关分析(CCA)算法分类识别效果更佳,正确率可达76%。研究结果证明,不同视觉注意状态调制的SSVEP特征具有可分性,这为视觉注意力状态的监测提供了新方法。