基于Hilbert变换的条纹-灰度线性投影三维测量

针对传统的条纹投影测量中绝对相位求解方法存在投影图像数量较多以及算法复杂程度高的问题,提出了一种基于Hilbert变换的条纹-灰度线性投影策略及相位求解方法,该方法仅使用3幅投影图像——1幅高频条纹图和2幅灰度线性变化图,通过Hilbert变换求得包裹相位,采用灰度线性变化图像得到基础相位,联立包裹相位和基础相位可得到条纹级数,进而得到绝对相位。通过构建的主动双目系统得到的三维重构结果发现,该方法可以有效恢复被测物体的三维形状,测量精度可达0.1 mm。

最大散度差和大间距线性投影与支持向量机

首先对 Fisher 鉴别准则作了必要的修正，并基于新的鉴别准则设计了最大散度差分类器；然后探讨了当参数 C 趋向无穷大时，最大散度差分类器的极限情况，得到了大间距线性投影分类器；最后通过分析说明，大间距线性投影分类器实际上是在模式样本线性可分的条件下，线性支持向量机的一种特殊情况．在 ORL 和 NUST603人脸库上的测试结果表明，最大散度差分类器和大间距线性投影分类器可以与线性支持向量机、不相关线性鉴别分析相媲美，优于 Foley-Sammon 鉴别分析方法．

基于线性投影结构的非负矩阵分解

非负矩阵分解(Non-negative matrix factorization,NMF)是一个近年来非常流行的非负数据处理方法,它常用于维数约减、特征提取和数据挖掘等.NMF定义中采用的数学模型基于非线性投影结构构造,这决定了NMF降维需借助计算量很大的迭代操作来实现.此外,由此模型提取的NMF特征常不稀疏,这与NMF的设计期望相差甚远.为一并解决上述两个问题,本文提出了一个新的模型—基于线性投影结构的NMF(Linear projection-based NMF,LPBNMF),并构造了一个单调的LPBNMF算法.从数学的角度看,LPBNMF可理解为实现NMF的一种特殊方式.LPBNMF降维通过线性变换来完成,它所采用的数学模型的自身结构特点决定了由其得到的特征一定非常稀疏.大量的比较实验表明,LPBNMF的降维效率显著高于NMF,LPBNMF特征明显比NMF特征更稀疏和局部化.最后,基于AR人脸数据库的实验揭示,LPBNMF特征比NMF、LDA以及PCA等特征更适合于用最近邻分类法处理有遮挡人脸识别问题.

基于结构信息相似度的线性投影灰度化算法

针对彩色图像灰度化过程中易丢失结构信息的问题,提出一种基于结构信息相似度的灰度化算法.首先在RGB色彩空间利用像素平均值和标准偏差值构造一幅对比图,以保持彩色图像的对比度和亮度信息;然后利用结构信息相似度评价指标衡量RGB通道图像与对比图间的相似程度;最后将通道结构信息相似度值作为全局加权映射函数中的权重值,获得最终的灰度图像.该算法有效解决了其他典型灰度化算法中需求解目标函数,导致算法复杂度高、图像结构信息不自然的缺陷.对Cadik和CSDD图像集的实验结果表明,该算法优于一些已有典型灰度化算法,能有效保留原始图像的对比度和结构信息,可提高计算效率,且输出的灰度化图像视觉感知自然,主客观评价结果均较优.

基于线性投影分析的接箍图像识别问题研究

在油田修井过程中,油管接箍不仅起到了管柱之间的连接作用,而且为修井作业等提供位置参照作用。因此,对油管接箍的位置探测显得尤为重要。主要阐述了利用线性投影分析方法进行接箍图像识别的问题研究,从而为油田修井过程中接箍位置的探测提供依据。

线性投影分析在指纹方向场提取中的应用研究

指纹方向场提取是自动指纹识别系统中的重要环节,是解决自动指纹识别中的某些关键技术的基础.对基于点梯度的方向场提取中存在的问题进行了分析,提出了一种基于点梯度向量集线性投影分析的指纹方向场提取方法,能较好地提取出指纹方向场.进一步分析和解决了指纹方向场提取时准确性和抗噪性的矛盾,相对于单一窗口,提出使用复合窗口来估计指纹方向场的方法.在FVC 2000指纹数据库中的大量实验表明,该方法相比于传统的均方梯度法有更好的提取精度和鲁棒性,对于有较大噪声的低质量指纹图像仍能给出很好的方向场估计.

基于局部线性投影的三维旋转人脸识别

本文在基于三维形态学模型的人脸识别研究中,运用局部线性投影算法(ProjectiveLLE,PLLE)取代了普遍使用的经典降维方法PCA,在高维空间中减小了降维过程中的线性失真。有效提高了所构建的三维形态学模型的质量,经实验证明该算法对于提高拟合的精度和大角度旋转人脸的识别率都取得了比较理想的效果。

图像特征点集匹配的稳健非线性投影NMF方法

包含相同目标的图像由于可能存在结构差异而导致特征匹配困难、不精确,针对该问题提出了一种新的匹配方法。首先,提出一种稳健的非线性投影非负矩阵分解方法(RNPNMF),利用RNPNMF得到特征点集的共同投影空间;然后,计算特征点集在共同投影空间的投影,利用特征点集在共同投影空间上的投影实现点集的精确匹配。最后,为验证本文方法的有效性,分别对光学图像和SAR图像进行了实验,实验结果表明:和现有方法相比,本文所提方法能更精确有效的实现特征点集的匹配,同时,应用于图像配准也得到了很好的结果。

基于局部非线性投影滤波算法的ECG信号处理

含有一定强度干扰的混沌系统可以通过局部非线性投影的方法逼近其吸引子。单导心电信号(ECG)在时间延迟嵌入空间中表现出一定的几何结构 ,包含其它成分的ECG可以在一个较高维的空间得到没有交叠的状态轨迹。利用局部非线性投影法可以逼近ECG的一个低维吸引子 ,从而将ECG和其它成分分离。

一种lncRNA与疾病关联的多层线性投影预测算法

LncRNA-疾病关联预测的计算方法是解决传统生物学实验昂贵且费时的有效途径,其中基于机器学习的计算方法是当前研究热点,但其存在着未充分考虑lncRNA-疾病关联矩阵的局部结构和全局结构的问题.因此,本文提出了一种lncRNA与疾病潜在关联的多层线性投影预测方法(MLPLDA:Multi-layer linear projection for predicting lncRNA-disease association).MLPLDA利用组合加权整合lncRNA和疾病的两种相似性,然后用WKNKN重构原始的lncRNA-疾病关联矩阵,最后使用堆叠层策略的多层线性投影进行lncRNA-疾病关联预测.在留一和五折交叉验证实验中,MLPLDA获得的AUC分别是0.8807和0.8563±0.0045,体现了其可靠的性能.在3种疾病(肺癌,乳腺癌和骨肉瘤)的案例研究中,MLPLDA能够有效预测与3种疾病有关系的lncRNA.

基于非线性投影和带惩罚函数的SVM的入侵检测问题

本文根据线性投影寻踪的思想,提出了一种非线性投影方法。该方法通过非线性投影将高维数据降低到低维空间,对于由此投影得到的低维数据再利用带惩罚函数的非线性支持向量模型,实现对入侵数据的检测。最后,利用KDD99数据对本模型进行验证,以说明其有效性。经计算验证,效果较为理想。

一些新的非线性投影方程解的存在性

在Hilbert空间中引入并研究一类非线性投影方程.利用不动点定理,我们得到了关于这类非线性投影方程解的 一些新的存在性定理.所得的结果统一和发展了一些作者的近期工作.

一类非线性投影方程解的扰动迭代算法及其收敛性

在Hilbert空间中讨论了一类非线性投影方程解的扰动迭代算法及其收敛性分析.

关于右拟线性内逆与拟线性投影的关系

讨论线性变换T的拟线性内逆与拟线性投影的关系.证得拟线性内逆M与T的零空间N(T)上的拟线性投影P及T的值域R(T)上的拟线性投影Q之间是1-1对应的,且满足P=I-MT,Q=TM.

Banach空间中拟线性投影算子

证明了 :在自反 Banach空间＄X＄中 ,每个闭子空间 L,都存在 X到 L上的拟线性投影算子 SL.一般说来 ,SL 既非度量投影算子 ,又非线性算子 .

Banach空间中有限秩拟线性投影算子的逼近问题

证得:在Banach空间中,相对紧集上的恒等算子可由一列有限秩连续拟线性投影算子一致逼近.由此得到:线性算子为紧线性算子必须且仅须它可由一列有限秩连续齐性算子一致逼近.

多流形的非监督线性差分投影算法

针对非监督线性差分投影(unsupervised linear differential projection,ULDP)在特征提取过程中存在的不足,提出了基于多流形的非监督线性差分投影(multi-manifold unsupervised linear differential projection,MULDP)算法,并将其应用于人脸识别中。MULDP首先构造出多流形局部近邻图和多流形最大全局方差,然后通过多目标最优化问题求解出嵌入在高维空间的低维流形。这种映射不仅能表示全局结构,还能表示局部结构。该算法可以得到嵌入在高维空间的低维流形,更好地实现了局部与全局结构信息的有效保持。在ORL、Yale及AR人脸库上的实验结果验证了所提算法的优越性。

鸡胴体表面稀释污染物的连续投影-多元线性回归-受试者特性分析检测

建立基于连续投影算法(successive projections algorithm,SPA)-多元线性回归(multiple linear regression,MLR)-受试者特性(receiver operating characteristic,ROC)分析鸡胴体表面稀释污染物识别方法。首先采用高光谱成像系统获取了20个涂有稀释污染物的鸡胴体图像,再利用SPA从1 232个波长中提取出10个特征波长,然后通过MLR方法构建识别函数和特征波长光谱值之间的回归模型,最后通过ROC分析方法,确定出能够获得高真阳性率(true positive rate,TPR)和低假阳性率(false positive rate,FPR)的最佳分类阈值,并据此对鸡胴体表面稀释后的污染物进行检测。结果显示,利用SPA-MLR-ROC分类器检测20个污染鸡胴体样本,检出污染区域的TPR达到98.08%,FPR仅为0.39%,高于波段比算法以及双波段算法检测相同样本的准确率,可见,SPA-MLRROC分类器方法检测鸡胴体表面稀释污染物获得了较好的效果,但由于样本数量有限,还需要具有较大样本量的研究来进一步验证此方法检测结果的稳定性。

无限最大间隔线性判别投影模型

针对具有多模分布结构的高维数据的分类问题,该文提出一种无限最大间隔线性判别投影(i MMLDP)模型。与现有全局投影方法不同,模型通过联合Dirichlet过程及最大间隔线性判别投影(MMLDP)模型将数据划分为若干个局部区域,并在每一个局部学习一个最大边界线性判别投影分类器。组合各局部分类器,实现全局非线性的投影与分类。i MMLDP模型利用贝叶斯框架联合建模,将聚类、投影及分类器进行联合学习,可以有效发掘数据的隐含结构信息,因而,可以较好地对非线性可分数据,尤其是具有多模分布特性数据进行分类。得益于非参数贝叶斯先验技术,可以有效避免模型选择问题,即局部区域划分数量。基于仿真数据集、公共数据集及雷达实测数据集验证了所提方法的有效性。