基于非线性特征提取和SVM的人脸识别算法

传统的PCA或LDA都是从像素的二阶依赖上考虑的,对于多像素之间的依赖性或像素的高阶关系不敏感。该文利用核函数方法提取像素高阶相关,并与线性SVM相结合来进行人脸识别。从Yale人脸库上的实验结果可以看出,非线性特征提取是很有效的,并且SVM分类器的性能优于最近邻分类器。

质量预测及故障诊断建模过程中非线性特征提取

工业生产的质量预测及故障诊断建模过程中所涉及的特征数目大、复杂性高、非线性突出,造成了模型维数过高、时间复杂度高、计算精度下降.针对上述问题,提出了一种基于核主成分分析和粗糙集的特征提取方法,首先使用核主成分分析进行特征提取,再对提取出的特征用粗糙集进行约简,介绍了该方法的原理和具体实现步骤.并以某玻璃厂锡槽作业工艺为背景进行仿真实验,应用实际生产数据建立支持向量机的故障诊断模型,将应用核主成分分析、粗糙集及所提方法提取出的特征输入SVM诊断模型.对比三种方法的实验结果表明,基于核主成分分析和粗糙集的特征提取方法提取出的特征更优.

基于特征线子空间嵌入的非线性特征提取方法

针对最近特征线子空间特征提取方法中所存在的问题,结合最大间距判别分析,提出一种具有一定局部学习能力的、有监督的非线性特征提取方法:基于特征线子空间嵌入的非线性特征提取方法,即该特征提取方法不但能克服特征线方法所存在的小样本问题,同时能一定程度上提高其处理非线性数据的能力。通过在数据库上进行实验,结果表明该方法具有优势。

基于Finite Ridgelet变换的图像线性特征提取

线性特征是图像的一种重要局部特征,它常常决定图像中目标的形状。线性特征的提取在图像匹配、目标描述与识别以及运动估计、目标跟踪等领域具有十分重要的意义。常用的线性特征检测方法有Radon变换和Hough变换,但检测曲线复杂度会很高。本文提出一种多尺度几何分析的线性特征检测方法,该方法以finite ridgelet理论为基础,结合正交小波变换对线性特征进行提取。Finite ridgelet变换对于含有直线奇异的多变量函数具有良好的逼近特性,能够获得连续空间函数的稀疏表达,同时具有区域平滑性、很好的可逆性和去冗余性。实验结果表明,本方法即使在背景复杂的环境下也具有良好的检测效果。

一种基于非线性特征提取的被动声纳目标识别方法研究

目标噪声特征提取是被动声纳目标识别系统的关键技术。首先提出了一种利用从噪声极限环中提取的非线性特征来分析舰船噪声信号的新方法,然后采用基于自适应遗传BP算法的神经网络对提取的特征进行分类。实验结果表明,该系统具有较好的分类效果。

装配式建筑平面激光点云数据线性特征提取方法

提取建筑物线性特征时,由于未对采集到的建筑物点云数据预处理,导致最终提取的建筑物线性特征存在完整度差、提取正确率低的问题,对此,提出装配式建筑平面激光点云数据线性特征提取方法。通过内设激光测距系统获取建筑物在三维向量的有效数据,采用非接触式几何支撑系统建立基于有效数据的空间向量模型,将该模型输入三维激光扫描仪的目标物体表面校正系统中,获取到建筑物的整体点云数据。利用Otsu目标检测法对获取的整体点云数据进行优化处理,采用改进IFFT算法建立基于优化数据的物像空间位姿表征模型,利用连续投影算法提取网格内部特征点并连接成线,完成建筑物点云数据线性特征的提取。实验结果表明,所提方法的装配式建筑平面激光点云数据线性特征提取清晰度高、完整度好,且建筑物线性特征的提取正确率最高可达100%,说明该方法具有实用性。

基于beamlet变换的图像线性特征提取

Radon变换常用于图像直线特征的提取,但是在检测线段时,Radon变换无法提供线段的端点以及长度信息,在提取被噪声严重污染的图像中的线性特征时存在巨大困难。beamlet是一个多尺度的在一定范围内的位置、方向和尺度下二进组织的线段库,具有分级、多尺度的特性。beamlet变换是近年来蓬勃发展的多尺度几何分析理论的一种,特别适合于提取图像中的线性特征。该文描述了一个多尺度图像分析的框架,其中线段起到的作用类似点在小波中起的作用。论文研究了beamlet变换的实现方法,并将beamlet变换应用于被噪声严重污染的图像中线性特征的提取。实验证明该方法具有很好的效果。

一种运用非线性特征提取的动车牵引齿轮箱故障可靠诊断新方法

动车牵引齿轮箱是其动力源保障,开展齿轮箱故障诊断能够保证机车安全运行。但是目前在故障非线性特征方面仍需进一步研究。为此,提出了一种新的动车牵引齿轮箱故障诊断方法,利用集合经验模态分解(EEMD)和局部线性嵌入(LLE)优异的非线性分析能力巧妙提取齿轮振动信号的关键特征,并利用支持向量机(SVM)实现对齿轮箱多种故障的可靠诊断。通过齿轮箱故障试验台进行实验分析,结果表明,提出的新方法能够有效检测齿轮磨损、裂纹以及断齿故障,且诊断率比现有方法(如线性特征提取方法)高5%,从而验证了新方法是有效的,有望应用于工程实践之中。

位场数据线性特征提取技术在扎河坝地区构造划分中的应用

为精细解译划分新疆扎河坝地区地质构造,指导地质找矿工作,在介绍研究区地质背景、布格重力异常、航磁异常特征的基础上,分别采用水平方向导数和总水平梯度倾角法(TAHG)对研究区布格重力异常数据进行线性构造提取对比分析。结果表明,后者较传统方向导数法,提取构造的连续性更强,能识别出不同规模层次的断裂,精度更高。通过综合研究,共识别区内一级断裂(深大断裂)5条,二级断裂25条,取得了较好的应用效果。

基于非线性特征提取的人脸识别算法研究

自然场景下的人脸图像数据通常分布在非线性的高维空间中,因此,传统线性特征提取算法难以获得鲁棒的特征。针对上述问题,提出一种基于非线性提取的人脸识别算法。该算法将非线性特征提取算法引入到人脸识别的过程中,对人脸特征匹配阈值进行预处理,将模拟遗传退火算法和深度信念网络相融合,先利用模拟遗传退火算法优化深度信念的网络连接权值,在此基础上对预处理人脸特征匹配阈值进行寻优,增强了传统算法对于天气、光照、形态等多种外界因素的鲁棒性。实验仿真证明,该算法提取特征的稳定性强,能有效的识别人脸图像,精度较高。

一种基于非线性特征提取的数据降维算法

为了获得良好的图像分类效果,需要采集尽可能多的图像数据特征,进而使得图像原始特征空间的维数越来越高,造成维数灾难.特征提取是通过线性或者非线性映射,将高维特征空间映射到低维空间,从而降低数据维数.现有的特征提取算法往往忽视了数据本身特有的复杂结构以及非线性因素,造成映射方向的模糊以及分类精确度的缺失.充分考虑了图像数据本身的二维特性,通过改进的非线性特征提取方法、流形学习方法来提取图像特征.实验表明,该算法在不影响图像分类效果的前提下可以大大降低数据维数,减少计算复杂度.

基于非线性尺度空间与极坐标分布熵的GIS局放特征提取方法

气体绝缘组合电器(gas insulated switchgear,GIS)局部放电(partial discharge,PD)缺陷类型的准确识别对电力设备的状态评估与故障诊断至关重要,为了解决PD模式识别中特征提取准确性不足的问题,该文提出一种基于极坐标分布熵优化的非线性尺度空间特征(KAZE)提取方法。首先,对光、电单参量图谱进行非下采样轮廓波变换(non-subsampled contourlet transform,NSCT),得到包含信息更丰富的光电融合图谱;然后,利用KAZE算法提取图谱典型特征点,并依据相位、幅值、尺度信息将特征点发散至极坐标,提取子区域分布熵构成特征向量;最后,将特征信息带入经自适应增强算法(Adaboost)优化的长短期记忆网络(long short-term memory,LSTM)进行模式识别验证,并与KAZE法、统计参数法、卷积神经网络(convolutional neural networks,CNN)进行对比。结果表明,该文提出的特征提取方法在不同训练集分布下均可达到较高的识别率,最高可达91%,相较于统计参数法、CNN分别提升8.8%和4.4%,可以为提高GIS局部放电特征提取准确性提供参考。

故障诊断中非线性耦合特征提取方法研究

本文在高阶谱域研究故障诊断中非线性耦合特征提取,为了简化计算并得到有效的二次相位耦合特征,将双相干特征的计算转化到极坐标下进行.在分析故障机理的基础上,仅通过计算几个角切片来提取特征,该思想很易于推广到其它高阶方法中.最后,通过对轴承进行实验证明了该方法的有效性.

基于电子鼻与非线性特征提取建模的猪肉鲜度快速分析方法

本文研究了一种基于电子鼻和非线性特征提取建模的猪肉鲜度快速分析方法。使用电子鼻系统连续9 d检测低温储藏猪肉样品,同时检验不同存放时间猪肉样品的挥发性盐基氮指标以标定样品的新鲜度。采用主成分分析和非线性随机共振方法处理电子鼻检测数据。主成分分析方法不能完全区分不同鲜度的猪肉样品,而随机共振信噪比谱可解决这个问题。采用信噪比极大值经线性拟合回归构建猪肉鲜度预测模型,验证试验结果表明该模型可准确、快速地预测猪肉样品的鲜度,该方法具有较好的实际应用价值。

基于皮肤电导的非线性情感特征提取研究

皮肤电信号作为一种重要生理信号,已证明其中包含可靠情感信息.在实验室诱发情感生理信号过程中,采用2遍情感视频播放机制,在第二遍观看视频过程中获取了记录被试主观情绪体验的"情感重评按键文件",据此可截取可靠的情感皮肤电信号.采用多种非线性分析方法,计算相应的非线性特征,如最大Lyapunov指数、关联维、近似熵、递归定量分析和多重去趋势波动分析等.基于所提取特征,采用多种分类器KNN,Fisher判别,SVM进行情感识别性能的比较研究,结果显示SVM具有更好的分类精度.之后,采用SVM分类器比较传统的统计特征与非线性特征在识别目标情感性能上的差异,结果表明非线性特征能获得更好的识别精度.研究结果显示,基于非线性特征构建情感识别模型是可行的.

基于greedy GDA的训练数据减少和非线性特征提取方法

针对大数据集情况下标准广义判别分析(GDA)方法进行非线性特征提取时计算复杂度较高的问题,提出了基于GGDA(greedy GDA)的训练数据减少和非线性特征提取方法.该方法用greedy核主成分分析方法的greedy技术对训练数据选取子集;然后用GDA方法对子集而不是全部训练数据训练特征提取模型;并用几种特征提取的数据进行分类对比实验.实验结果表明,GGDA和GDA方法的特征提取性能优于其他对比方法,GGDA方法不仅较好地保持了GDA方法的特征提取性能,而且减少了大数据集进行非线性特征提取的计算复杂度.

用方向性的形态变换方法提取遥感图像上线性特征

从遥感图像特别是高分辨率遥感图像上提取线性特征是当前的研究热点。尝试用方向性形态变换的方法来提取线性特征。采用白Tophat变换，并运用多个角度(0°，45°，90°，135°)和不同长度的线段结构元素，对韩国KOMPSATEOC高分辨率全色(6．6m分辨率)影像进行线性特征提取，探讨了结构元素的原点位置、角度、和尺寸等对变换结果的影响。结果表明：(1)采用白Top-hat变换能够显著地增强线性特征而压制其它非线性特征，是一种非常有效的增强和提取图像线性特征的方法；(2)采用特定角度的线段结构元素能够提取与之垂直角度的线性特征；(3)随着线段结构元素长度增大，连续性变好，但与结构元素同角度的噪声也会随之增加，因此最佳的线段结构元素长度的确定应同时考虑增强线性特征和减少噪声两方面的因素。

非线性时空正则化的相关滤波目标跟踪算法

针对目标跟踪过程中跟踪模型容易漂移,以及对于多样性形态变化的目标不能进行鲁棒跟踪的问题,结合生物视觉感知规律提出了非线性时空正则化的相关滤波目标跟踪算法。在目标函数中提出贴近人类视觉感知幂定律的非线性滤波更新的时间正则项,相比于时空正则相关滤波器(spatial-temporal regularized correlation filters,STRCF)中固定的时间正则项,非线性滤波更新的时间正则项可以根据跟踪的时间变化进行自适应更新,同时采用交替乘子法降低算法复杂度。提取非线性的梯度方向直方图(histogram of oriented gradient,HOG)特征,使用符合生物映射的对数极坐标进行尺度适应。根据最大响应值与平均峰值相关能量的关系进行遮挡异常检测,降低模型漂移的机率,增强算法的抗遮挡能力。实验结果表明,该算法在OTB2015数据集上的精确率和成功率分别达到89.8%和83.3%,该算法相比于STRCF在精确率上提升了2.5%,在成功率上提升了3.2%,在OTB2013与OTB2015数据集上的11种属性的分类对比中,该算法在旋转、低分辨率、背景杂乱、光照变化等因素干扰下的目标跟踪中具有较高的精确率和较强的鲁棒性。

半监督类保持局部线性嵌入方法

为使局部线性嵌入(local linear embedding,LLE)这一无监督高维数据的非线性特征提取方法提取出的特征在分类或聚类学习上更优,提出一种半监督类保持局部线性嵌入(semi-supervised class preserving local linear embedding,SSCLLE)的非线性特征提取方法。该方法将半监督信息融入到LLE中,首先对标记样本近邻赋予伪标签,增大标记样本数量。其次,对标记样本之间的距离进行局部调整,缩小同类样本间距,扩大异类样本间距。同时在局部线性嵌入优化目标函数中增加全局同类样本间距和异类样本间距的约束项,使得提取出的低维特征可以确保同类样本点互相靠近,而异类样本点彼此分离。在一系列实验中,其聚类精确度以及可视化效果明显高于无监督LLE和现有半监督流特征提取方法,表明该方法提取出的特征具有很好的类保持特性。

基于非线性DCT鉴别分析的人脸识别

有效的特征提取是人脸图象识别的关键技术。该文提出了一种非线性DCT鉴别特征提取方法并将其应用到人脸识别中。首先对人脸图像做DCT变换并选择合适的频段,然后使用广义KDCV方法来提取这些频段中的非线性鉴别特征。在FERET人脸库上的实验证明了该方法的有效性。