改进随机子空间LDA结合多补丁集成学习的鲁棒人脸识别算法

针对化妆对人脸识别准确率的负面影响,提出了基于补丁集成学习的改进鲁棒人脸识别算法。将每张人脸图像嵌入补丁中,并用一组特征描述符描述每个补丁,即本地梯度Gabor模式(LGP)、Gabor空间定序定比测量直方图(HGSFRM)和密集采样局部多值模式(DSLMP)。使用改进的随机子空间线性判别分析(SRS-LDA)方法采样补丁,并在化妆之前与化妆之后图像之间建立多个公共子空间进行集成学习。利用协作和稀疏表示分类器比较这个子空间中的特征向量,同时通过求和规则联合得到分数。实验将提出的算法在多种化妆数据集上进行评估分析,结果表明提出的算法相比于其他专为妆后人脸识别设计的算法有更高的识别精度。

基于自适应集成补丁变换的齿轮故障诊断方法

针对集成补丁变换(ensemble patch transformation,EPT)进行信号分解时易出现模态混淆和参数无法自适应的问题,提出一种基于自适应集成补丁变换(adaptive ensemble patch transformation,AEPT)的齿轮故障诊断方法。在AEPT分解过程中,通过极值约束获得若干个采样点,并以此完成信号局部划分,实现信号降噪;结合极值点周期设置补丁参数,搭建集成补丁结构;通过迭代和筛分将任意一个非线性非平稳信号自适应地分解为若干个瞬时频率具有物理意义的集成补丁分量(ensemble patch component,EPC)。通过调幅仿真信号、齿轮故障仿真信号和实际齿轮裂纹信号进行试验验证,结果表明,AEPT方法在抑制模态混淆、鲁棒性等方面具有明显优势,可以有效地完成齿轮故障诊断。