基于邻域保留投影的工作模态参数识别

针对拉普拉斯特征映射和等距离映射算法识别弱非线性特征模态精度低的缺点,提出一种利用邻域保留投影算法的工作模态参数识别方法。该方法利用局部线性特征寻找结构位移响应数据的低维嵌入数据,低维嵌入数据与模态坐标响应矩阵相对应;利用单自由度识别技术从模态响应矩阵中识别出结构的模态固有频率;再用最小二乘广义逆估计变换矩阵,变换矩阵与模态振型矩阵相对应。该方法能够保留数据的局部线性特征,从而识别弱非线性模态。通过三维圆柱壳仿真数据集的识别结果表明,相比拉普拉斯特征映射和等距离映射算法,邻域保留投影算法能够更有效地识别出弱非线性特征模态的参数,平均识别精度更高。

基于滑动窗邻域保留投影的工作模态分析

为了识别线性慢时变结构的工作模态参数,提出一种基于滑动窗邻域保留投影(MWNPE)的工作模态参数识别方法。该方法基于“时间冻结”理论,利用固定长度的窗口,将每个窗口内的非平稳信号看作平稳的随机序列,从而将线性时变结构离散成有限个线性时不变结构。在每个窗口内,利用邻域保留投影算法寻找窗口内位移响应数据的低维嵌入,低维嵌入与模态坐标响应矩阵相对应;再利用单自由度识别技术从模态响应矩阵中识别出窗口的模态固有频率;最后,利用最小二乘广义逆估计出变换矩阵,变换矩阵与模态振型矩阵相对应。通过质量慢时变三自由度(DOF)的仿真结构验证表明,所提方法能有效识别出线性慢时变结构的工作模态参数,且识别精度优于滑动窗主成分分析方法和滑动窗等变自适应源分离(EASI)方法。

基于子分类器融合的部分遮挡人耳识别

遮挡是人耳识别中一个难以回避的问题,本文对人耳受到部分遮挡的识别问题进行了研究。在分析人耳不同位置的鉴别能力的基础上,提出了一种基于决策层的子分类器融合的识别方法:首先将图像分割为若干连续但不重叠的子窗口;对每个子窗口,利用邻域保留嵌入算法进行特征提取,然后利用最近邻分类器进行识别;根据这些子分类器识别率的高低,可以得到相应的子窗口的鉴别能力;接下来再利用具有较高鉴别能力的子分类器进行融合识别来解决部分遮挡问题。在USTB人耳图像库上的实验结果表明人耳图像中确实有部分区域具有更高的鉴别能力,利用这些区域即可进行身份识别,而且本文提出的基于局部信息融合的方法比基于原始图像直接进行识别的方法具有更高的识别率,尤其适合于解决人耳识别中的部分遮挡问题。

核监督鉴别投影分析在人脸识别中的应用

提出一种核监督鉴别投影分析方法.首先将训练样本通过一个核函数非线性映射到特征空间,在该特征空间分别计算样本的局部、非局部和类内离散度,设计了一个改进的鉴别准则函数,基于该准则获得一组最优投影轴,使得投影后的样本不仅保留局部邻域信息,而且能够抽取更有利分类的非线性鉴别特征.在Yale人脸数据库上的实验结果表明:文中方法有效且性能优于Fisher线性鉴别分析和非监督鉴别投影分析方法.