基于非线性核脊回归算法的海洋微生物发酵参数软测量

针对海洋微生物溶菌酶发酵工艺中参数实时测量,采用根据发酵过程中主辅变量关系的相关灵敏度矩阵绝对值最大元素排序选择辅助变量,运用非线性核脊回归(NKRR)算法预测主导参数的软测量方法。相关灵敏度矩阵反映主辅变量联系,根据发酵实际实验得到。改进直接优化的非线性核脊回归算法辨识发酵非线性系统,将空间Rn中主导变量和辅助变量非线性函数映射关系转化为空间H中的线性划分,运用M ercer条件的核函数求解回归方程,避免直接计算变量映射函数及其内积。通过仿真研究和比对SVM、径向基神经网络(RBFNN)两种算法的实际运行结果表明,该软测量方法具有较好的泛化性能,实时性和准确性可以满足要求。

基于非线性核的SVM模型可视化策略

可视化技术已经成为大数据分析的重要研究方向。非线性支持向量机(SVM)可视化表达有利于理解分类模型内在分析机制,增强分类可信度,对支持向量机应用推广具有重要意义。将超过两维空间的非线性核SVM模型分为三维特征模型与多维特征模型两类。针对不同模型研究实现了基于移动最小二乘法拟合的三维特征模型超平面可视化策略与基于t-SNE点重构的多维特征模型超平面可视化策略。在UCI公开数据集上验证所提出的策略,实验结果表明,该可视化策略能够剖析SVM模型的分类机制,在一定程度上解决了多维空间非线性核超平面难以刻画的问题。

基于语义分割和像素非线性核的视频去模糊

由于相机抖动、物体运动和深度变化等因素将不可避免地造成视频模糊,论文利用每个模糊帧中的语义分割来理解场景内容,并使用不同的图像区域运动模型来实现光流估计。分析了运动模糊轨迹与光流之间的关系,并提出了一种基于像素模糊非线性核(PWNLK)模型来解释运动模糊,所提出的模糊模型基于非线性光流来更有效地描述复杂的运动模糊。对模糊视频进行了大量的实验表明,所提出的算法相对于其他方法具有更好的性能。

融合相似性度量加权核偏最小二乘的烷烃气体定量分析方法

烃类气体含量的有效监测是油气勘探开采过程中安全保障的重要环节。红外光谱法作为一种安全高效的检测方法,受到现场工程师的关注,但主要采用离线模型进行测量,无法较好应对现场复杂的工况及变化多样的非线性影响因素,导致离线模型不更新而难以维持较高的预测精度。为此,提出了一种融合相似性度量加权核偏最小二乘的即时学习建模策略。首先设计了一种多相似性度量准则融合的样本相似性判别依据,有效筛选历史样本用于在线建模,其次在局部PLS模型中引入非线性核函数,实现非线性特征的有效提取,弥补线性偏最小二乘模型的非线性处理能力。在构建的多组分混合气体红外光谱数据上的实验结果验证了该方法的有效性,拟合优度R2达到0.994 1,RMSE和MRE相比PLS模型分别提升了43.6%和85.8%,可有效用于烃类气体红外光谱定量分析模型的在线更新与高精度预测。

一种基于核的快速非线性鉴别分析方法

基于"核技巧"提出的新的非线性鉴别分析方法在最小二乘意义上与基于核的Fisher鉴别分析方法等效,相应鉴别方向通过一个线性方程组得出,计算代价较小,相应分类实现极其简便.该方法的最大优点是,对训练数据进行筛选,可使构造鉴别矢量的"显著"训练模式数大大低于总训练模式数,从而使得测试集的分类非常高效;同时,设计出专门的优化算法以加速"显著"训练模式的选取.实验表明,这种非线性方法不仅具有明显的效率上的优势,且具有不低于基于核的Fisher鉴别分析方法的性能.

基于深度网络特征提取与核非线性分类的视频行为识别

行为识别是视频分析的重要任务。本文利用稀疏自动编码机和卷积神经网络这两种典型的深度网络从视频运动历史图像中提取行为特征,利用最优泛化核非线性分类器对特征进行分类,实现行为识别。实验结果表明,与常用的特征提取和分类算法相比,所探讨算法正确识别率更高;而最优泛化核非线性分类器比常用的分类器能更好地兼顾识别效果和效率。

基于序列特征组合与核非线性回归预测蛋白质折叠速率

选取可压缩性、LZ复杂度等特征值,将它们和20种氨基酸属性C_a,K^0,P_β,R_a,ΔASA,PI,H_t,M_μ,Esm进行组合,表征蛋白质序列.建立多元核非线性回归模型,用核非线性回归模型计算了83个蛋白质的折叠速率预测值.由Jack-knife检验方法得知在不同的结构中不同组合特征值与相应折叠速率有较好的相关性.实验结果表明:多元核非线性回归模型其预测精度及可行性高于线性回归模型,计算复杂度低和方便易操作等优点,具有良好的应用前景.

基于时变特征和核非线性分类器的飞机目标识别

基于雷达目标距离像,研究时变特征提取和核分类器在雷达目标识别中的应用。由于距离像敏感于目标姿态角的变化,单纯的时域或频域方法难以完整刻画目标的散射特性,因此文中采用时频分析方法,首先提取出距离像时频分布的特征参量,再利用主元分析法降低维数,最后采用基于核的非线性分类器进行目标识别。仿真数据和实测数据表明,该方法具有较好的识别效果。

新的非线性鉴别特征抽取方法及人脸识别

在非线性空间中采用新的最大散度差鉴别准则,提出了一种新的核最大散度差鉴别分析方法。该方法不仅有效地抽取了人脸图像的非线性鉴别特征,而且从根本上避免了以往核Fisher鉴别分析中训练样本总数较多时,通常存在的核散布矩阵奇异的问题,计算复杂度大大降低,识别速度有了明显的提高。在ORL人脸数据库上的实验结果验证了该算法的有效性。

基于混合核函数高斯过程的大坝变形预测方法

传统大坝变形预测方法多基于统计模型,并未考虑输入变量和输出变量间非线性映射关系,且模型调参过程复杂、耗时,易出现过拟合现象。针对上述问题,提出一种组合非线性核函数高斯过程回归的大坝变形预测分析方法,并以某高混凝土拱坝实测监测数据为例,建立预测模型并评估验证,同时用已有的3种常规变形预测方法进行对比。结果表明:该方法多个量化回归精度评估指标均显著优于对比方法,验证了其有效性和泛化能力,该方法对于大坝异常监测数据评估、异常行为诊断均具有重要意义。

高斯序列核支持向量机用于说话人识别

说话人识别问题具有重要的理论价值和深远的实用意义,在研究支持向量机核方法理论的基础上,将其与传统高斯混合模型(GMM)相结合构建成基于高斯序列核的支持向量机(SVM)。SVM的灵活性和强大分类能力主要在于可以根据要处理的问题来相应的选取核函数。在识别的过程中引入特征空间归正技术NAP(Nuisance Attribute Projection)对同一说话人在不同信道和环境所带来的特征差异进行弥补。用美国国家标准与技术研究所(NIST)2004年评测数据集进行实验,结果表明该方法可以大幅度提高识别率。

数控系统连接相关故障的核PCA监测方法

针对半闭环数控系统中可能出现的联轴器及连接螺栓松脱、连接杆件裂损等一类故障,利用系统中电动机驱动装置提供的冗余力矩监视信号和编码器反馈信号,通过将系统的动力学模型作为非线性核函数,提出一种基于核的主元分析故障监测方法。该方法解决了数控系统中由于位置和转矩间的非线性关系而带来的分析困难,进而使得故障发生时的特征能够得到准确及时提取。通过对X-Y数控平台中联轴器松脱故障监测实验,验证了该方法对于上述一类故障的有效性和实用性。

核不相关最优辨别矢量集与飞机目标识别

线性不相关辨别分析具有提取目标统计不相关辨别特征的优点,但受限于其线性本质,使它无法获取目标的非线性特征。针对此问题,本文结合核机器学习理论提出了核非线性不相关辨别分析算法。首先引入一非线性映射,将原始输入空间映射到一个具有线性特性的高维特征空间,然后利用瞬时对角化协方差矩阵的方法提取核不相关最优辨别矢量集。对三类不同飞机实测回波数据的仿真结果表明了所提方法的有效性。

最优的核判别分析用于雷达目标识别

特征提取是雷达目标识别研究中的重要问题,有效、稳健的特征是提高识别率的关键。核判别分析(KDA)是一种抽取非线性特征的有效方法,但它会因为奇异性问题而难以求解。基于子空间投影的思想,给出一种最优的核判别分析(OKDA)方法,用于对雷达目标的距离像进行特征提取,然后采用基于核的非线性分类器对所提取的特征进行分类,实现对雷达目标的识别。分别对仿真和实测距离像进行实验,结果表明该方法具有较好的识别效果。

基于核方法的雷达目标一维距离像识别

由于雷达目标及其所处环境的复杂性,导致不同目标之间的关系往往是非线性的.研究基于核的非线性方法,并将其应用于雷达目标一维距离像识别.核Fisher判别分析(KFDA)是一种抽取非线性特征的最有效方法之一,但它往往会面临小样本问题.针对此问题,给出一种null-KFDA方法,对距离像进行特征提取.然后,采用一种新的核非线性分类器——KNR(kernel-based nonlinear representor),对所提取的特征进行分类.对3种飞机的实测距离像进行实验,结果验证了null-KFDA的有效性.此外,与非线性支持向量机(SVM)和径向基函数神经网络(RBFNN)相比,KNR分类器具有更优的识别性能.

结合混合核特征映射的空域图像隐写分析

为了将高维富模型特征投影与分类器结合,降低隐写图像的检测误差,提出对高维富模型特征分割再结合混合核的特征投影算法的隐写分析方法。将高维特征纵向分解为若干特征块,对每个特征块投影,投影后的特征块拼成新的特征。设计非线性混合核函数代替单核函数进行特征投影,以克服样本规模巨大、多维数据的不规则等现象。投影后的特征用FLD(Fisher Linear Discriminant)集成分类器分类。实验结果表明,该方法进一步降低了隐写图像的检测错误率,同时有效降低了运行内存需求。

基于高阶相关的稀疏化和径向基核分类法

非平稳信号处理理论中高阶统计量方法被广泛应用于模式识别以提取稳健特征,但算法本身需要解决计算量大的问题,加上训练样本具有冗余性,因而限制了模式特征提取和分类速度。该文将计算高阶统计量转化为求相关系数,研究高阶相关在样本稀疏化以及基于径向基核的非线性分类方面的应用。首先采用最大匹配系数法确定相关阶数,然后对训练样本稀疏化,最后将高阶相关应用于SVM、KNR两种核非线性分类器进行分类识别,避免了高阶统计量的直接计算,减少了训练和分类时间。对手写数字和8种飞机的仿真数据进行实验,结果表明该方法具有较好的稀疏效果和识别效果。

带弱奇异核非线性积分微分方程的有限元分析

讨论了带弱奇异核的非线性抛物积分微分方程的Hermite型各向异性矩形元逼近.在各向异性网格下导出了关于Riesz投影的L^2和H^1模的误差估计.在半离散和向后欧拉全离散格式下,基于Riesz投影的性质并利用平均值技巧,分别得到了L^2模意义下的最优误差估计.

基于机器学习的云存储数据分段聚类方法仿真

针对传统的云存储数据分段聚类方法存在运行效率较低、聚类结果不够平滑等问题,提出一种基于机器学习的云存储数据分段聚类方法。从云存储数据库中合理抽取多个小数据集,小数据集包含云存储数据库中的所有自然簇,根据相似度定义构建相似度矩阵。采用非线性核主成分算法实现对相似度矩阵中数据相似度的测度,通过相似度测度将具有相同特征的数据归为一类,采用混合高斯分布概率密度模型计算不同类别数据的后验概率,通过对概率大小的比较实现云存储数据分段聚类。实验结果证明,所提方法能够缩短聚类运行时间,将聚类变化度降低到29%,有效提高了聚类结果的平滑度。

非线性有限自动机的代数理论——兼谈FAPKC3公钥密码体制

引入半环描述输入存贮有限自动机及其复合运算,对非线性有限自动机的弱可逆性理论进行了代数化处理,提出相对基本分解并引出非线性核的概念等。作为应用,对FAPKC3公钥体制(文献[1])提出称之为“非线性核攻击”的攻击方法,由此提出该体制中私钥的非线性核必须符合的三条准则,并指出是否存在以及如何构造足够多的符合这些准则的密钥是有待研究的问题。