活性艳蓝染料KNR的辐照降解研究

用Coγ射线辐照活性艳蓝KNR水溶液,研究活性染料的辐照降解特性。以脱色率和化学需氧量COD60(Chemicaloxygendemand)去除率为降解指标,研究了活性艳蓝KNR水溶液在受辐照前后的紫外可见光谱变化,并探讨了吸收剂量、H2O2加入量、初始浓度、溶液pH值和溶液在不同气体饱和下对降解效果的影响。结果表明,辐射技术能有效降解活性艳蓝染料,脱色效果十分理想,COD去除率可达80%以上。

基于KLLE和KNR的雷达目标一维像识别

局部线性嵌入(LLE)是一种有代表性的流形学习算法,利用核技术将LLE进行推广,得到核局部线性嵌入算法,并将其应用于雷达目标一维距离像的特征提取。然后采用一种基于核的非线性分类器,对所提取的特征进行分类。对3种飞机的实测数据进行识别实验,结果表明,该方法具有较优的识别性能。

基于分组SVR和KNR的单帧图像超分辨

基于学习的图像超分辨是超分辨领域的一类新方法,该方法通过建立映射模型有针对性地对图像目标进行恢复,取得较好的超分辨效果,但往往需要大量学习样本,实际情况中一般难以满足。在无高分辨清晰图像库作为训练样本的前提下,从低分辨图像与其插值图像之间的关系出发,引入分组的思想,采用支持向量回归(SVR)或核非线性回归(KNR)对"组"建立局部映射模型,利用局部模型针对性地重新估计被插值的像素点。结果表明该方法有明显的超分辨效果。

基于SVM和KNR的体型分类算法

本文提出一种基于人体宽高比的体型分类算法。首先提取人体主躯干(肩宽、体长)数据,减小衣着、手臂对体型的影响,然后以主躯干的宽高比为特征,尝试用KNR(核非线性回归)实现体型分类,并与SVM(支持向量机)的性能相比较。实验结果表明,KNR总体取得了较好的分类效果。

AN ADAPTIVELY TRAINED KERNEL-BASED NONLINEAR REPRESENTOR FOR HANDWRITTEN DIGIT CLASSIFICATION

In practice, retraining a trained classifier is necessary when novel data become available. This paper adopts an incremental learning procedure to adaptively train a Kernel-based Nonlinear Representor (KNR), a recently presented nonlinear classifier for optimal pattern representation, so that its generalization ability may be evaluated in time-variant situation and a sparser representation is obtained for computationally intensive tasks. The addressed techniques are applied to handwritten digit classification to illustrate the feasibility for pattern recognition.

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.

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。

基于多帧融合及四参数仿射模型的图像超分辨

运动参数估计和复原是多帧图像超分辨重构中最重要的两个环节,其中经典的Fourier-Mellin变换方法于频域采用对数极坐标形式和相位相关方法结合来估计运动参数。相位相关是整像素级平移参数估计方法,将其改进为亚像素级平移参数估计方法,以提高旋转、缩放参数的估计精度。对于复原算法,在讨论基于局部信息的传统双三次插值超分辨重构方法的基础上,重点探讨基于全局信息的Kriging插值超分辨重构和核非线性回归(KNR)超分辨重构方法。实验结果表明,探讨的参数估计方法和超分辨重构方法是有效的。

概率密度估计中的核非方法及应用研究

概率密度函数估计是统计数据分析的基础。在对有关估计的方法包括经验估计法、Parzen窗及支持向量机回归估计法介绍的基础上,本文介绍了一种核非线性回归的方法(核非方法)进行密度估计。实验结果表明基于核非方法的密度估计精度高、实现简单、执行速度快,具有一定的应用价值。