基于ICA-RBF神经网络的沥青混合料疲劳性能预测

为研究沥青混合料在多因素环境下疲劳性能的变化趋势,提出一种基于MATLAB软件的优化神经网络预测模型,结合帝国竞争优化算法(imperialist competitive algorithm,ICA)与径向基(radial basis function,RBF)神经网络的优势,构建ICA-RBF神经网络模型,采用拟合优度、平均相对误差、均方根误差分析RBF与ICA-RBF两种模型的预测结果,通过输出权值矩阵计算各影响因素的权重。在52组多变量因素实验数据中随机选取12组样本对模型进行检验,结果表明:ICA-RBF优化模型拟合优度为0.97,与RBF模型相比,ICA-RBF模型更稳定,且整体精度也较高。

基于采样的二维独立分量分析的单训练样本人脸识别

人脸识别是当前人工智能和模式识别的研究热点。二维独立分量分析(two-dimensional independentcomponent analysis,2DICA)是人脸特征描述和识别地一种非常有效的方法,但是必须有一定数量和代表性的训练样本的支持。当仅有一个训练样本时,该方法中的协方差矩阵就变成了零矩阵,方法就会失效。针对这一问题,提出了一种基于采样二维独立分量分析(sampled two-dimensional independent component analysis,S2DICA)人脸识别方法。该方法是在2DICA运算之前,首先对单训练样本进行采样,通过多频率采样可以获取多个不同频率下的采样样本,然后对采样样本进行2DICA特征提取,最后采用神经网络分类识别,对人脸库ORL和YEL作了相关实验,将该方法与GREY、PCA、ICA、2DICA、PC PCA、FLDA、Sampled FLDA等传统方法作了比较,最终证明了该方法可以有效地解决单训练样本人脸识别的问题。

基于小波域多尺度Retinex的复杂光照的人脸识别

针对Retinex模型在处理光照不均匀图像的不足,提出了组合小波域多尺度Retinex模型(DWT-MSR)和ICA识别方法,并将其用于不同光照下的人脸识别。在二维小波变换后的小波域中,将其低频小波系数变换到对数空间,使用三种不同的高斯滤波系数和对数空间中的小波系数进行卷积运算,将三种标准偏差尺度下得到的结果进行加权平均,采用gain/offset的方法,对输出图像进行灰度值线性拉伸;小波域中其他三种高频系数保持不变,然后再将变换后的低频系数和高频系数作小波反变换,得到的新图像则为小波域多尺度Retinex模型的处理结果,最后使用定点独立分量分析和神经网络进行分类识别。经实验证明,基于该模型的方法在处理不同光照下的人脸图像时,效果明显优于Grey,Hist,SSR,Embossing,MSR,Quotient等常见的光照处理方法。

组合局部多通道Gabor滤波器和ICA的人脸描述与识别

针对人脸识别是当前人工智能和模式识别的研究热点,提出了一种组合局部Gabor滤波器组和ICA技术(简称LMGICA)的人脸描述方法,首先对归一化的人脸图像进行采样分块,然后对局部子块进行多方向、多分辨率Gabor小波滤波,并提取其对应不同方向、不同尺度的多个Gabor幅值域图谱(local Gabor magnitude map,LGMM),接着由滤波图像直接构建高维特征矢量;再将这些高维特征矢量通过主成分分析进行降维;最后采用ICA技术分析和提取降维后的特征矢量中的独立成分用于识别分类。通过与经典Gabor滤波器、PCA、ICA等方法的对比实验,验证和评价了本方法的性能。

基于Fast ICA的多说话人识别系统

针对多人混合语音条件下说话人身份难以识别的问题,提出了一种使用快速独立分量分析(Fast ICA)方法分离各个说话人的语音信号,并采用RBF神经网络方法进行说话人识别的策略.由于不同语音源信号保持相对独立,利用盲信号分离的思想,使用Fast ICA方法用于信号的分离,从而对获得的独立语音数据分别提取说话人特征,采用RBF神经网络模型实现多说话人身份的识别.实验结果表明,该方法能有效地实现混合语音条件下的说话人识别.

独立分量分析在伤口感染监测电子鼻技术中的应用

针对传统的伤口感染诊断方法耗时长,操作复杂等问题,提出了一种基于电子鼻和独立分量分析(ICA)的方法来检测常见的伤口感染病原茵。该电子鼻的传感器阵列由6个金属氧化物半导体传感器组成,分别对七种常见病原菌产生响应,然后利用RBF神经网络对经ICA预处理后的数据进行识别。结果表明,ICA对气体传感器阵列测量数据进行预处理,可以简化神经网络的结构,减少计算量,并能提高伤口感染病原茵识别的准确率。