Supervised Kernel Uncorrelated Discriminant Neighborhood Preserving Projections

To separate each pattern class more strongly and deal with nonlinear ease, a new nonlinear manifold learning algorithm named supervised kernel uneorrelated diseriminant neighborhood preserving projections （SKUDNPP） is proposed. The algorithm utilizes supervised weight and kernel technique which makes the algorithm cope with classifying and nonlinear problems competently. The within-class geometric structure is preserved, while maximizing the between-class distance. And the features extracted are statistically uneorrelated by introducing an uneorrelated constraint. Experiment results on millimeter wave （MMW） radar target recognition show that the method can give competitive results in comparison with current papular algorithms.

一种基于改进KICA的非高斯过程故障检测方法

针对基于核独立元分析(kernel independent component analysis,KICA)的故障检测方法只考虑非高斯信息提取而忽略局部近邻结构保持的问题,提出基于改进KICA的过程故障检测方法。将KICA法中只考虑非高斯信息提取的负熵最大化准则转换为熵最小化准则,结合局部保持投影的相似局部近邻结构准则,提出了同时考虑非高斯信息提取和局部近邻结构保持的目标函数,通过粒子群优化算法进行全局寻优,然后建立监控统计量对过程进行监控。在Tennessee Eastman过程上的仿真结果说明,与基于KICA的故障检测方法相比,所提方法能够在保持数据集局部近邻结构的同时,提取非高斯信息,能够有效缩短故障检测的延迟时间,提高故障检测率。

基于非线性降维的人脸识别新算法

提出了一种有监督的非线性核子空间人脸识别新方法。在核邻域保持投影方法的局部邻域构建过程中引入监督机制,更好地利用了人脸训练样本的类别信息,提高人脸识别的效率;在获取最佳重建权矩阵的过程中引入一个正则项约束,降低了其对噪声的敏感性。实验阶段,采用了AT&T和Yale人脸库和最近邻分类器测试该方法。结果表明,这种方法是有效的,且较无监督的KNPP方法及传统的经典人脸识别法具有更好的识别率和鲁棒性。

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.

改进局部保持投影算法及其在故障诊断中的应用

针对局部保持投影(LPP)的邻域参数设置主要依靠经验这一缺点,对LPP邻域参数的设置进行了改进设计,提出了改进局部保持投影算法(ILPP)。相比于LPP,ILPP中引入了核密度估计,使得邻域参数会根据数据集的样本密度而自适应的变化,可以更好地对高维数据集的流形结构进行保持。将ILPP用于齿轮典型故障的诊断中,实验结果表明,ILPP可以对不同故障类型数据进行有效区分,实现了故障诊断精度的提高。