基于子空间字典低秩表示的流形投影学习

低秩表示(Low-Rank Representation,LRR)能够将每个数据点表示为若干个基的线性组合,是一种获取样本底层低维结构的方法。然而,大多数LRR方法使用原始数据集作为字典,这不能揭示数据的真实分割。本文提出了基于子空间字典低秩表示的流形投影学习:该方法学习最优子空间作为LRR问题的字典,而不是使用原始数据集;利用基数最少的方案,低秩表示矩阵能很好地恢复原始数据;通过对投影矩阵施加行稀疏约束,该方法不仅可以选择鉴别性特征并忽略冗余特征,而且使子空间学习具有很好的解释性。此外,通过引入流形结构保持约束,使得样本的原始表示和距离信息在投影下保持不变。在多个真实世界数据集上的实验结果表明,该方法优于最近提出的一些相关方法。

基于均匀面阵的频控阵MIMO雷达无网格参数估计方法

现有的面阵场景下的频控阵(Frequency Diverse Array,FDA)MIMO雷达参数估计方法大多需要进行谱峰搜索,因此面临计算复杂度高、估计精度不够准确等困难。针对这一问题,提出了一种基于均匀面阵FDA-MIMO雷达的无网格参数估计方法。首先推导了角度和距离解耦的均匀面阵FDA-MIMO雷达模型,其次提出了适用于该模型的基于低秩矩阵重构的优化问题,并推导了基于交替投影的算法实现,以加快计算速度。最后通过仿真实验验证了所提算法在计算复杂度较低的同时具有较高的估计精度。

联合低秩重构和投影重构的稳健特征选择方法

针对当前特征选择方法依然受噪声影响以及无法将聚类效果和重构效果有效统一的问题,提出了一种稳健的特征选择方法。从干净数据和重构数据作差的思路着手,将低秩重构数据和投影重构数据作差构建稳健的重构误差项,并提出从学习到的干净数据上选择特征用于聚类。将干净数据的学习和特征选择技能进行联合学习,相互促进,从而提升方法在有噪数据上的稳健性,并且将重构效果和聚类效果进行有效统一。在5个数据集上与几种图嵌入角度的特征选择以及PCA重构角度的特征选择方法进行聚类实验对比,实验结果表明,除LUNG噪声数据集外,所提方法在2种评价指标(ACC和NMI)下都优于对比特征选择方法。

基于低秩子空间投影和Gabor特征的稀疏表示人脸识别算法

目前的人脸识别算法常常忽视训练过程中噪声的影响,特别是在训练数据和待测数据都受到噪声污染的情况下,识别性能会明显下降。针对含有光照变化、伪装、遮挡及表情变化等较大噪声的人脸识别问题,提出了一种基于低秩子空间投影和Gabor特征的稀疏表示人脸识别算法。该算法首先通过低秩矩阵恢复算法得到训练样本的潜在低秩结构和稀疏误差结构;然后利用主成分分析法找到低秩结构的Gabor特征所在低秩子空间的变换矩阵;再通过变换矩阵将所有样本的Gabor特征向量投影到低秩子空间上,在该低秩子空间上使用稀疏表示分类算法进行最终的分类识别。在Extend Yale B和AR数据库上的实验表明,新算法具有较高的识别率和较强的抗干扰能力。

基于RPCA与低秩投影的有遮挡人脸识别

由于光照的变化、遮挡、阴影、及图像噪声等因素的影响,使得传统方法人脸识别效果不理想,针对人脸识别中遮挡问题,提出了一种基于RPCA和低秩投影的人脸识别算法。先利用RPCA把每类训练样本分解成低秩数据矩阵和稀疏误差矩阵,构建每类原始人脸图像矩阵和低秩数据矩阵之间的低秩映射矩阵。将任意幅测试图像通过每类低秩映射矩阵进行投影,得到测试图像在不同类下的低秩数据矩阵和稀疏误差矩阵,为提取稀疏误差矩阵包含的人脸类别信息,对误差图像计算平滑度和边缘检测,设计了利用平滑度和边缘检测的加权和的判别规则。在AR人脸数据库和Extended Yale B数据库上进行实验,表明了提出的方法的有效性,识别精度得到了有效的提高。

基于低秩表示中稀疏误差的可变光照和局部遮挡人脸识别

可变光照和有遮挡人脸识别是人脸识别问题中的一个难点。受到鲁棒主成分分析法(RPCA)和稀疏表示分类法(SRC)的启发,提出一种基于低秩表示(LRR)中稀疏误差图像的可变光照有遮挡人脸识别算法。在训练阶段,利用LRR计算每类人脸低秩数据矩阵,在此基础上求解每类人脸图像低秩映射矩阵,通过各类低秩映射矩阵将未知人脸图像投影得到每类下的低秩数据矩阵和稀疏误差矩阵,为了有效提取稀疏误差图像中的鉴别信息,分别对稀疏误差图像进行边缘检测和平滑度分析,设计了基于两者加权和的类别判据。在Extended Yale B和AR两个数据库上进行了详细的实验分析,实验结果与其它算法相比较有明显提高,证实了所提算法的有效性和鲁棒性。

基于非局部双边随机投影低秩逼近图像去噪算法

该文提出一种基于非局部双边随机投影的低秩逼近图像去噪新方法。首先,对每个图像块通过非局部搜索寻找相似匹配块簇,然后对相似匹配块簇进行双边随机投影,用投影后的低秩结构恢复原图像。实验结果表明,所提方法比奇异值分解方法有较低的计算复杂度,比单边随机投影方法有较小的重构误差。特别是和3维块匹配方法相比,所提方法能保持相近的信噪比和较好的视觉质量。

基于低秩表示动态更新投影的在线运动目标检测

视频图像中运动目标检测是机器视觉领域的重要研究内容,旨在将序列图像中的背景和前景进行有效分离。在研究几种典型运动目标检测算法的基础上,提出了一种基于低秩表示动态更新投影的在线运动目标检测算法。采用低秩表示方法对若干连续视频帧进行低秩分解,并将分解所获得的低秩部分对应的左奇异值矩阵的正交补引为投影矩阵;再构建投影模型,拟合出数据的稀疏前景;最后采用视频分段分析法则对投影矩阵进行动态更新,从而保证所分离的背景以及前景的有效性。在Curtain等多个视频数据库上与其他算法进行了对比实验,实验结果表明所提算法具有很好的检测效果,对复杂的运动前景和动态背景的处理表现出很强的鲁棒性。

改进主成分分析与低秩投影的鲁棒性人脸识别

针对光照变化、姿态变化等条件下人脸鲁棒性差的难题,提出了一种改进主成分分析与低秩投影的鲁棒性人脸识别算法。首先利用改进主成分分析对人脸图像进行学习,形成低秩稀疏误差矩阵,然后根据稀疏误差图像计算平滑度和边缘,并进行加权实现人脸识别,最后进行仿真实验。结果表明,相对于当前经典人脸识别算法,本文算法获得更高的人脸识别率,并且具有较强的鲁棒性。

基于低秩稀疏图的结构保持投影算法

在图嵌入理论框架下,能够较好地揭示数据本质特性的图在一些维数约简方法中起到关键性的作用。基于稀疏表示和低秩表示方法,构建了一种低秩稀疏图,能够同时揭示数据的局部结构信息和全局结构信息。然后,利用图嵌入理论方法使这些特性在线性投影的过程中得以保持不变,从而学习出高维数据有效的低维嵌入。在标准的人脸和手写数字数据集(ORL,Yale,PIE,MNIST)上进行实验,同传统的图嵌入方法比较,结果表明了算法的有效性。

压缩感知观测信号的低秩稀疏分解

低秩稀疏分解是可应用于视频监控的一种视频分析方法,与满足Nyquist定理的采样信号相比,压缩感知观测信号的低秩稀疏分解难度更大。借鉴在低秩稀疏分解时将信号投影到其低秩部分的正交空间方法,提出先压缩观测再投影与先投影再压缩观测两种不同的压缩观测与投影方法,推导出每种方法的投影与压缩观测合并算子,分别对稀疏前景与低秩背景进行压缩感知重构,实现时变稀疏信号压缩观测的低秩稀疏分解。由于背景的缓慢变化会使低秩矩阵的正交空间发生改变,应用结构相似度来判断相邻帧低秩矩阵的变化情况,并估计该正交空间是否需要更新。实验结果表明,与SpaRcs方法相比,该方法能够在较低的压缩采样率下实现更精确的信号低秩背景与稀疏前景的直接分离重构,每帧图像压缩感知重构结果的峰值信噪比最多能够提高2 dB左右。

基于结构化低秩表示和低秩投影的人脸识别算法

在实际的人脸识别中,给定的训练图像往往存在遮挡和噪声,导致稀疏表示分类(SRC)算法的性能下降。针对上述问题,提出一种基于结构化低秩表示(SLR)和低秩投影的人脸识别方法——SLR_LRP。首先通过SLR对原始训练样本进行低秩分解得到干净的训练样本,根据原始训练样本和恢复得到的干净训练样本得到一个低秩投影矩阵;然后将测试样本投影到该低秩投影矩阵;最后使用SRC对恢复后的测试样本进行分类。在AR人脸库和Extended Yale B人脸库上的实验结果表明,SLR_LRP可以有效处理样本中存在的遮挡和像素破坏。

未知频偏下长码直扩信号的盲解扩

该文提出一种新的数据模型用于盲解扩含未知频偏的长码直扩信号。它将长码直扩信号重排为含有缺失数据的短码直扩信号,然后扩展使用了短码伪码周期的盲同步算法,最后采用交替投影算法恢复出信号子空间,并用于盲解扩。仿真实验表明提出的方法不受未知载频的影响,在低信噪比下表现了良好的性能。

基于机器学习算法的煤矿汽车机械设备故障诊断模型

研究基于机器学习算法的煤矿汽车机械设备故障诊断模型,提升故障诊断抗干扰能力,有效保障煤矿汽车机械设备安全稳定运行。采用判别结构描述功能较强、拥有全局资源描述功能的、基于低秩鉴别投影的特征提取算法,提取衡量煤矿汽车机械设备故障时域特征和时频特征的最优投影矩阵的列向量;设计了墨西哥草帽函数改进ART神经网络学习算法,并逐渐削弱幂函数,改善收敛、聚类效果,将最优投影矩阵的列向量作为改进ART神经网络的输入,经过两阶段学习训练后,实现了对煤矿机械设备的故障诊断。实验结果也验证了该模型的泛化错误少、识别率可达96%,故障诊断精度高且拥有较好的抗噪声能力。

基于低秩鉴别投影的轴承故障特征提取方法

根据滚动轴承故障振动信号特点,提出了一种基于低秩鉴别投影的轴承故障特征提取方法。由时域指标和小波频带能量组成高维特征空间,通过低秩鉴别投影方法对训练样本数据进行特征提取求出低维嵌入矩阵。为了寻找低秩鉴别投影算法在实例中的最优参数,利用网格搜索法寻参,同时将测试样本经低维嵌入矩阵转化后得到的特征向量输入到稀疏表示分类器中进行故障识别,以最高故障识别率对应的参数为最优参数。试验表明该方法有效、可行。

乌拉盖煤田150万t/a洁净煤项目方案设计

乌拉盖煤田褐煤储量丰富,根据该地区煤质特性可采用CCTI技术(煤脱水、中温干馏技术)设计150万t/a洁净煤项目。该技术能将低阶褐煤水分和挥发分大大降低,从而达到增加煤热值的目的,同时生成品位较好的洁净煤、焦油、燃料气等产品,明显提高低阶褐煤的清洁化利用效率。

重大工程项目社会稳定风险分级预警模式研究

重大工程项目作为社会生产力高度发展的关键节点,在带动经济、民生和社会发展的同时也带来了法律政策、资源保障、环境安全、公民权益等诸多方面的风险。为确保经济良性发展、社会和谐稳定,实现社会稳定风险的预警预控,通过系统分析方法和风险管理理论完善现有社会稳定风险指标体系,基于3维风险分级模型、最低合理可行准则(ALARP)等风险分级技术,制定出一套针对重大工程项目的社会稳定风险预警模式。以某县民用机场项目为例,辨识出5类18种风险,通过风险分级、风险预控等环节,认为只要采取相应风险控制措施,该项目社会稳定总体风险可接受,但应重点监控环境安全风险的建议。

火电厂供水水库防洪标准的探讨

从火电厂枯水取水保证率、厂区防洪标准、水电站工程防洪标准、供水工程防洪标准等相关规定的协调性,审视了火电厂供水水库及岸边水泵房的防洪标准,并对供水水库防洪标准的安全性进行了初步评估。研究认为小型火电厂供水水库及水泵房现行防洪设计频率、校核频率与大中型火电厂供水水库及水泵房现行防洪设计频率均是大体合适的;而大中型火电厂供水水库及水泵房现行校核频率0.1%的标准相对偏高,取0.2%~0.33%较为适宜;当火电厂水泵房设计、校核洪水位与水库设计、校核洪水位相差很大时,建议对水泵房防洪安全进行分析论证。

基于低秩投影中稀疏误差矩阵分析的视觉跟踪

单目标跟踪是计算机视觉的重要组成部分,其鲁棒性一直受到目标遮挡、光照变化、目标尺度变化等因素的制约。针对这个问题,提出了基于低秩投影中稀疏误差矩阵分析的视觉跟踪算法。为了克服模板漂移对跟踪的影响,采用目标模板和候选目标的相似性关系动态选择目标模板的更新方式。在粒子滤波的框架下,利用鲁棒主成分分析和低秩投影原理求得候选目标的稀疏误差矩阵,根据稀疏误差矩阵的边缘信息和平滑度信息实现对下一帧目标的观测似然估计。在多个视频序列上的实验表明,算法具有较好的鲁棒性。

基于低秩表示线性保持投影的特征提取算法

为了在特征提取过程中保持数据低秩特性不变,提出了一种基于低秩表示的线性保持投影算法用于维数约简。它能够使降维后的低维空间中的数据依旧较好地保持在原始高维空间中的低秩特性,准确地学习出数据的低维子空间。通过构建两个不同的低秩表示模型来揭示两种不同结构特性的低秩权重,然后以保持数据的这两个低秩权重关系为目的来求解高维数据的低维空间。在ORL库和Yale库人脸库上的实验结果证明,该算法比传统的特征提取方法更有效。