基于层次分解、主成分分析和高斯混合模型的火成岩岩性识别——以惠州26洼古潜山为例

火成岩油气成藏规律复杂,受到火山运动、强构造运动以及风化剥蚀等叠加影响,火成岩的化学成分和结构构造复杂多样,非均质性极强,采用常规岩性识别方法难以一次性将所有岩性准确识别。借鉴层次分解思路,以惠州26洼古潜山为例,提出了一种火成岩岩性测井识别分类方法:综合考虑火成岩地质分类原则和测井响应特征来确定岩性识别层级,基于这种层次性的分类原则,在每一层次定量优选岩性识别敏感参数,建立研究区岩性识别优选层级;在明确岩性识别优选层级的基础上,逐级逐次使用主成分分析(PCA)和高斯混合模型(GMM)对岩性进行判别并确定其计算函数,建立分级优选岩性识别模型,最终达到整体岩性区分的目的。研究结果表明,研究区辉绿岩和闪长岩识别正确率分别为87.31%和84.32%,未分级未优选辉绿岩和闪长岩识别正确率为60.45%和54.88%,分级未优选其岩性识别正确率为69.61%和67.04%,有效提高了研究区的复杂岩性识别精度。该方法的提出对提高火成岩岩性识别精度提供了一种思路,也为研究区古潜山火成岩岩性精确识别提供了参考依据。

基于同态加密的隐私保护主成分分析方法

在现实生活中,不同的行业之间,甚至同行业不同部门之间的数据并不互通,随着计算机算力的提升,制约模型训练效果的不是算力而是数据量。因此,想要得到更好的算法模型,仅靠某一方的数据是不够的,需要两方或者多方的参与,这就要求对各方的数据进行隐私保护。除此之外,随着收集的数据越来越详细,数据的维数也越来越大。面对高维的数据,数据降维是不可缺少的环节,而在数据降维方面,主成分分析(Principal Component Analysis,PCA)是常用的手段。当拥有数据的两方想要合作进行隐私保护的数据降维时,同态加密技术是一种解决办法。同态加密技术可以在保护数据隐私的前提下对加密数据进行计算,可以用在加密数据的PCA上。针对上述应用场景,利用CKKS同态加密方案,通过幂法迭代的SVD技术设计了一种两方加密数据进行PCA的方案,在保护两方数据隐私的前提下实现数据降维的目的;通过改进传统幂法迭代步骤,避免了代价高昂的同态密文除法运算,使得在选取较小的加密参数时,也能支持更多的幂法迭代次数,从而在缩短同态计算时间的同时提高计算精度。在公共数据集上进行测试,并与现有方案进行对比,该方案在计算耗时上缩短了约80%,与明文计算结果的均方误差缩减到1%以内。

应用主成分分析法对建设用地指标的分解

建设用地指标的合理分解是土地利用总体规划修编中的难点,以湖南省资兴市为例,应用主成分分析法对指标分解进行了探索。结果表明,资兴市建设用地需求分值最高的5个乡镇依次是鲤鱼江镇、皮石乡、三都镇、唐洞办事处、东江镇;基于主成分分析法的资兴市建设用地指标分解结果与实际调查结果基本一致,可以给实际指标分解提供参考依据。

基于改进增广拉格朗日乘子法的鲁棒性主成分分析

针对增广的拉格朗日乘子法在求解鲁棒性主成分分析,特别是当数据同时受到稀疏噪声和高斯噪声的干扰时,计算精度会降低,数据降维去噪任务不能很好完成的情况,提出改进的增广拉格朗日乘子法来解决上述问题.一是用基于最优乘子初始化的改进增广拉格朗日乘子法来提高算法的计算精度,二是针对鲁棒性主成分分析,提出一个带高斯噪声的凸优化模型.实验结果表明,本文提出的最优乘子初始化改进算法赋予增广的拉格朗日乘子法一个最优的拉格朗日乘子,从而提高算法的计算精度,而凸优化模型能够清晰地将高斯噪声和稀疏噪声从数据矩阵中分离出去,进而提高数据对高斯噪声的鲁棒性.

鲁棒性主成分分析算法综述

对低秩矩阵中的存在的鲁棒性主成分分析进行综述,并分析该存在的优化模型及其优化算法,并分析这些不同的优化方法存在的优缺点以及可能的应用领域,最后指出该模型进一步的研究方向。

基于变分模态分解和鲁棒性独立成分分析的内燃机缸盖振动信号分离

针对缸盖振动信号中燃烧信号和活塞敲击信号在时频域混叠严重难以分离的问题,用基于VMD和RobustICA的方法分离各独立源信号。通过试验测量内燃机单通道缸盖振动信号,首先对测得的信号进行消除趋势项及滑动平均等预处理,用VMD算法对预处理后的信号进行分解;然后用RobustICA算法提取独立成分,并用组合模态函数法对时域和频域相似性较高的分量成分进行组合;最后结合频谱分析、连续小波变换、相干函数法及倒拖试验对分离得到的结果进行识别验证。研究结果表明:在不同的试验工况下,该方法可以有效地从缸盖振动信号中分离出燃烧信号和活塞敲击信号。

基于主成分分析的锂离子电池RUL间接预测

针对目前锂离子电池RUL的预测中用来表达退化特征的健康因子(HI)存在信息不足的缺陷,提出一种锂离子电池RUL预测模型。首先提取出多个可以反映电池退化特征的参数;其次用主成分分析法(PCA)对提取的多个参数进行去冗余降维并充分包含退化信息;再引入集合经验模态分解(EEMD),对HI进行多尺度分解;最后基于长短期记忆网络(LSTM)构建预测模型。实验证明该预测模型在预测锂电池的RUL时有较高的精度、适应性较强。

大容量海上风电机组运行故障状态识别方法

故障状态识别是海上风电机组运行监测中的重要项目。对于大容量海上风电机组,其故障状态识别难度较高,现行方法难以精准识别,提出大容量海上风电机组运行故障状态识别方法。利用无线传感器感知风电机组运行中风速、电网功率、机舱温度及齿轮箱油温等状态信息,采用小波包分解算法对机组运行数据分解处理,将信号分解成独立的频带,实现大容量海上风电机组运行故障状态识别。经实验证明,设计方法F1 Score值在0.95以上,ROC曲线更靠近左上方,能够实现对大容量海上风电机组运行故障状态的精准识别。

基于主成分自动选择准则的探地雷达杂波抑制

针对抑制探地雷达杂波的主成分分析法中能量百分比判断准则阈值稳定性差及依赖人工经验的问题,提出了主成分自动选择准则。提出平均累积能量标准,以稳定性强的平均道能量为阈值,确定直达波的主成分范围;以改进的局部累积能量比为标准,给出适应性好的阈值范围及固定数值,提取目标信号主成分范围舍去弱相关的背景信号主成分;用目标信号主成分进行图像重构实现抑制探地雷达杂波的目的。实验证明,所提准则能够实现杂波主成分自动选择,所选择的阈值稳定性较好,能较大程度地抑制杂波。

基于QR-RPCA的双基地MIMO雷达参数估计方法

针对冲击噪声下因接收信号二阶及以上矩不存在而产生性能恶化的问题,提出一种基于QR分解和鲁棒性主成分分析法(QR-RPCA)的双基地多输入多输出(MIMO)雷达参数估计方法。针对RPCA算法适用于实数矩阵处理的情况,先将复数信号转化为实数;然后根据冲击噪声的稀疏特点与目标信号矩阵的低秩特点,利用QR-RPCA算法将低秩信号矩阵从受冲击噪声污染的接收信号中提取出来,并直接得到信号子空间,该算法避免了传统RPCA算法中的大规模奇异值分解,时间复杂度有所降低;最后根据信号子空间并利用旋转不变信号参数估计技术(ESPRIT)对目标方位进行估计。理论与仿真表明,本文算法相较于其他消除冲击噪声的算法,对于低特征指数的冲击噪声具有更好的估计性能。

基于改进的四叉树分解多聚焦图像融合算法研究

多聚焦图像融合的目的是将两幅或多幅部分聚焦图像融合为一幅全聚焦图像。本文提出一种基于四叉树分解和鲁棒性主成分分析(RPCA)的空间域多聚焦图像融合算法。首先利用四叉树分解算法将源图像分解为最佳的四叉树形结构图像块;同时,在四叉树形结构中,使用鲁棒性主成分分析算法对其聚焦区域进行探测,将聚焦度探测结果作为停止四叉树分解的条件;最后,从源图像中提取出聚焦区域重建为一幅全聚焦图像。本算法充分发挥了四叉树分解和鲁棒性主成分分析的优势,实验结果证明,本文提出的算法在主观视觉和客观评价指标上都取得了较好的效果。

非凸运动辅助低秩稀疏分解目标检测算法

针对传统低秩稀疏分解(low rank and sparse decomposition,LRSD)用于视频运动目标检测时检测精度较低的问题,提出了一种鲁棒非凸运动辅助LRSD(robust nonconvex motion-assisted LRSD,RNMALRSD)的运动目标检测算法。该算法首先考虑到视频背景的低秩特性,采用非凸γ范数对秩函数进行逼近,考虑视频背景在变换域上仍然具有稀疏性,引入背景在变换域的稀疏先验。其次,引入运动辅助信息矩阵,使其融入前景的运动信息,表示每个像素属于背景的可能性,提高视频运动目标检测的准确度。然后,采用交替方向乘子法(alternating direction method of multipliers,ADMM)对提出的模型进行求解。最后,将提出的方法应用到视频运动目标检测上进行仿真实验。对实验结果的分析表明,提出的RNMALRSD方法比其他基于LRSD的运动目标检测方法具有更高的检测精度。

基于QR分解的扩展监督局部保留映射

针对局部保留映射(LPP)算法不能提供数据集的差异信息问题,提出一种基于QR分解的扩展有监督LPP算法。该方法对训练数据矩阵进行QR分解,采用有监督的LPP算法进行降维,利用类别信息对降维后的数据进行Fisher线性判别式分析,得到最终的映射矩阵以提高判别性能。实验结果表明,该方法较主成分分析法和LPP方法有更好的判别性能。

基于p范数的QR-KPCA人脸识别算法

KPCA是重要的非线性特征提取的人脸识别方法,但对较大规模训练数据库,会因核矩阵K过大,计算代价高而不能有效实现,并且使用传统欧式距离度量很难大幅提升识别率。本研究提出了将基于QR分解的PCA推广到KPCA上且应用p范数度量来解决这一问题的方法,即:首先采用选主元的Cholesky分解得到核矩阵K的低秩近似,然后对小规模矩阵H进行QR分解,经过一些推导得到中心化核矩阵的特征向量,实现了KPCA的非线性特征提取,在分类识别阶段,本研究突破传统欧氏距离度量的局限,将p范数作为度量相似性的方法,在ORL和AR人脸数据库中做了大量相关实验,并且分别研究了p的取值对基于QR分解的主成分分析(QR-PCA)和核主成分分析(QR-KPCA)算法的识别率的影响,实验结果表明,这种p范数意义下的QR-KPCA处理人脸识别问题有很高的识别率。

基于振动分析法的变压器故障分类和识别

为了实现变压器故障的直观分类和故障识别,在分析变压器振动机理的基础上,提出一种基于主成分分析和KNN分类识别的变压器故障测量方法。该方法采用EMMD(集合经验模式分解)方法提取变压器不同运行状态下振动信号的特征矢量,将该特征矢量通过主成分分析投影到直观的二维图像中。利用KNN分类识别实现故障分类和自动故障识别。试验结果表明,该方法可以实现对变压器正常状态、绕组变形、铁芯故障3种状态直观分类,并对测试样本进行快速的自动模式识别。

基于小波分析和几何特征的人脸识别方法研究

在主成分分析法(PCA)和独立成分分析法(ICA)等理论基础上,提出一种结合人脸几何特征和独立Gabor小波特征分析的人脸识别方法。在对人脸图像进行二维小波分解的基础上,从人脸图像的下采样Gabor小波图像中得到一个Gabor小波特征向量并利用PCA法降维,在ICA法的基础上得到独立Gabor小波特征,并结合人脸面部器官的位置和轮廓及器官距离等所构成的几何特征进行人脸识别。

基于权重的鲁棒性PCA压缩方法

为了降低具有噪声的多光谱图像在降维重建后的光谱信息和颜色信息的损失,提出一种基于权重的鲁棒性PCA压缩方法(WRPCA)。先依据人眼的视觉特征,用人类视觉敏感函数(CIE1931标准观察者的色匹配函数)对多光谱图像的光谱进行加权,然后再对加权后的光谱使用Robust PCA法进行降维,最后重构得到图像。实验中WRPCA法与WSPCA法是在同样条件下进行测试。分析实验数据可以看出,WSPCA法由于受噪声影响,其图像压缩重构效果不好,但是WRPCA法不受噪声影响,其重建图像的光谱精度和色度精度都优于WSPCA法。

中国出口集装箱运价指数影响因素的实证研究

2020年,新型冠状病毒感染的流行,中国出口集装箱运价指数(CCFI)“疯涨”且不断创造历史新高。首先运用集合经验模态分解法将CCFI序列分解为若干分量,重构后得到高频部分、低频部分和趋势项,其次采用主成分分析法从选取的8个宏观影响因素中提取出两个公共因子,定义为国际贸易环境和中国出口形势,分别研究不同频率下的CCFI指数与影响因素之间的关系,探究病毒流行前后CCFI指数影响因素的变化。结果显示:CCFI的短期波动项在感染前不受宏观因素影响,感染流行后表现为正相关;病毒流行后CCFI的重大事件影响项与国际贸易环境由负相关变成正相关,与中国出口形势始终保持正相关;CCFI的长期趋势项与宏观因素在病毒流行前后均呈现正相关,且在病毒流行后正相关程度有所提高。

基于混合像元分解的高植被覆盖区蚀变信息提取——以福建上杭紫金山矿田为例

福建上杭紫金山矿田地处武夷山成矿带南端,该区域高植被覆盖严重阻碍了与成矿有关的矿化蚀变信息的提取。针对植被的严重干扰和混合像元影响,应用混合像元分解技术去除植被干扰,消除植被端元影响,增强非植被信息,结合主成分法提取与矿化有关的蚀变信息。经与区域地质资料对比表明,混合像元分解结合主成分分析方法取得了很好的应用效果。

改进的低秩稀疏分解及其在目标检测中的应用

针对传统低秩稀疏分解算法用于运动目标检测时,前景提取结果容易受噪声干扰以及检测结果不完整的问题,提出了一种新的低秩稀疏分解模型。考虑到视频前景目标呈结构化分布,以及动态背景对前景提取结果造成影响,该模型利用结构化稀疏范数对前景进行约束,且将稀疏部分所代表的运动区域进一步划分为动态背景部分与前景部分;然后采用广义交替方向乘子法对提出的模型进行求解,并分析了算法的复杂度;最后进行仿真实验将其应用到运动目标检测中。实验数据结果验证了提出的方法比其他基于低秩稀疏分解的运动目标检测方法更加稳定有效,更具有普适性,且对不同类型的噪声均具有一定的抗噪性。