基于Gabor变换与改进SLLE的人脸表情识别

本文通过Gabor变换进行人脸表情图像的特征提取,并利用局部线性嵌入(LLE)系列算法进行数据降维操作.LLE算法是一种非线性降维算法,它可以使得降维后的数据保持原有的拓扑结构,在人脸表情识别中有广泛的应用.因为LLE算法没有考虑样本的类别信息,因此有了监督的局部线性嵌入(SLLE)算法.但是SLLE算法仅仅考虑了样本的类别信息却没有考虑到各种表情之间的关系,因此本文提出一种改进的SLLE算法,该算法认为中性表情是其他各种表情的中心.在JAFFE库上进行人脸表情识别实验结果表明,相比LLE算法和SLLE算法,该算法获得了更好的人脸表情识别率,是一种有效算法.

基于SLLE算法和流形聚类分析的滚珠丝杠故障诊断

针对滚珠丝杠故障信号非线性的特点及故障特征集中冗余信息的干扰,提出了将SLLE降维方法与流行聚类分析相结合的故障诊断方法。采集滚珠丝杠不同故障状态的振动信号和噪声信号,构造原始信号特征向量;利用SLLE算法对特征向量进行降维处理,得到筛选后的特征向量,绘制出其三维分布图;计算每种故障的聚类中心和流形距离,根据"最短距离"原则进行故障识别诊断。并通过试验及与KPCA、LLE两种诊断方法的比较,验证了SLLE降维方法与流行聚类分析相结合的故障诊断方法的有效性和识别结果的准确性。

Gabor小波和SLLE在人脸识别中的应用

为了提高人脸识别算法的识别率,提出了一种基于Gabor小波和SLLE的人脸识别算法.该算法首先采用Gabor小波对归一化的人脸图像进行多方向、多分辨率滤波,并提取其对应不同方向、不同尺度的多个Gabor幅值特征,然后采用监督的局部线性嵌入算法对Gabor特征进行维数约简,最后使用最近邻分类器进行分类判决.在ORL、YALE人脸库上进行实验,结果表明,该算法平均识别率比其他算法提高3.5%～37.8%,有效提高了人脸识别算法的性能.

基于SLLE的电缆附件局部放电模式识别

为更全面地提取局部放电信号的特征值信息,提高识别率,将局部放电统计特征参数和矩特征参数相结合,提取出高维的特征值。从不同的角度出发,结合两种不同的方法对局放特征进行提取。同时在流形学习非监督的基础上引入了监督信息,从而保证高维到低维的映射在保留流形某些结构,同时也可进一步分离不同类别的流形。利用基于监督的局部线性嵌入(Supervised Locally Linear Embedding,SLLE)对局部放电特征值进行降维优化处理,提取出具有较高分类能力的最优特征值,利用电力电缆附件的4种典型缺陷进行实验对比,结果表明文中方法较好地提取出最优特征值,且能得到更准确的识别结果。

应用SLLE实现手写体数字识别

针对在手写字符识别中由于书写习惯和风格的不同而造成的字符模式不稳定问题,提出了一种基于流形学习的手写体数字识别方法。在流形学习非监督的基础上引入了监督信息,从而保证高维到低维的映射在保留流形某些结构的同时也可进一步分离不同类别的流形。算法首先利用基于监督的局部线性嵌入(SLLE)对手写体数字图像进行字符特征的降维,然后再对降维后的特征进行分类识别。对MINST库中手写体数字数据库进行了实验,实验结果表明,利用SLLE降维以后的特征能够有效地区分字符,识别率可达到93.27%;由于具有较好的识别率,能够发现高维空间的低维嵌入流形。

基于IMF重构-SLLE的高速列车转向架故障特征提取

在故障特征提取方面,传统的典型特征提取方法往往需要深入理解信号特性、结合工程实践经验提取故障特征,从而极大程度上孤立了特征提取和智能诊断两个环节,导致在针对复杂多变的机械设备海量信号时,提取反映信号特性的典型特征往往效果不理想。针对该问题,提出一种基于IMF重构-SLLE的新的特征提取方法,该方法首先把EEMD分解得到的IMF分量重构成高维向量,并利用SLLE优良的非线性维数约简能力对信号进行降维。实验表明:IMF重构-SLLE特征提取方法优于传统的EEMD典型特征提取方法,并把此方法应用到高速列车转向架故障状态识别中,识别率高达97.78%,具有重要的工程应用价值。

基于表情加权距离SLLE的人脸表情识别

局部线性嵌入(LLE)算法没有考虑训练样本的类别信息,而有监督LLE(SLLE)算法等同处理类别之间的差异性.根据人脸表情的特点,各个表情类别之间的差异性是有区别的,据此,文中构造一种基于表情加权距离的SLLE算法.在计算训练样本之间距离时,对来自不同表情类别的样本距离选择不同的加权值,从而使表情类别的先验信息得到更充分利用.在JAFFE库上进行人脸表情识别实验结果表明,相比LLE算法和SLLE算法,该算法在一定邻域范围内获得更好的人脸表情识别率,是一种有效算法.

监督局部线性嵌入在人脸识别中的应用

为了提高人脸识别算法的识别率,提出了一种Gabor小波与监督局部线性嵌入(Supervised Locally Linear Embedding,SLLE)相结合的人脸特征提取算法。针对SLLE不能有效消除图像信息中冗余的高阶相关性,算法首先采用Gabor小波对人脸图像进行多方向、多分辨率滤波,提取图像在不同空间频率上的特征;然后采用监督的局部线性嵌入算法对该Gabor特征进行维数约简。在ORL和YALE人脸库上的实验显示,就算法有效提高了人脸识别的识别率。

基于改进监督LLE算法的故障特征提取方法

针对现有监督局部线性嵌入算法在低维输出向量重构过程中监督学习能力弱,不利于故障特征提取的问题,通过利用训练样本类标签信息扩大不同类样本间平均距离的方式,增加低维输出向量重构模型的监督学习能力,强化同类样本的聚集性和异类样本的互斥性。基于规范切割准则和低维输出向量重构误差,应用离散粒子群优化算法优化折中系数α和β、以及嵌入维数和邻域等参数,提高故障特征提取精度。将改进的监督局部线性嵌入方法应用于轴承故障特征提取,结果表明推荐方法的特征提取精度较高。

基于监督局部线性嵌入特征提取的高光谱图像分类

高光谱图像的数据维数高、数据量大、数据间高度冗余等特点给图像分类带来困难,为进行有效降维、提高分类精度,提出了一种监督局部线性嵌入(SLLE)非线性流形学习特征提取方法。SLLE算法根据数据先验类标签信息所给出的新距离寻找数据点的k最近邻(NN),新距离使得类内距离小于类间距离,这使得SLLE算法更有利于分类。高光谱图像数据和UCI数据的分类结果表明了该方法的有效性。

水产品中11种海洋生物毒素的高效液相色谱-四极杆/静电场轨道阱高分辨质谱检测方法研究

建立了水产品中11种海洋生物毒素的高效液相色谱-四极杆/静电场轨道阱高分辨质谱(HPLC-Q-Orbitrap HRMS)检测方法。该方法采用分级提取原理,结合分散固相萃取技术(dSPE)和载体辅助液液萃取技术(SLLE),建立了对亲水性及亲脂性海洋生物毒素的“一站式”提取净化体系。在优化条件下,11种毒素在一定质量浓度范围内具有良好的线性关系,相关系数(r)均大于0.99。该方法对11种毒素的检出限为1~10μg/kg,定量下限为2~20μg/kg,加标回收率为55.6%~122%,相对标准偏差为5.4%~16%。方法快速高效,可操作性强,解决了不同理化性质的海洋生物毒素的通用性检测问题,可满足水产品中海洋生物毒素的快速筛查要求。

基于监督局部线性嵌入的飞机目标识别方法

维数约简是目标识别的一个重要预处理步骤。由于飞机目标图像对各种空间变换(包括平移、尺度、旋转等变换)和观察角度、位置以及光照等因素都比较敏感,使得很多线性维数约简算法不能有效地用于飞机目标识别。局部线性嵌入(LLE)是一种有效的非线性维数约简方法,提出了一种基于LLE的监督LLE算法,并应用于多种条件下的飞机目标识别中。实验结果表明,该方法是有效可行的。

基于监督局部线性嵌入的中药材分类鉴别研究

电子鼻所采集的中药材气味信息往往具有高维性和非线性。针对气味信息的这种特性,提出一种基于监督局部线性嵌入(SLLE)和线性判别分析(LDA)的气味数据分析方法。利用SLLE对所采集的高维非线性气味信息进行降维,目的是提取出气味数据内在的低维流行特征,并增大类别间的辨别信息;然后在低维空间中,利用LDA进行特征分类判别。通过实验,分别将该方法与单独使用SLLE及PCA+LDA方法进行对比分析,结果表明,该方法可以很好地对五种不同种类的中药材及三种不同产地的何首乌进行分类鉴别,其个体识别率和整体识别率均可达到100%,为使用电子鼻对中药材进行分类鉴别提供了一种行之有效的方法。

基于二语动机自我系统理论的韩语学习者学习动机及学习努力程度的研究——以某高校韩语专业学生为调研对象

二语动机自我系统理论从理想二语自我,应该二语自我,二语学习体验三个维度考察学习者的学习动机情况,本文从该理论视角出发,以教育部某直属高校韩语专业学生为研究对象,利用SPSS20.0软件进行实证研究分析,考察了该校学生二语动机自我系统及学习努力程度的整体情况及相互关系,通过分析得出该校学生有较高的理想二语自我,且理想二语自我、二语学习体验与学生学习努力程度呈两两正相关关系,成绩高的学生较成绩低的学生有更高的理想二语自我且付出更多的努力等结论.基于数据结果,文章提出有针对性的教学意见.