基于K-L展开的断层-节理边坡随机有限元分析

土性参数的空间变异性和断层-节理的耦合作用,将显著影响边坡工程的稳定性分析。基于K-L展开方法模拟土体抗剪强度参数空间变异性,同时通过强度折减法计算节理岩体边坡的稳定性系数,提出了一种考虑土体参数空间变异性的边坡可靠度分析方法。探讨了土性参数的变异性及水平和垂直方向的相关距离对断层-节理边坡随机可靠度的影响。通过与已有研究中均质边坡稳定性对比分析,验证了模型的可行性,并结合现场实际工程进行分析。研究表明:断层-节理裂隙改变了边坡潜在滑移面产状,同时降低边坡的安全系数。边坡失效概率随着土性参数变异系数的增加而增大。忽略土性参数的变异性指标时,会高估边坡的安全系数指标,低估失效概率。土体竖向波动范围显著影响边坡的可靠度,断层-节理对于边坡稳定性的影响远大于土体波动范围。

基于对称K-L距离及决策者主观偏好的混合属性决策方案客观权重确定方法

为直接获得含有不确定信息的混合属性决策方案指标属性的客观权重,提出对称Kullback-Leibler(K-L)距离并考虑决策者对不确定数的确定项和不确定项设定偏好比例的方法.将混合型数据指标值统一转化为二元联系数,进而转化为二元组数,并进行规范化处理以使其在各属性下具有可比性.计算各个属性下各个方案指标之间的两两对称K-L距离.汇总各属性下的两两对称指标K-L距离的值作为其初始客观权重,并经归一化后得到各属性的客观权重.算例分析表明,该客观属性权重确定方法能够最大程度上减少信息的失真,且处理方法统一,原理简单,能够较好地解决含有不确定信息的客观属性权重的确定问题,同时也验证了决策者的主观偏好对客观权重的确定具有较大的影响.

基于K-L变换的无人机巡检图像特征提取方法

为了提升特征提取效果,提出了基于K-L变换的无人机巡检图像特征提取方法。利用双边滤波算法去除无人机巡检图像噪声,通过Retinex算法增强去噪后图像亮度,提升图像清晰度。实验证明:该方法可有效去除图像内部噪声,增强图像亮度,提升图像清晰度;可有效提取图像特征,样本维数为3时,特征值与特征向量偏离度最低;特征提取时的真实接受率高至0.9以上。

基于K-L变换的红外图像弱小目标检测与分析

针对红外图像中的目标对比度低、尺寸小及背景复杂等特点 ,利用正交变换的去相关特性 ,提出了一种改进的 K - L变换和广义 K- L变换的红外弱小目标检测与描述方法 ,从而实现低信噪比条件下红外弱小目标的检测 .

高斯混合分布之间K-L散度的近似计算

高斯混合分布之间的K-L散度没有闭式解,通常采用其上界来近似.对于具有相同高斯数的混合分布,基于相对熵链规则推导其K-L散度上界,提出一种更紧上界的计算方法.为计算具有不同高斯数的混合分布之间的K-L散度上界,提出基于最佳高斯分量复制的方法.在中文声韵母声学模型上的实验结果显示,所提出方法可更好地近似等高斯数的混合分布之间的K-L散度,并能有效处理具有不同高斯数的混合分布.

基于K-L变换与LS-SVM的玉米品种识别方法

为实现外观相似的不同玉米品种的有效识别,提出了K-L变换与最小二乘支持向量机相结合的籽粒品种鉴别方法。采用标记算法及多尺度小波分析方法获得玉米单籽粒图像,应用K-L变换技术提取籽粒图像的特征数据,设计了二叉树型多类LS-SVM分类器,实现了对特征数据的有效分类。通过试验分析,确定了较为合理的状态空间维数(L=3),正确识别率可达95.3%。

基于压缩感知的K-L分解语音稀疏表示算法

为克服稀疏基在KLT域不便传输的不足,提出一种基于Karhunen-Loeve(K-L)正交分解的语音稀疏表示算法。结合压缩感知理论,建立语音自相关模型并求解Fredholm积分方程,采用二分法估计出可实时传输的模型参数,构造非相干字典;然后用随机矩阵对语音在字典上的稀疏投影系数进行观测获得低维观测值。重构结果表明:相比已有的稀疏表示算法,本文算法的字典匹配性更好,且具有较好的语音质量。

基于并行特征组合与广义K-L变换的字符识别

针对传统的串行特征融合方法的弱点,提出了一种新的并行特征融合方法.该方法的基本思路是:首先,利用复向量将样本空间上的两组特征集组合起来,构成复特征向量空间;然后,从理论上推广了经典的K-L变换方法与3种基本的K-L展开方法,使其适用于复特征向量空间内的特征抽取.此外,还揭示了并行特征融合的对称性质,并详细讨论了并行特征组合的策略问题.最后,用所提出的方法来解决手写体字符的特征抽取与识别问题.在南京理工大学NUST603HW手写体汉字库以及Concordia大学的CENPARMI手写体阿拉伯数字数据库上的实验结果表明,所提出的特征融合方法不仅较大幅度地提高了识别率,而且识别结果优于传统的串行特征融合方法.

基于K-L变换和灰度共生矩阵下的桂西—滇东南地质构造遥感信息提取方法研究

桂西—滇东南是植被高覆盖区域,地质遥感信息相对于地表覆盖(植被)信息而言相对较弱。有效消除地表覆盖信息、突出地质遥感信息是遥感地质专题信息提取的瓶颈之一。本文运用K-L变换提取代表地质构造信息的成分波段,有效滤去地表覆盖信息;利用灰度共生矩阵、定向检测和环形滤波检测相结合的方法,并通过阈值设置,提取地质构造的遥感专题信息,从而达到实现计算机自动提取地质构造信息的目的。经过野外实地验证,结果表明:地质构造信息提取精度较高,特别是一些小的地质构造信息也能有效提取;但是环形地质构造信息没有有效提取,地表覆盖类型对地质构造信息的提取仍有较小影响。

基于小波变换和K-L展开的单通道表面肌电信号识别

利用单通道表面肌电信号对肘收缩、肘伸直、前臂外旋和前臂内旋四个上肢动作进行了识别.用肌电信号最高频率20倍的过采样率对表面肌电信号进行采样,利用抽取滤波技术将过采样带来的冗余数据去除并保留了过采样带来的低噪声的优点.通过小波变换提取出5个子频带的相对能量与表面肌电信号的总能量一起作为原始的特征向量,然后通过K-L展开将6维的原始特征向量降为2维.通过建立BP网络分别用6维特征向量和2维特征向量对上述的四个动作进行识别.结果显示该方法在减少肌电电极的同时保持了较高的识别率,有很好的识别效果.

巴氏距离和K-L变换结合的特征选择

该文提出巴氏距离(BhattacharyyaDistance)和K-L(Karhunen-Loeve)变换结合的特征选择。采用巴氏距离特征选择眼3,5演的迭代算法,可以获得最小错误率上界。当特征维数高时,为了减少巴氏距离特征选择计算时间,对样本先进行K-L变换,将特征降低到中间维数。然后进行巴氏距离特征选择,降低到结果的维数。用基于MNIST手写体数字库的试验表明,该文方法比单纯用巴氏距离特征选择计算时间大大减少,并比主分量方法(即单纯使用K-L变换)特征选择的错误率小得多。

利用K-L域惩罚加权最小均方平滑对低剂量CT投影数据进行噪声滤除(英文)

通过对校准的低剂量CT投影数据的噪声特性进行分析,发现该噪声可用高斯分布近似,但其方差与信号本身有关,且信号与方差间的关系是非线性的。基于上述发现,我们选择惩罚加权最小均方平滑架构作为此类问题的最优解法之一。该方法可利用均值-方差间关系等先验知识来构造加权矩阵,并利用二维局部空间信息来构造惩罚项或正则算子。同时,为了进一步利用不同角度或切片间的空间相关关系,我们首先对投影数据沿角度或切片方向进行K-L变换,然后再对变换后的投影数据进行惩罚加权最小均方平滑,从而亦使原来的三维滤波问题简化为二维滤波过程。通过选择适当的邻域,K-L域惩罚加权最小均方平滑方法可充分利用先验统计知识及三维空间信息,对被噪声污染的低剂量CT投影进行更为准确的恢复。实验结果表明,当选取适当的控制参数,在投影数据的噪声滤除效果上,上述方法远较传统的低通滤波器为优。

基于K-L散度的核磁共振波谱数据尺度缩放方法

在基于核磁共振(NMR)的代谢组学数据分析中,尺度缩放是关键的预处理步骤之一,其主要目的是通过调整数据的方差结构,改善后续的多变量统计分析的结果。从信息熵的角度出发,利用KullbackLeibler(K-L)散度来度量不同实验分组的生物样品的1 H NMR波谱数据的差异程度,并结合单位方差缩放法,提出一种基于K-L散度的尺度缩放方法。该方法先利用单位方差法将数据各变量的标准差调整到同一水平上,再利用K-L散度对各变量进行有监督地加权,增强重要变量、减弱无关变量。由于K-L散度是在概率分布的意义上度量数据间的差异程度,且对于高斯和非高斯分布的数据均适用,因此能更准确地度量不同实验分组样品的1 H NMR波谱数据的差异性,从而更有效地地对谱数据的重要变量进行识别和加权。人群尿液1 H NMR波谱数据的分析结果表明,基于K-L散度的尺度缩放方法能有效抑制噪声变量,同时很好地区分特征变量和非特征变量;提高主成分回归(PCR)模型的判别能力;改善偏最小二乘回归判别分析(PLS-DA)模型的解释能力、预测能力以及对特征代谢物的辨识能力。

结合K-L散度和互信息的无监督波段选择算法

波段选择是重要的高光谱图像降维手段。为了达到降维的目的,提出结合K-L散度和互信息的无监督波段选择算法,并进行了理论分析和实验验证。首先选出信息熵最大的波段作为初始波段,然后将散度与互信息量的比值定义为联合散度互信息(KLMI)准则,选择KLMI值大且信息量也大的波段加入波段子集中,选出信息量大且相似度低的波段集合,最终利用k最近邻分类算法实现了基于最大方差主成分分析算法、聚类算法、互信息算法和本文中方法的真实高光谱数据分类实验。结果表明,本文中的算法总体分类精度和κ系数均达到0.8以上,高于其它算法;大多数地物的分类精度均得到提升,具有较好的分类性能。该算法是一种实用的高光谱图像降维算法。

基于K-L展开式的车牌倾斜校正方法

在车牌识别系统中,为提高后续字符分割和识别的效果,需要对定位后的车牌图像进行倾斜校正。本文提出了一种基于Karhunen-Loeve展开式的车牌倾斜校正方法。首先对车牌图像进行垂直边缘检测;然后利用K-L展开式推导出垂直边缘点在最小均方误差意义下的特征直线,由此确定车牌的倾斜角度;最后通过双线性插值方法校正车牌。文中给出了实验结果,并与车牌倾斜校正的Hough变换法、旋转投影法进行了精确度、算法复杂度及运算时间的比较,结果表明,本文提出的方法精确度高、复杂性低、鲁棒性好、实时性强。

基于K-L变换的彩色航空影像阴影检测

从K L变换的原理及其特性出发 ,提出了一种利用K L变换技术来对影像上的阴影进行检测的方法 。

基于Contourlet变换的K-L变换地震随机噪声自适应衰减方法

地震资料中有效反射信号具有丰富的纹理及边缘特性,在Contourlet变换域系数较大并具有相关性,而随机噪声均匀分布于Contourlet变换域且系数较小。考虑K-L变换具有分类特征提取的优势,在Contourlet变换基础上应用K-L变换,采用最大似然估计法和多尺度噪声估计法估算地震记录中有效信号及随机噪声的Contourlet系数方差,并将其应用到K-L变换域能量百分比阈值函数的定义中,自适应地确定用于K-L反变换的特征向量,修改Contourlet变换的系数,再进行Contourlet反变换压制随机噪声。数值模拟及实际地震资料去噪效果表明,基于Contourlet变换的K-L变换去噪方法不仅可以有效地压制地震资料中的随机噪声,提高地震资料信噪比,而且具有较好的保真性。

K-L变换在地震资料去噪声的应用

介绍了K-L变换衰减噪声的基本原理,并将其用于实际地震资料的处理中.针对不同类型的干扰波,利用实例对K-L变换进行了讨论.结果表明,K-L变换可压制噪声提高信噪比,去噪的效果与所选取的特征值的个数有关.利用K-L变换对浅层多次波、折射波、直达波的压制,可避免手工切除对浅层有效信息和干扰信息一刀切的弊端,保存了浅层有效信息.

一种广义的K-L变换与人脸识别

提出了一种直接基于图像矩阵的包含在类平均图像中判别信息的最优压缩方法。在 ORL标准人脸库上的试验结果表明 ,提出的方法不仅识别性能优于传统的主分量分析和 Fishr线性鉴别分析 ,而且特征抽取的速度得到了很大的提高。

基于K-L距离的两步固定音频检索方法

根据音频文件数据量大、数据间存在一定相关性的特点,提出一种基于K-L距离的两步固定音频检索方法。该方法采用基于可变门限的直方图检索方法快速筛选出相似度较高的语音文件,利用特征矩阵的K-L距离对剩余语音进行精确比较,取得较好的效果。实验结果证明,该方法能使检索准确率达到90%左右。