Locality Preserving Discriminant Projection for Speaker Verification

In this paper, a manifold subspace learning algorithm based on locality preserving discriminant projection (LPDP) is used for speaker verification. LPDP can overcome the deficiency of the total variability factor analysis and locality preserving projection (LPP). LPDP can effectively use the speaker label information of speech data. Through optimization, LPDP can maintain the inherent manifold local structure of the speech data samples of the same speaker by reducing the distance between them. At the same time, LPDP can enhance the discriminability of the embedding space by expanding the distance between the speech data samples of different speakers. The proposed method is compared with LPP and total variability factor analysis on the NIST SRE 2010 telephone-telephone core condition. The experimental results indicate that the proposed LPDP can overcome the deficiency of LPP and total variability factor analysis and can further improve the system performance.

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.

Program evaluation and its application to equipment based on super-efficiency DEA and gray relation projection method

For the gray attributes of the equipment program and its difficulty to carry out the quantitative assessment of the equipment program information, the gray relation projection method is simply reviewed. Combining the super-data envelopment analysis（DEA） model and the gray system theory, a new super-DEA for measuring the weight is proposed, and a gray relation projection model is established to rank the equipment programs. Finally, this approach is used to evaluate the equipment program. The results are verified valid and can provide a new way for evaluating the equipment program.

Robust least squares projection twin SVM and its sparse solution

Least squares projection twin support vector machine(LSPTSVM)has faster computing speed than classical least squares support vector machine(LSSVM).However,LSPTSVM is sensitive to outliers and its solution lacks sparsity.Therefore,it is difficult for LSPTSVM to process large-scale datasets with outliers.In this paper,we propose a robust LSPTSVM model(called R-LSPTSVM)by applying truncated least squares loss function.The robustness of R-LSPTSVM is proved from a weighted perspective.Furthermore,we obtain the sparse solution of R-LSPTSVM by using the pivoting Cholesky factorization method in primal space.Finally,the sparse R-LSPTSVM algorithm(SR-LSPTSVM)is proposed.Experimental results show that SR-LSPTSVM is insensitive to outliers and can deal with large-scale datasets fastly.

OSS Project Assessment Based on Discriminant Analysis and Jump Diffusion Process Model for Fault Big Data

The bug tracking system is well known as the project support tool of open source software. There are many categorical data sets recorded on the bug tracking system. In the past, many reliability assessment methods have been proposed in the research area of software reliability. Also, there are several software project analyses based on the software effort data such as the earned value management. In particular, the software reliability growth models can apply to the system testing phase of software development. On the other hand, the software effort analysis can apply to all development phase, because the fault data is only recorded on the testing phase. We focus on the big fault data and effort data of open source software. Then, it is difficult to assess by using the typical statistical assessment method, because the data recorded on the bug tracking system is large scale. Also, we discuss the jump diffusion process model based on the estimation method of jump parameters by using the discriminant analysis. Moreover, we analyze actual big fault data to show numerical examples of software effort assessment considering many categorical data set.

基于核Fisher判别分析的船舶中央冷却器状态评估

为实现船舶系统或设备的实时状态评估,本文采用核Fisher判别分析法,以船舶中央冷却器为例,选择合适的核函数及核参数,利用其正常数据和异常数据建立状态评估模型,即最佳投影方向,并利用过程数据验证其有效性。结果表明,核Fisher判别分析法无需深入分析中央冷却器的结构与原理即可有效识别中央冷却器的正常工况和异常工况,同时能够通过投影值准确描述过程工况的变化过程。在故障发展初期,根据运行参数投影值的变化趋势,可判断船舶系统或设备状态的发展趋势,为早期发现船舶系统或设备的重复性故障提供有效手段。对于船舶系统或设备而言,具有重要的工程实际应用意义。

Anti-noise performance of the pulse coupled neural network applied in discrimination of neutron and gamma-ray

In this study,the anti-noise performance of a pulse-coupled neural network(PCNN)was investigated in the neutron and gamma-ray(n-γ)discrimination field.The experiments were conducted in two groups.In the first group,radiation pulse signals were pre-processed using a Fourier filter to reduce the original noise in the signals,whereas in the second group,the original noise was left untouched to simulate an extremely high-noise scenario.For each part,artificial Gaussian noise with different intensity levels was added to the signals prior to the discrimination process.In the aforementioned conditions,the performance of the PCNN was evaluated and compared with five other commonly used methods of n-γdiscrimination:(1)zero crossing,(2)charge comparison,(3)vector projection,(4)falling edge percentage slope,and(5)frequency gradient analysis.The experimental results showed that the PCNN method significantly outperforms other methods with outstanding FoM-value at all noise levels.Furthermore,the fluctuations in FoM-value of PCNN were significantly better than those obtained via other methods at most noise levels and only slightly worse than those obtained via the charge comparison and zerocrossing methods under extreme noise conditions.Additionally,the changing patterns and fluctuations of the FoMvalue were evaluated under different noise conditions.Hence,based on the results,the parameter selection strategy of the PCNN was presented.In conclusion,the PCNN method is suitable for use in high-noise application scenarios for n-γdiscrimination because of its stability and remarkable discrimination performance.It does not rely on strict parameter settings and can realize satisfactory performance over a wide parameter range.

级联式生成对抗网络的全景图像修复

为了解决全景图像视场宽、畸变显著等问题,提出了一种级联式生成对抗网络的全景图像修复算法。第一阶段提出了一种双判别器生成对抗网络,通过对等矩形格式的全景图像进行立方体投影转换,对立方体六面图像进行修复,引入PatchGAN作为全局判别器捕获细节信息,局部判别器网络可以保证局部修复结果与周围区域的一致性。第二阶段提出了一种失真感知生成对抗网络,通过矩形混合卷积缓解全景图像失真,判别器引入谱归一化,与第一阶段进行级联以缓解立方体图像边界不连续问题,设计联合损失函数以优化网络修复效果。实验结果表明,所提算法无论从主观视觉评价或是从客观评价指标上均取得了优秀的效果,实现全景图像的有效修复。

基于扎根理论及G1-CRITIC-距离函数判法-VIKOR的铁路建设项目安全管理标准化评价

为促进安全管理标准化管理模式顺利实施,铁路建设项目安全管理迈向高标准高水平,开展铁路建设项目安全管理标准化评价研究。首先,以标准化管理为理论基础,根据质性研究方法-扎根理论对数据进行编码处理,建立以制度管理标准化、人员配备标准化、物料管理标准化、环境管理标准化、现场作业标准化、过程控制标准化为6个核心范畴和32个主范畴的铁路建设项目安全管理标准化评价指标体系。其次,借助劳伦茨曲线的基尼系数改进CRITIC方法,提出“G1-CRITIC-距离函数判别法”模型,计算属性权重。最后,采用VIKOR算法对案例项目进行实证分析,基于安全管理标准化值U_(R)评估标准化管理水平。结果表明:各案例项目的安全管理标准化水平不同,U_(R)值具有显著差异,P_(1)~P_(5)各项目的U_R值分别为0.047 6、0.148 3、0.451 9、0.971 5、0.648(其中P_(4)属于“高水平”;P_(3)和P_(5)属于“中水平”;P_(1)和P_(2)属于“低水平”)。通过折衷系数扰动下的敏感性分析,综合考虑群体效用和个体妥协,对不同等级的建设项目(P_(1)~P_(5))分别进行讨论,并提出标准化建设的决策建议。研究结果与各案例项目实际安全管理标准化程度相符,为深入推进铁路建设项目标准化管理工作、促进建设项目各项安全管理行为规范运作和管理体系的持续改进提供参考依据。

茯砖茶感官特征分析及其产地判别模型构建研究

为客观准确地评价不同产地茯砖茶感官特征品质,结合感官审评、化学组分检测、化学计量学等研究茯砖茶感官品质特征及不同产地茯砖茶判别模型构建。结果表明:湖南、浙江、陕西等19个茯砖茶因原料物质基础的不同其感官品质有非常明显的差异。其中,茯砖茶滋味得分(taste score, TS)与咖啡碱(caffeine, CAF)、水浸出物(water leachate, WL)、儿茶素(catechin, CAT)和表儿茶素(epicatechin, EC)呈现出显著相关性,其相关系数(P<0.05)分别为0.81、0.62、0.55、0.50。同时,基于化学组分的主成分(PCA)表明,前4个主成分的累计方差贡献率为79.48%,并以前4个主成分的线性回归方程和贡献率构建了茯砖茶感官品质综合评价模型与产地判别模型。正交偏最小二乘法判别分析(OPLA-DA)显示,19个不同产地的茯砖茶样品被明显地划分为3组,评价模型对不同产地茯砖茶识别度较高。采用交叉验证法对模型进行验证,模型对自变量的拟合指数(R~2X)为0.879,对因变量的拟合指数(R~2Y)为0.992,预测指数(Q^(2))为0.53。经OPLS-DA共识别出6种预测变量重要性投影(VIP)值大于1的差异指标,其中茶多酚(tea polyphenols, TPP)、可溶性糖(soluble sugar, SS)、CAF、WL为茯砖茶感官特征标志性差异品质成分。结果表明,应用感官审评、化学组分检测、化学计量学等方法可以实现茯砖茶感官特征及其不同产地茯砖茶的快速、准确判别,同时也为茯砖茶感官特征及其不同产地判别提供一种新的参考方法。

基于波束空间交替投影极大似然的拖曳式诱饵分辨判别方法

机载平台在遭遇威胁时,通过释放拖曳式诱饵假目标干扰进行自卫.载机和拖曳式诱饵在雷达波束宽度内,且径向距离小于距离分辨率时,雷达无法通过常规方法对载机目标和拖曳式诱饵进行分辨测量.针对数字相控阵雷达同拖曳式诱饵对抗的问题,提出一种基于波束空间交替投影极大似然(BSAP-ML)方法.首先通过阵元空间到波束空间处理,减少数字相控阵维度;然后通过交替投影方法对目标和拖曳式诱饵的角度进行迭代测量;最后通过基于角度向量的判别方法对载机目标和诱饵进行判断识别.仿真结果表明,该方法可用于数字相控阵雷达,对载机和拖曳式诱饵进行有效的超分辨角度测量和判别.

基于少数据样本的滚动轴承寿命分段预测方法

针对少数据样本下,滚动轴承难以准确预测剩余使用寿命(RUL)的问题,提出了一种结合卷积长短期记忆网络(ConvLSTM)与对抗性判别域自适应网络(ADDA)的轴承寿命分段预测方法。首先,利用稀疏概率自注意力机制对特征集进行了筛选,提取了具有时变性的特征集,以获取最优全局特征,确定分段点以作为ADDA模型的输入;然后,针对不同阶段的退化特点建立了相应的健康评估指标;对处于健康状态的轴承,利用ConvLSTM网络预测了轴承健康阶段的寿命,将健康阶段预测数据作为局部特征输入ADDA网络与最优特征集(全局特征),进行了对抗训练,以实现故障阶段的寿命预测,并使用全连接层输出滚动轴承的预测剩余使用寿命;最后,采用PHM2012数据集与工程试验数据分别对模型进行了验证。研究结果表明:相较于ConvLSTM模型、RNN-HI模型、CNN-LSTM模型,ConvLSTM-ADDA寿命预测方法的平均绝对误差分别降低了78.16%、53.14%、67.13%,平均得分分别提高了66.42%、92.81%、32.37%;相较于LSTM模型、CNN-LSTM模型以及Transformer模型,ConvLSTM-ADDA寿命预测方法的均方误差分别降低了80.11%、54.95%、55.94%。因此,该算法模型能够实现对较少数据样本的轴承寿命进行RUL预测的目的,且具有较高的精度。

基于感知哈希的能源数据安全访问控制方法研究

作为保证能源数据安全的重要步骤,访问控制过程易受数据差异性、不均衡性、冗余性等问题的干扰,导致安全访问控制时间增加、交互成功率下降以及计算开销增加。为了有效解决这一问题,提出基于感知哈希的能源数据安全访问控制方法。采用监督判别投影算法对能源数据做降维处理,以降低信息之间的冗余性。利用感知哈希算法,得到分布式存储数据。结合二元一次函数诱导算法,在分布式存储数据中生成密钥。通过内层加密与外层加密相结合的控制策略,实现数据授权访问的动态变化,完成能源数据的安全访问控制。试验结果表明,该方法的能源数据安全访问控制时间短、交互成功率高、计算开销小。该方法可为能源数据安全领域的进一步发展提供重要参考。

基于朴素贝叶斯的属性混合大数据分类提取

与一般数据类型不同,属性混合大数据在分类提取过程中易受边缘数据的干扰,存在分类提取误差较大和抗噪能力不佳的问题,于是提出基于朴素贝叶斯算法的属性混合大数据分类提取方法。采用离散小波变换法消除大数据中存在的噪声,避免分类提取过程受到噪声干扰。通过监督判别投影法对大数据实行降维处理,将预处理后的属性混合大数据输入到朴素贝叶斯分类器中,通过先验知识与后验概率的结合,完成属性混合大数据的分类提取。实验结果表明,所提方法的运算耗时短、分类提取误差小、抗噪声能力强,验证了所提方法的应用效果。

基于RMDLPP的雷达空中目标分类

针对鉴别局部保持投影(discriminant locality preserving projections, DLPP)在窄带雷达目标数据降维时出现的类内离散度矩阵奇异和对孤立点敏感进而导致类别之间可分性弱的问题,提出了基于鲁棒性边界DLPP(robust margin DLPP, RMDLPP)的窄带雷达空中目标分类方法。首先,在计算样本之间距离时将两样本点的欧氏距离与同类样本均值相关联。然后,挑选一定数量的边界样本点进行处理并对优化DLPP目标函数进行降维。最后,使用高性能分类器对降维后的数据进行区分,实现对空中目标的分类。通过对X波段对空警戒雷达实测数据的对比实验表明,所提方法具有更好的分类准确率和对孤立点的鲁棒性。

基于波段数量约束的高速近红外高光谱塑料分选系统

提出了一种基于波段数量约束的连续投影算法(SPAsa),提高模型的计算速度。采集废旧塑料样品和相应的高光谱数据,通过余弦相似度算法自适应标记的方法对目标塑料逐一标记,构建废旧塑料样品库,利用PLS-DA方法进行分类。并且,设置了一个可以约束特征波长数量范围的SPAsa算法提取的特征变量的数量,在限定范围内,从256个波长的塑料近红外全谱数据中择优提取出了8个特征波长。建立了全光谱PLS-DA模型、SPA-PLS-DA模型和SPAsa-PLS-DA模型,3种分类模型对12种塑料的分类准确率均大于97%。最后,将3种模型应用于分选系统,测试分类效果和分类速度,对目标ABS塑料和其他塑料进行分离,SPAsa-PLS-DA模型的分离准确率可达100%,其搭载分选系统处理一帧数据所需运行时间小于2ms。

不同贮藏时间即食燕窝特征风味成分分析

为探究不同贮藏时间即食燕窝的风味特征,采用气相色谱-离子迁移谱(GC-IMS)对5个贮藏时间市售即食燕窝的挥发性有机物进行差异分析。结果表明,不同贮藏时间即食燕窝的挥发性成分存在显著差异(P<0.05),共鉴定出44个挥发性有机物(包含单聚体和二聚体),主要为醛和酯类。主成分分析(PCA)和偏最小二乘判别分析(PLS-DA)能有效判别5个贮藏时间的即食燕窝。依据PLS-DA模型的变量投影重要性分析值(VIP)和指纹图谱结合层次聚类分析,最终筛选出12个(VIP>1)特征挥发性物质,分别为乙酸(单聚体和二聚体)、(Z)-4-庚烯醛、2-丁酮(单聚体)、3-甲基-3-丁烯-1-醇、庚醛、乙酸乙酯(二聚体)、乙酸丙酯(单聚体)、戊醛、丁醛、丙酸乙酯(单聚体和二聚体)。通过这些特征化合物可以较好地判别不同贮藏时间的即食燕窝样品。

基于自适应LPP特征降维和改进VPMCD的滚动轴承故障诊断

针对机械系统状态监测与故障诊断中存在的故障特征维数较高及模式识别导致的耗时较高问题,提出了一种基于自适应局部保持投影(Locality Preserving Projection,LPP)特征降维和改进多变量预测模型(Variable Predictive Model based Class Discriminate,VPMCD)的故障诊断方法。首先,从滚动轴承振动信号中提取时频域特征、能量特征,以及复杂度特征组成高维故障特征数据集;其次,利用自适应LPP方法对高维故障特征数据集进行降维处理,得到低维敏感故障特征;最后,采用改进VPMCD方法对低维敏感故障特征进行分类识别,进而判断故障类型。通过滚动轴承故障诊断试验分析表明,自适应LPP方法克服了传统LPP方法需要人工选取参数的缺陷,在获得低维敏感故障特征的基础上具有较少计算时间,相比主成分分析(Principal Component Analysis,PCA)、局部切空间排列(Local Tangent Space Alignment,LTSA)、线性局部切空间排列(Linear Local Tangent Space Alignment,LLTSA)、等距特征映射(Isometric Mapping,Isomap),以及局部线性嵌入(Locally Linear Embedding,LLE)等算法具有明显的优势;改进VPMCD方法可克服人工选择模型的偶然性和片面性,在滚动轴承10种故障状态的识别中获得了99.4%的诊断精度,相比优化参数支持向量机方法提高了故障诊断效率,大大降低了识别时间,具有一定的优越性。

南水北调中线工程运行期膨胀土长期变形及稳定性分析

南水北调中线工程运行数年后,部分膨胀土边坡渠段出现了长期变形问题。为掌握膨胀土渠坡长期变形规律,利用南水北调中线膨胀土边坡运行期长期监测资料,分析了膨胀土渠坡深层变形的长期发展特征及其与降雨的关系,揭示了膨胀土边坡深层位移长期发展的内在机理。借鉴土力学流变原理中剪切蠕变的负幂时间函数,分析了幂指数与蠕变衰减速率之间的关系,确定了边坡长期变形收敛与发散的判别阈值,提出了用于深挖方膨胀土边坡长期稳定状态的幂次判别法。选取典型膨胀土深挖方边坡,基于实测数据开展膨胀土边坡长期稳定状态评价。与后续实际运行状态对比表明,幂次判别法具有有效性。研究成果为膨胀土边坡稳定状态评价和运行维护提供理论与技术支撑。

一种有监督的LPP算法及其在人脸识别中的应用

为了提高局部保持投影算法(Locality Preserving Projections,LPP)对光照、姿态等外部因素的鲁棒性,该文对传统的LPP算法进行改进,提出了一种有监督的LPP(SLPP)方法。首先对LPP子空间进行判别分析,然后选择主要反应类内差异的基向量来构造子空间,最后在子空间上进行识别。通过Havard人脸库和Umist人脸库上的实验,结果表明该方法能够对光照和姿态的变化具有一定的鲁棒性和较高的识别率,比传统的LPP方法和其它子空间分析法识别率提高了10%以上。