高分辨雷达一维距离像的融合特征识别

雷达目标识别中,提取目标的有效特征将直接影响识别效果。针对雷达目标高分辨距离像(HRRP)具有平移敏感性,提出了一种基于多特征的融合特征来作为目标特征进行识别。利用PCA将三种平移不变特征融合,采用支持向量机算法来实现识别。仿真实验结果表明,该方法不仅降低了目标特征的存储量,同时也克服了高分辨距离像的平移敏感性,具有较高的识别率和很好的推广性。

数据变换对主成分提取的影响

首先介绍数据变换中极差正规化和非线性变换方法对主成分提取的影响。然后结合山东省2008年的具体经济实例,分别对用标准化、极差正规化和非线性变换方法所得的数据做主成分提取。最后通过比较可得后两种数据变换改进主成分分析的特征提取,比传统的标准化数据变换方法具有优越性。

基于法线引导的激光中心线提取方法

在线结构光三维测量系统中,高精度激光条纹中心线提取是提高测量精度的关键。针对现有激光中心线存在提取精度不高、保留细节差等问题,提出了一种基于法线引导的激光中心线提取算法。该算法具体实现步骤为:首先,对图像进行预处理,结合边缘检测和几何中心法对激光线初步提取;然后,用主成分分析法(principal component analysis,PCA)求取其法线,在激光中心点处划分角度八邻域,通过法线角度引导搜寻有效点集;最后,利用灰度重心法对点集进行亚像素提取。实验结果表明:该算法均方根误差与灰度重心法相比提高了0.233 9像素,比Steger算法、方向模板法更好地保留了光条细节,可以更精确地提取光条中心,达到亚像素级的精度。

基于非线性主成分聚类分析的生态文明水平的评价方法

根据评价生态文明建设的15个主要指标,本文应用了基于非线性主成分聚类分析方法进行了生态文明水平综合评价,科学的评价了2013年31个地区(港澳台除外)的生态文明水平;针对传统主成分在处理非线性问题上的不足,阐述了传统方法在数据无量纲化中"中心标准化"的缺点和处理"线性"数据时的缺陷,给出了数据无量纲化和处理"非线性"数据时的改进方法,并建立了一种基于"对数中心化"的非线性主成分分析和聚类分析的新的综合评价方法。通过MATLAB编程得出北京、浙江、上海与广东生态文明建设较好;河南、甘肃、山西与西藏生态文明建设较差,这与它们能源利用效率低下有密切关系。