一种改进NMF算法及其在人脸识别中的应用

为了提高非负矩阵分解(NMF)算法对光照、姿态等外部因素的鲁棒性,本文对传统的NMF进行改进,提出了一种改进的NMF方法。首先对NMF基图像进行判别分析,然后选择主要反应类内差异的基图像来构造子空间,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NMF方法和PCA等子空间分析法识别率提高了20%以上。

独立元子空间算法及其在故障检测上的应用

针对高维数据建模问题,提出一种独立元子空间算法(ICSM),作为一种新的集成学习算法,ICSM利用独立元在不同变量上的贡献度来选取子空间,符合了集成学习的要求,具备了明确的物理意义,有效地克服了随机子空间算法(RSM)的主要缺点。在此基础上,进一步将ICSM应用于工业过程监控,提出了一种新的ICSM-PCA故障检测算法。首先在各个子空间内分别建立相应的PCA监测模型,然后根据T^2和SPE统计量的值计算出集成时各自的权重,最后构造两个集成统计量对工业过程进行监测。通过在Tennessee Eastman(TE)模型上的仿真研究,说明提出的算法具有较好的建模效果和故障检测能力。

基于LQG基准的预测控制器经济敏感度分析及调节准则

为考虑控制变量方差变化对控制器经济性能的影响,提出一种基于线性二次高斯(Linear Quadratic Gaussian,LQG)基准的预测控制器经济敏感度分析方法及调节准则.首先由子空间辨识算法推导出带输入输出变量加权的LQG基准一般描述形式,在此基础上,构造了基于方差调节和基于约束松弛的两个优化问题进行敏感度分析,最终求解得到敏感变量的方差调节量和约束松弛量以提高控制器的经济效益,Shell塔仿真实验结果表明本文方法的有效性.

基于核函数的系统模型辨识

本文提出一种基于核函数的系统模型辨识方法。首先通过线性最小二乘确定低维空间中的非线性子空间,并经主分量分析提取与线性子空间基向量近似正交的非线性主分量,再经核密度估计进行聚类,自适应选择多个核将非线性子空间映射到高维空间,从而将任何一个线性和非线性的联合问题最终变成一个高维空间中的线性问题,最后借助线性最小二乘获得一个精确参数的系统模型。经过实验验证,该方法具有较好的效果。

基于最近特征线的二维非参数化判别分析算法

提出一种基于最近特征线(NFL)的二维非参数化判别分析算法,用于人脸识别等模式分类问题。该算法在子空间学习阶段运用NFL思想计算训练集中各样例的最近特征距离,计算得到低维投影空间,在低维投影空间中进行分类。通过ORL标准人脸数据库进行实验,结果表明该算法的鲁棒性优于传统算法。

一种平稳子空间分析的快速不动点算法

平稳子空间分析是新近发展的一种信号处理和数据分析技术,能够从观测到的多维非平稳信号中分离出平稳源信号。标准的平稳子空间分析算法基于Stiefel流形上的梯度下降方法。针对该算法收敛慢、耗时多的缺陷,根据关于Stiefel流形上优化问题的一阶最优性条件构造了迭代公式,提出一种新的平稳子空间分析的不动点算法。仿真实验表明,本文算法能够有效地分离出平稳源信号,分离性能优于已有的平稳子空间分析的不动点算法;与标准的基于Stiefel流形上梯度下降的算法相比,本文算法收敛更快,耗时更少。