共查询到18条相似文献，搜索用时 468 毫秒
1.
2.
通过核主成分分析对面料FAST高维数据进行降维处理,获取的核主成分作为模糊神经网络的输入,提出了一种丝织物缝纫性能模糊评价方法.实验结果表明,该方法可以基于丝织物FAST力学指标快速准确地预测成衣后的缝纫性能. 相似文献
3.
给出一种核函数的独立成分分析方法,将信号从低维空间映射到高维空间,并运用核方法在该空间内搜索比对函数的最小值,实验仿真表明了所提方法的有效性。 相似文献
4.
5.
基于核独立成分分析的静息态fMRI数据研究（英文） 总被引：1，自引：0，他引：1
为了方便提取静息态默认网络,降低功能核磁共振（fMRI）数据复杂度,克服独立成分分析只适合于源信号线性混合的限制,提出了特征降维和非线性变换的框架.首先采用主成分分析对fMRI信号的时间维度进行降维,将原始维度为153 594×128的fMRI数据降至153 594×5,以达到降低计算复杂度的目的,并保留95%的信息成分.然后利用基于高斯核的非线性独立成分分析即核独立成分分析来分析静息态fMRI数据并提取默认网络.实验结果表明,在分析静息态fMRI数据的过程中,核独立成分分析不仅能准确提取默认网络,而且降低了噪声,所得到的结果优于普通独立成分分析. 相似文献
6.
7.
《潍坊教育学院学报》2016,(1):87-89
本文基于局部特征核主成分分析下的SAR图像识别技术手段的探讨研究,根据其基础性能的实际要求以及行业领域的发展标准,在此基础上提出一种两级2维式的局部特征提取判别嵌入的模式,这种局部判别嵌入特征提取的SAR图像识别方法,在图像处理与识别的过程中,有效避免了传统方法中将图像数据转化为向量后所带来的维数灾难以及小样本等问题的出现,通过这种两级2维局部判别嵌入的核主成分分析特征提取方法在SAR图像识别方法中的应用,极大地增强了系统对特征的判别效果。 相似文献
8.
针对现代生产工业过程中数据的非线性多模态特征,提出了一种基于人工大猩猩部队优化动态核主元分析(GTO-DKPCA)的故障监测方法。利用自回归移动平均时间序列模型和核主成分分析(KPCA)方法构建DKPCA模型,对过程各阶段的批次数据进行DKPCA处理。通过正常数据和故障数据特征构建自适应度函数,利用人工大猩猩部队优化算法对DKPCA核参数进行优化,以发现最优的非线性特征;通过计算各时间点的霍特林统计量T2和平方预测误差(SPE)统计量进行故障监测。青霉素发酵过程故障监测结果表明,GTO-DKPCA方法比多向核主元分析(MKPCA)和多动态核主元分析(BDKPCA)有更好的监测效果,适应性和准确性更高。 相似文献
9.
10.
提出了基于核主元分析和Fisher判别分析相结合的非线性统计过程监控和故障诊断新方法.该方法首先利用非线性核函数将数据从原始空间映射到高维空间,然后在高维空间中利用线性Fisher判别分析法提取数据最优的核Fisher判别矢量和特征矢量,通过计算特征矢量之间的欧式距离来实现过程监控.若系统发生故障,则根据当前故障的判别矢量和历史故障数据集中所含故障的最优核Fisher判别矢量的相似度进行故障诊断.所提出的方法能有效的捕获过程变量之间的非线性关系,汽轮机特征故障数据集仿真试验验证了该方法的有效性. 相似文献
11.
Kernel Model Applied in Kernel Direct Discriminant Analysis for the Recognition of Face with Nonlinear Variations 总被引：1，自引：0，他引：1
A kernel-based discriminant analysis method called kernel direct discriminant analysis is employed, which combines the merit of direct linear discriminant analysis with that of kernel trick. In order to demonstrate its better robustness to the complex and nonlinear variations of real face images , such as illumination, facial expression, scale and pose variations, experiments are carried out on the Olivetti Research Laboratory, Yale and self-built face databases. The results indicate that in contrast to kernel principal component analysis and kernel linear discriminant analysis, the method can achieve lower (7%) error rate using only a very small set of features. Furthermore, a new corrected kernel model is proposed to improve the recognition performance. Experimental results confirm its superiority (1% in terms of recognition rate) to other polynomial kernel models. 相似文献
12.
The eigenface method that uses principal component analysis （PCA） has been the standard and popular method used in face recognition. This paper presents a PCA - memetic algorithm （PCA-MA） approach for feature selection. PCA has been extended by MAs where the former was used for feature extraction/dimensionality reduction and the latter exploited for feature selection. Simulations were performed over ORL and YaleB face databases using Euclidean norm as the classifier. It was found that as far as the recognition rate is concerned, PCA-MA completely outperforms the eigenface method. We compared the performance of PCA extended with genetic algorithm （PCA-GA） with our proposed PCA-MA method. The results also clearly established the supremacy of the PCA-MA method over the PCA-GA method. We further extended linear discriminant analysis （LDA） and kernel principal component analysis （KPCA） approaches with the MA and observed significant improvement in recognition rate with fewer features. This paper also compares the performance of PCA-MA, LDA-MA and KPCA-MA approaches. 相似文献
13.
改进的汉字统计结构模型可生成给定风格下的手写汉字。汉字被分为三个层次:笔划、部首和单字,我们首先训练样本,基于主成分分析和核主成分分析,分别建立三个层次的概率分布;然后测试样本,最后生成了与测试样本同一风格的汉字。使用HCL2000汉字数据库进行实验,实验结果验证了提出模型的有效性。 相似文献
14.
In this paper, an integrated validation method and process are developed for multivariate dynamic systems. The principal component
analysis approach is used to address multivariate correlation and dimensionality reduction, the dynamic time warping and correlation
coefficient are used for error assessment, and the subject matter experts (SMEs)’ opinions and principal component analysis
coefficients are incorporated to provide the overall rating of the dynamic system. The proposed method and process are successfully
demonstrated through a vehicle dynamic system problem. 相似文献
15.
主成分分析是多元统计分析中的降维技术,在用于综合评价时,在不损失原有信息的基础上,主成分分析结果易受异常值的影响,分析结果稳定性差.针对该问题,文中提出一种改进的主成分分析方法,该方法先通过惯性系数加权的方式对原始指标进行分级优化,再利用均值化的思想对其进行处理.实验结果表明,该方法有效地弱化了异常值的影响,增强了分析结果的稳定性,同时具有良好的降维效果. 相似文献
16.
为了在保证检测准确率的前提下提高检测效率,并优化SDN网络中基于流表特征的DDoS攻击检测算法,主要分析基于流表特征的DDoS攻击检测技术及其存在的不足,提出首先利用主成分分析优化流表特征,从中选出合适的特征子集,并采用支持向量机算法实现分类检测;然后搭建仿真网络环境,利用正常数据集与攻击数据集训练分类器进行测试实验;最后从检测准确率与检测时间两个维度对特征降维前后的检测方法进行对比。实验结果表明,经过特征降维的检测方法在不影响准确率的同时,有效提高了检测速率。 相似文献
17.
针对传统信用评价方法分类精度较低、数据集属性变量间存在相关性等问题,提出基于主成分分析的稀疏贝叶斯学习（PCA-SBL）算法。首先对数据集特征变量进行主成分分析,使降维后的变量无相关性|其次,对主成分分析后的数据进行稀疏贝叶斯分类|最后将 PCA-SBL 分类方法分类精度与传统分类方法精度进行比较。分析发现,在 German Credit Data 和 Australian Credit Data 上,与传统 KNN、朴素贝叶斯、SVM、随机森林、决策树相比,改进的 SBL 算法分类精度平均提高了 5.26%、4.65%、2.11%、2.125%、4.66%,与稀疏贝叶斯学习算法（SBL）相比,平均提高 0.965%,从而证明 PCA-SBL 算法具有更高的分类效果。 相似文献
18.
将基于多个嵌入图组合形式的半监督判别分析(SDA)以及核SDA(KSDA)应用于全监督的语音情感识别.在语音信号样本情感成分的预处理阶段,从样本语段中提取出多种特征及其统计参数,包括基音、过零率、能量、持续长度、共振峰和MFCC(Mel频率倒谱系数).在将样本特征送入分类器之前的维数约简阶段,使用经过参数优化的SDA或KSDA进行降维.Berlin语音情感数据库上的实验表明,在使用多类SVM分类器时的全监督语音情感识别中,SDA优于其他一些先进的基于谱图学习的维数约简算法,如LDA,LPP,MFA等,而KSDA通过核化的数据映射,能够取得比上述所有算法更好的识别效果. 相似文献