基于邻近集计算的光谱相似性测度方法研究

在近红外光谱数据相似性测度时,由于光谱数据高维、非线性、重叠等特点,会出现测度距离失效、数据信息处理困难等难题。针对传统相似性测度方法在高维空间出现的不适应性,提出了基于邻近集计算的光谱相似性测度方法。首先,采用邻域保持投影neighborhood preserving projections(NPP)算法对原始光谱数据进行降维处理,该降维方法可以很好的保留原始光谱数据非线性结构信息和数据点的邻域信息。然后,在光谱数据降维后的低维空间中,采用改进的邻近集计算方法,实现对近红外光谱数据的相似性测度。实验结果表明,基于邻近集计算的光谱相似性测度方法,有效的实现了光谱数据的相似性测度,在烟叶风格判定和品质分析方面有较好的应用前景,同时也为高维光谱数据相似性测度提供了一个良好的解决方法。     

基于局部保持投影的掌纹识别

为了保持掌纹空间的局部结构,运用局部保持投影(LPP)方法进行掌纹识别.在小样本图像识别中,特征方程矩阵存在奇异性.传统的解决方法是运用主元分析(PCA)获得原样本的低维特征子空间,在该空间中运用LPP进行特征提取.由于PCA和LPP的投影标准本质上是不同的,PCA降维时丢失许多重要的判别信息.为了解决这个问题,提出运用三级小波变换、图像下抽样、图像分块求平均值三种方法降低掌纹空间的维数,在低维图像上应用LPP提取局部特征.计算特征矢量间的余弦距离进行掌纹匹配.运用PolyU掌纹图像库进行测试,结果表明,该算法的识别性能均优于PCA和PCA LPP.特征提取和匹配总时间小于0.1 S,具有快速、有效、易于实现等优点.     

运载火箭控制系统的BIT设计与实现

根据拓扑性质知觉原理,视觉原语是从整体到局部,拓扑感知优先。根据此仿生原理,建立感知目标物的形状拓扑信息的数学模型。首先提取物体三维轮廓信息;将空间图形轮廓降维映射到二维投影平面中进行处理;建立提取空间图形拓扑特征的数学模型。将轮廓拓扑空间同胚映射到(Hausdorf或度量空间或)二维投影平面,保持了拓扑不变性,因此便于分析出拓扑特征,可继续应用拓扑映射原理,分析点集拓扑。最终,拓扑特征与知识库模型相匹配,识别出物体。     

基于稀疏表示和学习图正则的高光谱图像特征提取

针对传统局部特征提取算法难以确定邻域参数,以及仅考虑数据间的单一结构而漏掉重要信息的问题,提出一种基于稀疏表示和学习图正则的局部判别与全局稀疏保持投影算法。该算法首先对稀疏表示模型施加基于学习的图正则器,用该改进的稀疏表示模型自适应揭示样本数据间的局部线性结构,通过局部判别模型全局集成算法来提取局部线性结构中的判别信息;利用基于学习图正则稀疏表示模型构建的新型稀疏图来揭示数据间的全局稀疏结构;使得数据的局部判别结构和全局稀疏结构在低维特征空间得以保持。通过1-近邻和支持向量机分类器对实验结果进行评估,在PaviaU和Indian Pines两个高光谱公共数据集上的实验显示,提出的局部判别与全局稀疏保持投影算法较对比算法取得了最好的性能,由于提取了全局和局部的判别信息,有效提升了高光谱图像的地物分类精度。     

融合全局与局部多样性特征的人脸表情识别

通常主成分分析(PCA)只能保持数据的全局结构,邻域保持嵌入(NPE)算法只能保持邻域样本间的相似性,忽略了其差异性。针对上述问题,提出了一种融合全局与局部多样性的特征提取算法,并将其应用于人脸表情识别中。该算法利用PCA算法保持全局结构,并通过流形学习思想定义局部差异离散度和局部相似离散度,结合最大局部散度差准则,有效刻画出局部流形结构的多样性;将全局特征和局部多样性特征相结合,提取出低维流形特征用于表情分类。在JAFFE和Cohn-Kanade人脸表情数据库上的实验表明,该算法与PCA、局部保持投影(LPP)、NPE等算法相比,不仅有效地提高了识别率,而且在取得最高识别率时所需维数最低,证明了此算法在识别效果方面的优越性。     

基于LLE与Gold-SA-SVM的海藻三维荧光光谱门类识别

针对海藻三维荧光光谱线性降维方法不理想、模型识别准确率低的问题,提出通过局部线性嵌入(LLE)算法进行降维、通过黄金正弦算法(Gold-SA)对支持向量机(SVM)进行优化来构建分类模型的方法.将LLE算法降维后的海藻三维荧光光谱数据作为SVM的输入,并与其他两种降维方法进行对比.结果 显示:LLE算法的降维效果最好,...     

基于正交投影散度的高光谱遥感波段选择算法

由于高光谱数据的海量高维特征,对其进行降维处理成为高光谱遥感研究的一个重要问题.波段选择算法由于能够有效地保留原始数据的信息,在高光谱数据降维及后续的遥感识别与分类等方面具有明显的优越性.文章提出了一种基于正交投影散度(OPD)的波段选择方法,该方法继承了正交子空间投影(OSP)算法的特点,通过把原始数据投影到特征空间...     

基于信息增益率的WNB水下机器人故障分类

提高故障诊断能力对于确保水下机器人系统的稳定运行具有重要意义,故障分类是目前水下机器人故障诊断所面临的一个重要问题。针对水下机器人推进器系统数据特征,提出一种基于信息增益率的加权朴素贝叶斯故障分类算法。首先,计算故障训练样本的先验概率,将各属性的信息增益率作为权值;其次,构建基于增益率加权的朴素贝叶斯分类模型;然后,对检测的故障数据利用分类模型获取具有最大后验概率的故障模式,实现故障分类。与朴素贝叶斯算法和决策树算法相比,仿真实验结果表明基于信息增益率加权的朴素贝叶斯算法的分类成功率更高,能够有效地实现水下机器人的故障分类。     

基于互信息熵-近红外光谱的过程模式故障检测

近红外光谱分析在工业过程故障检测方面具有独特的优势,是一种准确且高效的方法。结合互信息熵和传统的主成分分析,对近红外光谱特征信息进行提取,通过构建过程的模式来刻画工业过程的运行状态。利用近红外光谱数据,从有机分子含氢基团振动信息中获取工业系统的过程模式,从微观分子层面探索提高工业过程故障检测准确率的有效方法,结合贝叶斯统计学习技术,提出了基于近红外光谱数据的工业过程故障检测技术。针对近红外光谱信息量丰富,谱带较宽,特征性不强的特点,首先对工业过程不同运行状态下的近红外光谱吸光度数据进行一阶导数预处理,采用主成分分析法（principal component analysis,PCA）压缩光谱数据量,扩大不同运行状态下光谱特征信息的差异性,提取光谱的内部特征信息。然后采用互信息熵（mutual information entropy,MIE）作为光谱特征信息相关性度量函数,基于最小冗余最大相关算法进一步减少光谱特征信息间的冗余并最大化光谱特征信息与类别的相关性,弥补了PCA无监督特征波长选择的不足,提出一种基于PCA-MIE的过程模式构建方法,获得的过程模式子集更紧凑更具类别表现力。再利用贝叶斯统计学习算法,根据后验概率对构建的模式子集进行决策,判别生产过程的正常状态和故障状态。由于过程模式子集结合了PCA浓聚方差的优势和互信息熵相关性测度的特征信息选择方法,蕴含了更多的近红外光谱的本质信息与内在规律,从而更能刻画工业过程的运行状态。接着,设置测试准确率TA作为评估标准,用以评价故障检测方法的性能效果。最后利用某化工厂提供的原油脱盐脱水过程近红外光谱数据对所提方法进行验证,并与传统近红外光谱特征信息提取方法PCA和MIE方法性能进行对比分析,结果表明基于PCA-MIE的过程模式故障检测方法几乎在所有维数子集上性能都优于其他两种方法,在特征维数为18维时获得最高的准确率94. 6%,证明了方法的优越性。     

基于姿势字典学习的人体行为识别

提出一种基于人体轮廓表达的姿势学习框架来进行人体行为识别。通过一种基于Procrustes形状分析和局部保持投影的姿势特征表示方法,从人体运动视频中提取具有平移、旋转和放缩不变性的姿势特征,在保留人体姿势的局部流形结构的同时尽量提取子空间上的判别信息。针对该特征还提出了一种基于姿势字典学习的人体行为识别框架,对每类行为分别学习一个对应于该类的字典,通过串联所有类的字典来得到整个姿势字典;并通过最小重构误差准则来分类测试视频。在Weizmann和MuHAVi-MAS14数据集上的实验结果证实了该方法的识别率高于大部分经典方法。特别是在MuHAVi-MAS14数据集上的识别率对比已有的结果上有巨大的提升。     

基于改进K均值聚类的机械故障智能检测

针对传统的K均值聚类算法在机械故障检测的过程中,由于对于K值的选择具有较强的主观性,最后极易得到局部最优解,而非全局最优解,降低了机械故障检测的准确性。提出一种改进K均值聚类的机械故障智能检测方法。将K均值聚类算法与粒子群算法相结合,在迭代处理的过程中,结合K均值进行优化,即将粒子群算法中的子代个体利用K均值聚类进行运算获取局部最优解,并使用这些个体继续参与迭代处理,这样能够提高算法的收敛速度,避免陷入局部最优解,获得准确的机械故障信号特征。实验结果表明,利用K均值倾斜特征提取的机械故障智能检测算法进行机械故障检测,能够有效提高故障检测的准确性,取得了令人满意的效果。     

A Rolling Bearing Fault Classification Scheme Based on k-Optimized Adaptive Local Iterative Filtering and Improved Multiscale Permutation Entropy

The health condition of the rolling bearing seriously affects the operation of the whole mechanical system. When the rolling bearing parts fail, the time series collected in the field generally shows strong nonlinearity and non-stationarity. To obtain the faulty characteristics of mechanical equipment accurately, a rolling bearing fault detection technique based on k-optimized adaptive local iterative filtering (ALIF), improved multiscale permutation entropy (improved MPE), and BP neural network was proposed. In the ALIF algorithm, a k-optimized ALIF method based on permutation entropy (PE) is presented to select the number of ALIF decomposition layers adaptively. The completely average coarse-graining method was proposed to excavate more hidden information. The performance analysis of the simulation signal shows that the improved MPE can more accurately dig out the depth information of the time series, and the entropy value obtained is more consistent and stable. In the research application, rolling bearing time series are decomposed by k-optimized ALIF to obtain a certain number of intrinsic mode functions (IMFs). Then the improved MPE value of effective IMF is calculated and input into backpropagation (BP) neural network as the feature vector for automatic fault identification. The comparative analysis of simulation signals shows that this method can extract fault information effectively. At the same time, the experimental part shows that this scheme not only effectively extracts the fault features, but also realizes the classification and identification of different fault modes and faults of different degrees, which has a certain application prospect in the research and application direction of rolling bearing fault identification.     

改进粒子群算法优化支持向量机在故障诊断中的应用研究

支持向量机(SVM)作为当前新型的机器学习方式,凭借解决小样本问题、高维问题和局部极值问题等方面的优越性,在当前故障诊断方面有突出的表现;文章根据对支持向量机的研究,发现其在分类模型参数选择上存在困难,为此,提出利用改进粒子群算法优化的办法,解决粒子群前期收敛速度过快导致后期容易优化不均的现象;通过粒子群算法优化与支持向量机分类模型结合,以轴承故障检测和诊断为例,分析次方法的优越性和提高支持向量机在故障诊断过程中的精准度;通过实际检测得出,这种算法优化的方法改进的支持向量机对于聚类性较差的故障分类具有很好的诊断功能。     

基于多信号温度模型的机载电子板卡故障检测研究

在利用红外热像仪进行机载电子板卡故障检测中,针对电子板卡结构复杂,解析建模困难的特点,提出了一种基于多信号温度模型的分析诊断方法。通过将机载电子板卡正常工作时的红外温度图像与故障时的进行对比,建立了系统的多信号温度模型,针对多信号温度模型的缺点,提出一种基于贝叶斯网络的测试性建模方法,并给出贝叶斯网络模型的测试性分析方法与指标计算方法,得到模型相关矩阵并进一步进行故障诊断分析,为检测电子元器件故障及老化程度提供了一种有效途径。     

A Weighted Subdomain Adaptation Network for Partial Transfer Fault Diagnosis of Rotating Machinery

Domain adaptation-based models for fault classification under variable working conditions have become a research focus in recent years. Previous domain adaptation approaches generally assume identical label spaces in the source and target domains, however, such an assumption may be no longer legitimate in a more realistic situation that requires adaptation from a larger and more diverse source domain to a smaller target domain with less number of fault classes. To address the above deficiencies, we propose a partial transfer fault diagnosis model based on a weighted subdomain adaptation network (WSAN) in this paper. Our method pays more attention to the local data distribution while aligning the global distribution. An auxiliary classifier is introduced to obtain the class-level weights of the source samples, so the network can avoid negative transfer caused by unique fault classes in the source domain. Furthermore, a weighted local maximum mean discrepancy (WLMMD) is proposed to capture the fine-grained transferable information and obtain sample-level weights. Finally, relevant distributions of domain-specific layer activations across different domains are aligned. Experimental results show that our method could assign appropriate weights to each source sample and realize efficient partial transfer fault diagnosis.     

基于非负矩阵分解的多聚焦图像融合研究

在标准非负矩阵分解约束条件的基础上,提出了一种添加了清晰度约束的新的目标函数和迭代算法．即改进的非负矩阵分解算法,并将其应用于多聚焦图像融合中。非负矩阵分解过程中,适当地选取特征空间的维数能够获得原始数据的局部特征。若以待融合图像为原始数据,选取特征空间的维数为1,则利用改进的非负矩阵分解方法进行图像融合所得到的特征基图像就是对原始图像的融合,该融合网像包含了原始图像的整体特征。实验结果表明,该方法融合效果优于小波变换方法和拉普拉斯塔型方法。     

Research on OCDMA-based PON monitoring technologies

An optical fiber fault location method based on OCDMA coding is proposed, which may locate branch optical fiber fault at local side. The method expands dynamic range through coding gain without influencing event distinction degree. Through simulation, it indicates that dynamic range of the method may support optical fiber fault detection in PON with branching ratio of 1:16 and transmission distance of 20 km, while the distinction degree is about 10 cm.     

基于局部自适应拉升窗的复合图像增强算法

针对含有低亮度低对比度区域的图像,提出基于局部自适应拉升窗(LASW)的复合图像增强算法.通过研究目前一系列基于局部操作的空域图像增强算法,提出全局和局部操作结合的总体思路;首先使用高提升拉普拉斯(Laplacian)反锐化掩模(UM)增强以获得较多的隐藏细节和边缘信息,然后构造局部自适应拉升窗大幅增强低对比度图像细节,同时使用自适应滤波器进行掩模平滑操作;最后根据局部增强结果进行全局修正.仿真实验表明,在绝对误差、图像熵等评价指标下,该算法使低对比度图像尤其当含有低亮度微弱局部信息时,获得了较好的增强效果.     

几种直方图变换法在输电接头红外热像增强中的对比研究

由红外热像仪直接得到的热像会受很多外来因素的干扰而致使图像模糊不清、对比度差,由此在故障诊断过程中,需要对热像进行后续增强处理。总结了影响热故障红外检测准确性的外部因素,分析了输电接头热像的基本特征,采用了基于平方根灰度变换直方图修正和全局均衡化两种方法对热像进行了增强处理。在分析上述两种方法优劣的基础上,提出了一种基于线性平滑滤波的局部均衡化方法。结果表明,基于线性平滑滤波的局部均衡化方法对于处理输电接头热像更有效。