基于AETA电磁扰动对九寨沟Ms 7.0级地震的研究

2017年8月8日中国四川省九寨沟县Ms 7.0级地震前, 在震源200 km范围内的九寨沟、松潘、平武、青川、茂县和汶川布设AETA系统的6个监测台。采用窗口为30日的滑动主成分分析(principal component analysis, PCA)方法, 对6个台站的电磁扰动进行特征分析, 探讨九寨沟Ms 7.0级地震前后AETA系统观测的电磁场变化特征, 并由此提出一种新的临震特征, 即AETA电磁数据经滑动PCA方法处理后得到的“条带异常”。结果显示: 1) 除九寨沟Ms 7.0级地震发震当日, 九寨沟监测台于震前5日至震后15日, 每天在同一时段(5:00 am—6:00 am)出现异常点, 形成“异常条带”, 异常程度在震前大体上呈递增变化, 震后大体上呈递减变化; 2) 震源附近其他监测台也存在异常点, 但发布零散且异常程度较小; 3) 九寨沟Ms 7.0级地震“异常条带”消失后的两个月内, 未出现新的“异常条带”, 且无强震发生。     

基于学习的彩色人脸图像超分辨率重构研究

提出了一种基于四元数模型的彩色人脸图像超分辨率重构算法.该算法利用主成分分析的主要思想,同时结合插值算法的理论,前期进行整体约束,后期进行分块处理,对人脸图像进行超分辨率重构.同时使用奇异值分解去除彩色图像中的噪声,针对主成分分析算法不太忠实于原图像的弱点进行改进;使用四元数表示彩色图像,将R,G,B三个分量同时进行处理.分析结果表明,该算法既利用了彩色分量的相关性,又提高了运算效率.     

基于数据驱动的智能电器运行状态监测方法

以满负载条件下频繁操作的交流接触器为研究对象,提出一种基于数据驱动的电器运行状态监测方法.首先,通过试验平台采集交流接触器历史运行数据,得到状态特征参量,并结合小波变换与主成分分析综合评价,对参量数据进行去噪去奇异值等预处理;其次,针对参量数据存在高维、冗余等负面干扰问题,采用核主成分分析方法进行多信息融合,并基于试验数据进行核参数的优选;最后,将融合信息量输入至隐半马尔可夫模型中,实现智能电器运行状态的监测与识别.以CJX2-8011交流接触器的试验数据为例,验证了所提方法在电器状态监测中的实用性和有效性.     

基于内容的藻类图像分类检索算法

为解决藻类图像分类检索的问题, 提出了一套基于内容的方法对藻类图像进行分类检索。针对海洋生物图像对颜色特征不敏感的特点, 采用SIFT(Scale-Invariant Feature Transform)算法针对藻类图像的形状特征进行提取。使用PCA(Principal Component Analysis)技术对特征进行降维, 有效避免了维数灾难。采用K-means 算法进行聚类, 简单高效。用词包对聚类结果进行打包, 以便后续的识别。最后用KNN(K-Nearest Neighbors)算法进行识别检索。实验结果与事实吻合, 为藻类造成的环境污染问题的研究提供了有效的技术支持。     

基于小波变换和改进PCA的人脸特征提取算法

针对在人脸图像高维数据降维时单纯使用主成分分析(PCA)算法的提取精度和速度受限问题,  提出一种基于小波变换和改进PCA的混合特征提取算法. 该方法首先对人脸图像进行小波分解, 选取低频分量对人脸图像进行特征提取;然后利用改进的PCA算法进行主成分提取, 获得代表人脸特征的特征向量; 最后将该算法应用于Olivetti Faces人脸库数据集的图像分类. 实验结果表明, 经过该混合算法处理后的图像特征数据, 由卷积神经网络(CNN)算法分类识别时准确率提升10%, 识别速度提高约37%.     

基于ICA与PSD的ERD／ERS信号检测

介绍一种基于独立分量分析（ICA）空间滤波结合功率谱密度（PSD）曲线分析法用于提取大脑在想象动作时产生事件相关去同步／同步（ERD／ERS）信号的方法．其检测流程为：先对想象动作诱发的脑电（EEG）信号进行ICA分解得到独立分量与相应的解混矩阵,再按特征频段取其主要分量得到滤波后数据,然后采用短时傅里叶变换计算相关导联EEG信号在特征时段与频段的PSD曲线,引入ERD／ERS系数作为量化指标以进行想象动作的识别．计算结果表明,上述方法能够显著增强运动想象脑电信号的ERD／ERS特征信息,且通过实际分类验证,采用该方法可以获得更高的识别正确率,较传统信息检测方法平均提高8％以上．     

基于Labview和PCA分析方法的电子鼻设计

为解决电子鼻在食物品质评价中的应用问题, 设计了基于金属氧化物半导体型气体传感器阵列和\{Labview\}虚拟仪器的电子鼻系统。该系统通过对不同样品进行信号采集建立气味数据库, 信号采集系统由STM32微控制器和24位模数转换器AD7794构成, 采集的信号通过串口被传输到PC(Personal Computer), PC接收数据后, 使用在Labview平台下搭建的上位机软件, 通过内嵌的Matlab脚本对数据进行整理, 最终利用PCA(Principal Component Analysis)对数据进行分析, 获取气味指纹。该系统通过对5种不同种类食用酱的挥发气体进行检测, 建立气味数据库, 进而实现对未知酱品的检测,最终实现了对不同种类的食用酱准确区分的方法。     

文本分类中基于CHI和PCA混合特征的降维方法

中文文本数据的半结构化甚至非结构化的特点使得其分类存在着特征高维的问题,传统单一的特征降维方法难以满足大数据时代的文本分类需求.基于此,提出了一种基于卡方统计(Chi-square statistics,CHI)和主成分分析(principal component analysis,PCA)的混合特征降维方法(CHI-...     

基于电流的主轴性能退化评估方法

为提高精密机床主轴检测的准确性,提出了一种基于电流的主轴性能退化评估方法.建立了主轴性能退化模型,使主轴状态便于监测和评估.首先采用小波包阈值对电流信号进行去噪处理,对去噪后的电流信号提取时频域特征量,构造多域特征空间.然后利用主成分分析法（PCA）进行数据降维,用降维后的样本进行支持向量机回归建模.采用粒子群算法（PSO）对支持向量机模型进行参数优化,以获得最优性能退化模型.将该模型应用于主轴实验台主轴性能退化评估,实验结果表明该方法原理正确,可以准确评价主轴性能.      

基于主成分分析与模糊BP方法的藻类繁殖状态预测

将主成分分析（PCA）与模糊反向传播（BP）网络建模方法相融合,提出了PCA-模糊BP方法并用于藻类繁殖状态的预测,建立了叶绿素a含量的预测模型.采用PCA对各类采集数据进行预处理,并将PCA所得各理化因子作为模糊BP网络的输入变量,叶绿素a的含量作为模糊BP网络的输出变量,经过学习训练,获得藻类繁殖状态的预测模型.结果表明,PCA-模糊BP方法降低了各类输入样本数据之间的相关性和模型系统的维数,加快了模糊BP网络的收敛速度,其与典型BP神经网络模型相比,具有更快的计算速度和更高的预测精度,能够较好地预测海洋藻类繁殖的生长状况.
     

一种综合的供应商评价方法

针对供应链管理中供应商选择问题(VSP),尝试将综合AHP(层次分析法)、PCA(主成分分析)和DEA(数据包络法)3种方法应用在供应商评价中,避免传统的单个方法或2个方法的综合使用中各种方法本身的缺陷,尤其是解决由评价准则的相关性带来的重复评价和权值给定的客观性的问题.通过实例分析说明,与带偏好约束的AHP和DEA综合方法的评价结果进行了对比,AHP,PCA和DEA三者综合评价法能够有效降低评价的复杂程度,减少数据的冗余,可更加真实有效地反应供应商得分的实际情况,避免由于评价准则之间的相互关系所带来的重复评价问题.