去除乘性噪音的主成分分析算法

雷达成像系统的进一步应用依赖于对图像中噪音的有效抑制.在目前现有消除噪音方法的基础上,基于图像的局部相似性,结合主成分分析法,提出一种新的有效去除乘性噪音的滤波算法.乘性噪音经对数变换后可转化为加性噪音处理.分析了对数域中噪音的类型.首先在图像的对数域,通过非局部方法选取局部相似块作为训练样本,利用主成分分析法提取出信号的主要特征.然后基于统计理论中最小均方误差估计法给出了一种适用于图像信息的阈值原则.最后分析了变换过程引起的偏差,由对数域的偏估计得到滤波图像.数值实验验证了新算法的有效性.对比于目前提出的变分方法,新算法处理后的图像有更高的信噪比和更好的视觉效果,且具有一定的实用性.     

采用主成分分析结合相关系数法提高苯及其同系物含量预测结果的准确度

采用短波近红外光谱法对苯及其同系物进行了检测,研究了多组分近红外光谱主成分的特点和物理意义。指出前几个主成分和此多组分混合物的相关系数曲线十分相似,给予理论证明并指出了成立的条件。主成分结合相关系数法可以鉴别出系统高频噪声,扣除这部分噪音可有效地提高预测模型的预测准确度。     

主成分分析重建误差掌纹识别方法

主成分分析(PCA)法在掌纹识别方面可以取得较好的效果.但是随着掌纹图像库的扩大,PCA转换矩阵训练时间迅速增长;注册新掌纹时,需要重新训练PCA转换矩阵.添加注册掌纹的代价随着掌纹库的增大迅速增加.如何能够在保持PCA识别效果的情况下提高使用的便捷性成为PCA广泛应用的主要障碍.提出了一种以PCA重建误差为分类依据的PCA重建误差学纹识别方法.该方法与PCA法基于相同的原理,在采用最近邻分类器时可以取得与PCA法相等的性能;同时可以有效减少掌纹图像库的识别时间,可以以极少的代价扩展掌纹库.     

基于主成分分析的汉语连续语音切分算法

连续语音切分是汉语连续语音识别中的一项重要技术。本文将通常用于图像处理的主成分分析(PCA)方法引入汉语连续语音切分领域,目的是通过PCA,降低语音帧之间的频谱相关性。再利用相邻语音帧特征构成的三维子空间的大小,实现连续语音切分,取得了不错的切分效果。     

一种改进的随机检验法用于主成分选择以避免光谱分析校正模型的过拟合或欠拟合

为了避免主成分个数选择不当引起的校正模型过拟合或欠拟合,提出了一种改进的随机检验法,应用该方法对样品复杂程度递增的三组近红外光谱数据进行了实验研究,并与交互验证法进行了比较,分析了模型复杂程度对光谱定量校正模型预测能力的影响,讨论了该方法对复杂样品的适用性问题。结果显示,该方法可避免交互验证法剔除样本的过程,考虑了全部训练样本的信息,可客观地选择主成分,有助于避免过拟合或欠拟合,提高校正模型的预测精度;该方法不同于一般随机检验法的统计检验过程,简化了判据,易实现,选择过程可视化、可交互;在三组实验中,分别选择4,5和8个主成分建模,其外部独立预测集的预测结果最优;该方法适用于小样本复杂样品建模。     

局部偏最小二乘回归建模参数对近红外检测结果的影响研究

报道了在局部加权(LWR)回归方法基础上,自主改进的更简单、实用的局部偏最小二乘回归(LPLS)的原理和方法。并以云南优质烤烟为实验材料,在国产光栅漫反射型近红外仪器上,研究了主成分数以及局部建模样品数对检测结果的影响。结果表明：应用交叉验证方法推荐的尼古丁组分模型主成分数并不是最优,通过适当降低主成分数可提高检测效果;局部建模样品数为30～50个时总糖、总氮、尼古丁预测准确度的提高幅度可分别达7%,14%,10%以上。该方法能有效提高近红外数学模型的预测准确度,是建立具有高度适应性近红外数学模型的有效方法。     

主成分提取在遥感FTIR谱图解析中的应用

建立了基于人工神经网络(ANN)的遥感FTIR谱图解析方法。针对人工神经网络(ANN)训练时间过长和模型“过拟合”的问题,采用偏最小二乘法(PLS)和主成分分析法(PCA),对输入ANN的光谱数据进行了主成分提取,使ANN分析时间从30多分钟缩短为10多秒钟;模型传递技术的引入,克服了遥感FTIR谱图分析中反复建模问题。经过优化的方法,实现了用EPA数据建模,对大气中的四组分混合体系——丙酮、苯、三氯甲烷和甲醇的遥感、实时、准确测定,PLS-ANN模型得到的结果最好,对丙酮、苯、三氯甲烷和甲醇的预测误差分别为0.043,0.031,0.034,0.051,保证了遥感FTIR对大气中有毒气体混合物实时、准确、快速监测。     

基于可见-近红外光谱比较主成分回归、偏最小二乘回归和反向传播神经网络对土壤氮的预测研究

建模方法是影响可见-近红外光谱定量结果的主要因素之一。在470～1000nm波段的12个土壤剖面对48个剖面样经过风干、研磨、过筛后进行光谱采集。经一阶微分变换及Savizky-Golay平滑处理后,分别应用主成分回归(PCR)、偏最小二乘回归(PLSR)和反向传播神经网络(BPNN)3种方法建立土壤全氮(TN)的定量模型。PCR与PLSR两线性模型的决定系数(R2)分别为0.74和0.8,其剩余预测偏差(RPD)分别为2.23和2.22,但两模型仅能用于TN的粗略估计。由PCR提供主成分数,PLSR提供潜变量(LV)数分别作为BPNN的输入所构建的两个非线性模型均明显优于线性模型PCR和PLSR。其中以4个LV作为输入的BPNN-LV模型预测性能最优,R2以及RPD分别达到0.9和3.11。实验结果表明,提取可见-近红外光谱的PLSR LV因子作为BPNN的输入,所建定量模型可用于土壤氮纵向时空分布的快速准确预测。     

近红外漫反射光谱的主成分分析

本文研究了主成分分析的应用，说明了在主成分分析过程中所产生的新变量如何提供新的光谱信息，该信息能改善对原光谱的解释。     

近红外光谱法同时快速测定五种抗结核药物的主成分含量

20世纪80年代以来,全球的结核病形势急剧恶化,利福平片、异烟肼片、吡嗪酰胺片、异福片和异福酰胺片是目前比较有效的抗结核药物.文章采用近红外光谱技术(NIRS)结合偏最小二乘法(PLS)建立了同时测定上述五种抗结核药物中的利福平(RMP)、异烟肼(INH)和吡嗪酰胺(PZA)含量的定量分析模型.实验结果表明,采用原始光谱建立模型测定以上抗结核药物中各组分含量时,测定RMP含量的最有效的波长范围为1 981～2 195啪,测定INH含量的最有效波长范围分别是1 540～1 717nm和2 086～2 197 nm,测定PZA含量的最有效波长范围分别是1 460～1 537 nm,1 956～2 022 nm和2 268～2 393 nm,最优模型测定RMP,INH和PZA含量的交互验证均方根误差(RMSECV)分别为0.049 4,0.025 7和0.030 7,模型对预测集样品中的RMP,INH和PZA含量预测,预测均方根误差(RMSEP)分别为0.034 9,0.016 6和0.013 4,预测相关系数(rp)分别达到0.986 4,0.998 9和0.999 3,表明模型预测准确可靠,该研究对抗结核药物生产中质量检验和在线检测有重要的意义.     

基于核主成分分析的硬件木马检测方法研究

针对旁路信号样本在高维空间中的分布,提出了一种基于核主成分分析的硬件木马检测方法,该方法能够找出旁路信号样本分布中的非线性规律,将高维的旁路信号映射到低维子空间同时更精确地反映旁路信号样本的分布特性,从而发现由木马引起的非线性特征差异。针对AES加密电路植入约占电路3%的组合型木马并进行检测,实验结果表明,该方法能够有效分辨基准电路与含木马电路之间旁路信号的非线性特征差异,实现木马的检测,并取得比K-L变换更好的检测效果。     

基于主成分分析的复杂光谱定量分析方法的研究

针对超短脉冲激光与气体相互作用产生的非线性荧光光谱的特点,提出了光谱分析的预处理、特征提取以及定量分析的有效方法.采用小波算法对光谱数据进行压缩和降噪处理,使光谱数据由3979点压缩降噪至664点.对处理后的光谱特征峰团的强度进行主成分分析,结果表明2个主成分即可包含98%的光谱信息.采用第一主成分对不同浓度下的谱线强度进行拟合与误差计算,有效地提取了与气体浓度有关的特征参量.实现了气体的定量分析.同已有的定量分析方法相比,定量分析的精度有较大提高,特别在所关心的低浓度情况下,定量分析的精度改善更为明显.3种气体的拟合与计算显示同以往方法相比误差由0.2694降为0.02.     

Classification Method of Coal and Gangue Using Terahertz Time-Domain Spectroscopy,Cluster Analysis and Principal Component Analysis

Journal of Applied Spectroscopy - The process of coal mining generates high amounts of coal gangue. Accordingly, coal–gangue separation is a key problem limiting coal production and quality....     

基于主成分分析和多元曲线分辨的蓝细菌流式荧光光谱分析方法

利用流式细胞术对细胞进行多色荧光分析时,往往获得的是由多种组分荧光光谱混合的多元荧光光谱。在对蓝细菌进行光谱流式检测时,所测得的荧光光谱同时包含了多种未知荧光光谱,且存在严重的光谱混叠。为了获得蓝细菌中的主要组分光谱及其浓度,提出主成分分析和多元曲线分辨相结合的方法,对蓝细菌的流式荧光光谱进行处理。该方法通过主成分分析获得蓝细菌的主要纯组分数量,然后利用渐进因子分析寻找各组分的起始点和终止点,并估计纯组分的初始光谱,最后利用交替最小二乘结合其纯组分光谱的单峰性和非负性,对初始估计的纯组分光谱进行迭代修正,从而得到纯组分光谱及其组分浓度。仿真和实验结果表明,该方法能够准确地估计混合光谱中纯组分的个数并对其谱峰进行拟合,进而准确地估计各个组分的浓度。该方法不但适用于蓝细菌的光谱分析,还可用于其他多元混合光谱体系的解析。     

基于改进核主元分析的TE故障诊断

PCA、KPCA作为常用的多变量统计监控算法,一般适用于定常过程。针对实际工业过程的时变、非线性特性,提出一种基于分块的改进KPCA算法。该方法通过采用随时间更新的核矩阵代替固定核矩阵用于主元模型的建立,使非线性监控模型能够在线更新,从而提高KPCA的检测正确率。与KPCA方法相比,该方法的运算复杂度明显降低。将该方法应用于TE(Tennessee Eastman)过程,仿真结果显示,该方法具有较好的监测性能,且所需时间大大减小,说明了本算法的有效性。     

相对主元分析在船舶机舱监控系统的应用

目前船员对于船舶状况、航行状态等的判断主要还是依靠经验,难免会出现不恰当的决策,造成不必要的人力、财力的损失;针对这一问题提出并开发了一套融入相对主元分析船舶机舱监控系统;该系统除了具有常规机舱监控系统功能外,还能实现故障监测功能;协助管理人员进行系统故障的分析,从而更好地保证船舶航行的安全与效率,减少人为误操作带来的事故问题;增强了船舶监控系统的功能,大大提高了人员的工作效率减轻了人员的劳动强度;其设计满足船级社的定期无人机舱值守操作,为机舱监控系统的设计提供了一种新的思路。     

基于主成分分析的太阳光谱信息提取

太阳光谱观测是研究太阳大气活动现象有效手段之一。提出了一种基于主成分分析的太阳光谱特征信息提取和重构方法,分析了重构数据噪声抑制程度和主成分阶数的关系,计算了不同主成分阶数下重构数据的谱线信噪比以及多普勒速度测量精度。结果显示特征信息提取后,重构数据较大程度保留了原始光谱数据信息,光谱数据信噪比明显提高,谱线多普勒速度测量精度也显著提高,并且三维光谱数据存储和传输量大幅缩减。该方法能够满足一米新真空太阳望远镜当前数据规范发布需求和科学目标要求,为中国在建的光纤阵列太阳望远镜以及未来的巨型太阳望远镜光谱数据处理提供参考。     

基于基线校正和主元分析的紫外-可见光光谱在线水质异常检测方法

近年来,饮用水安全问题引起社会的广泛关注。采用紫外-可见光吸收光谱对水质进行异常检测,具有现场原位、无需试剂、分析快速等优点,适合快速在线监测。然而,紫外-可见光光谱数据量大,且易受仪器和水质正常波动的干扰,从而影响水质异常检测结果。提出一种基于基线校正和主元分析的紫外-可见光光谱法来检测污染物引起的水质异常,该方法利用非对称最小二乘校正基线,采用主元分析法从基线校正后的光谱矩阵中降维并提取特征,然后根据残差子空间的Q统计量评估测试样本的离群点,最后采用累计概率来更新异常报告结果。通过苯酚注入的实验,验证了该算法的有效性,实验结果表明,提出的方法与单波长法相比,有效地提高了污染物的检出下限;与未经基线校正采用主元分析进行的异常检测方法相比,提高了检出率,降低了误报率。