改进贝叶斯判别法的矿井水源识别模型

为准确地判别矿井水源的类型以减少矿井水害的发生,提出一种改进贝叶斯判别的矿井水源识别模型。通过对砂岩裂隙水、老空水、奥灰水和太灰水4类水源进行水质化验,分析选取K⁺+Na⁺,Ca²⁺, Mg²⁺,SO₄^2-,Cl^-,HCO^-₃6种水质离子作为判别指标;首先使用SPSS Statistics 24软件分析各水质离子之间的相关性,其次对各主成分进行方差贡献率分析,选取前5种水质离子作为主要水质离子,然后根据变异系数法计算主要水质离子权重,最终结合贝叶斯判别法建立水源判别模型,并将模型的预测结果与基础贝叶斯模型的结果进行对比。结果表明：利用改进贝叶斯判别的矿井水源识别模型对14个待测样本进行测试,判别准确率为85.71%,相较于基础贝叶斯模型的准确率提高了21.42%,应用该判别模型的准确率得到了大幅提升;将该模型回代到26个样本中,判别结果与实际情况基本吻合。通过2种模型的对比分析,采用改进贝叶...     

基于主成分分析的河流洪水系统聚类法

进行河流洪水聚类的目的是根据洪水特征的相似程度划分洪水类别,研究同类洪水的规律性以及应对措施.但是,洪水特征选择过多往往会增加计算的复杂程度,同时特征之间的相关性也使得信息大量重叠,导致计算结果失真.为此,提出基于主成分分析的河流洪水系统聚类法.该法首先将所选的洪水特征综合成少数几个不相关的主成分,然后计算出每场洪水在各主成分上的得分值并将该值作为新的洪水特征值,最后根据这些新特征值进行洪水聚类.三门峡水库入库洪水聚类实例证明了该方法的可行性.     

基于多神经网络模型的软测量方法及应用

针对具有复杂非线性的生化过程,提出了一种基于多神经网络模型的软测量方法·利用主成分分析技术对原样本数据进行压缩,得到低维样本数据,并利用一种改进的分类指标对低维样本数据实现生化过程样本数据的分类,然后利用神经网络分别拟和各类数据的特性,建立软测量模型·最后,将这一方法应用于谷氨酸发酵过程,实验结果验证了该方法的有效性·     

IP黑名单关联聚类算法对恶意簇检测的优化研究

互联网中复杂的恶意活动都是由IP地址集群共同执行的,通过处理在网络中收集的数据来寻找恶意IP簇成为重要的研究方向。提出一种IP黑名单关联聚类算法(IPBACA),首先,构建IP-IP无向图;然后,利用测量统计相关性来测量IP黑名单与IP的相关性,并使用给定的IP黑名单来找到最佳阈值得出IP簇,判断其标准化残差是否达标;最后,识别出具有高精度的恶意簇。仿真结果表明,对比ICAMO算法,CAIIB算法和DABR算法,本文提出的IPBACA算法在精确率、召回率、F1指标和归一化互信息等4个主要性能指标方面均有明显改善,显著提高了对检测恶意簇的检测能力。     

云南高原湖泊群的统计学聚类识别 及水质响应模式研究

为探究湖泊群水质变量的响应模式,构建适用于监测数据匮乏的湖泊群聚类和响应模式识别方法体系(PCA-BN),包括4个步骤:数据预处理、PCA降维与湖泊聚类、贝叶斯网络构建及参数学习、湖泊响应关系模拟。以云南高原湖泊群为例开展研究,结果表明:所研究的26个湖泊可分为两类;由于第一类湖泊受到的人为干扰更严重,因而叶绿素a对总氮和总磷的响应比第二类湖泊更敏感;第一类湖泊表层水温高,溶解氧趋近饱和,随叶绿素a变化不显著,第二类湖泊溶解氧随叶绿素a升高而显著升高;两类湖泊的透明度与叶绿素a的关系一致。     

基于聚类与主成分分析法的道路检测器布局优化

依据交叉口交通量的相关性,利用系统聚类和主成分分析法对交叉口检测器空间优化问题进行研究,并通过深圳路网的实际数据进行检验,取得满意效果。     

基于聚类评分的暴雨/冰雹分类模型

针对暴雨和冰雹2种强对流天气的区分问题,研究了主成分分析联合线性鉴别分析对雷达图像中提取的冰雹及暴雨特征降维和去相关的作用,设计了基于聚类评分的暴雨/冰雹分类模型,采用K均值聚类评分的办法确定具有高分类性的主成分,并以此主成分设计分类器对暴雨和冰雹进行区分.结果表明:主成分分析联合线性鉴别分析进行特征处理能够在降维的同时保留大部分分类性信息,基于聚类评分的分类模型有利于提高冰雹识别的命中率并降低其误警率,且对一般类型公共数据分类问题有效.     

结合主元分析和系统聚类的丙烯腈反应器优化

为提高丙烯腈收率,在分析丙烯腈生产工艺的基础上,结合主元分析与系统聚类两种方法对丙烯腈硫化床反应器进行优化.利用主元分析进行变量选取,然后用系统聚类法进行分类并提取优类样本.在分类操作中通过选用不同的判据得到几组最优运行工况.比较发现类平均距离法、离差平方和法要优于其他方法.优化后丙烯腈平均收率提高了近0.7%,试验结果说明了该方法是很有效的.     

基于动态独立成分的单类支持向量机方法及其在故障诊断中的应用

针对工业过程故障诊断中数据的动态性、非高斯性和非线性特点,提出一种基于动态独立成分的单类支持向量机(OCSVM)方法。为了分析数据的动态特性和非高斯性,应用动态独立成分分析(DICA)方法提取数据变量中的动态独立成分作为特征信息,基于特征信息建立OCSVM模型并构造非线性监控统计量。检测到故障后,计算故障数据与故障模式数据决策超平面的相似度,通过相似度分析识别故障模式。在Tennessee Eastman基准过程上的仿真结果表明,提出的方法能够比单类支持向量机更有效地检测过程故障,并且能够正确识别故障模式。     

基于数据特性分析的多变量过程监测

以PCA,ICA为代表的多元统计监测方法总是基于各种各样的前提假设,如果不考虑它们的适用条件盲目选择监测算法,则可能给出错误结论,增加故障误报漏报的概率.针对理论方法在应用时面临的条件限制问题,在无先验知识的情况下,提出一种数据特性的分析方法,通过参数寻优并逐步剔除线性相关变量组的方法,实现多变量过程线性非线性的自动判别.仿真分析表明所提方法可以根据数据特点及各算法的适用条件自动选择适当的监测算法,具有一定的实用价值.     

基于核函数主元分析的软测量建模方法及应用

提出了基于核函数主元分析(PCA)方法提取变量的特征信息以有效处理非线性数据，并在此基础上进行软测量建模的方法。利用该方法建立了工业萘初馏塔酚油含萘量软测量模型，工业应用结果表明了该方法的有效性和优越性。     

KICA与Relief算法相结合的人脸识别研究

为使提取到的独立成分有利于人脸的分类识别,在用核独立成分分析（KICA）进行特征提取后,选用改进后的k最近邻的Relief方法进行特征选择。改进后的Relief算法可以减少噪声污染,并能处理小样本问题,使选择后的人脸特征较好地用于分类。通过在 AR人脸库上的实验,并与类内类间距离的特征选择方法进行比较,证明了该方法的有效性。     

一种不受光照和阴影影响的图像边缘检测方法

对于灰度图像和使用越来越多的彩色图像,已有的算法中存在着边缘检测效果不理想、计算复杂以及对光照或阴影的敏感等问题.针对于此,提出用主成分分析算法对灰度图像进行边缘提取;对于彩色图像,提出先用独立成分分析算法得出一幅具有全局特性的灰度图,再利用主要成分分析算法进行边缘特征提取.检测实验结果显示边缘特征清晰,计算简单,且不受光照和阴影的影响.     

利用计算机视觉识别茶叶的色泽类型

针对茶叶色泽的感官评定存在识别结果的主观性强和一致性差等缺点,提出了一种新的识别方法,在计算机视觉技术定量描述茶叶的颜色特征的基础上,根据相似分类法（SIMCA）模式识别原理分别为碧螺春、龙井和祁红等三种茶叶建立了各自的分类识别模型并进行识别．结果显示：在显著性水平α=5％的条件下,所建立的模型最佳;训练时,各自模型对己类样本的回判率和对非己类样本的拒绝率都达到100％;预测时,各自模型对己类样本的识别率分别为90％、90％和100％,对非己类样本的拒绝率都是100％．试验结果表明,利用计算机视觉技术识别茶叶的色泽类型是可行的．     

独立成份分析在径向基函数网中的应用研究

提出应用独立成份分析(Independent omponent nalysis,ICA)降低径向基函数网(RBFN)输入维数的方法,并讨论ICA降维方法对RBFN行为的影响．实验表明基于ICA的降维方法大大提高了RBFN的收敛速度,改善RBFN的行为．     

基于特征融合的人脸人耳多生物身份鉴别

针对人头旋转时单一人脸识别率较差的问题,基于人脸与人耳位置上的关联性,提出人脸人耳多生物特征级融合的身份鉴别方法以克服姿态带来的影响．首先采用传统独立成分分析（ICA）方法及其变形分别提取出图像的局部和全局特征,然后将这2种互补的特征进行多模态加权串联融合,并采用基于非线性核函数的主元分析法（KPCA）降维．在USTB图像库上的实验表明,2种独立成分特征具有很好的互补性,多生物识别大大优于单一生物识别,且提出的核非线性降维方法进一步改善了识别性能．     

基于独立分量分析的普适人脸识别系统

在模式识别领域,变量间的高阶统计关系开始受到更多关注.但目前许多人脸识别系统一方面依赖二阶统计关系,另一方面又需先采用主分量分析技术对样本进行降维.主分量分析技术自身却对二阶统计关系敏感,因此需要寻找一种对高阶统计关系敏感的算法作后续处理.为此作者提出了一种基于独立分量分析的普适人脸识别系统,并与传统的基于Fisher线性判别规则的人脸识别系统进行了比较分析,重点讨论在光照方向大幅度变化和人脸图像不完整情况下两种系统性能的优劣.理论分析和实验结果均证实,在这两种情况下,基于独立分量分析的普适人脸识别系统的性能优于传统的基于Fisher线性判别规则的人脸识别系统的性能.     

四种枣叶片的解剖学研究

对主产在陕北的骏枣、苹果枣、梨枣和狗头枣四种枣的叶片解剖学研究表明，其四种枣的叶片叶肉组织均由栅栏组织状的细胞组成，属等面叶，趋向旱生结构的特征．四种枣树的叶片结构也存在一定的差异，骏枣叶片的主脉中有较多的乳汁管，而其余三种则不存乳汁管；此外，四种枣叶的叶脉维管束外具有类似维管束鞘的结构和散布少量分泌细胞。     

灰枣和酸枣叶绿体trnL-trnF基因序列分析

以灰枣和酸枣叶片为材料,用改良的CTAB法提取总DNA,用通用引物对枣叶绿体trnL基因内含子和trnL-trnF间隔区进行PCR扩增,得到了trnL基因内含子和trnL-trnF间隔序列片段,并对trnL-trnF间隔序列片段回收测序,测序结果符合植物叶绿体基因trnL-trnF间隔序列特征,用DNAMAN软件进行同源性分析,结果表明灰枣和酸枣trnL-trnF基因序列同源性为94．78％.枣和酸枣的分类学地位是一个长期争议的问题,初步开展了灰枣和酸枣叶绿体基因序列分析的研究,为研究枣和酸枣分子系统进化提供参考.