基于主元证据理论在车辆识别中的应用

车辆识别技术作为智能交通管理系统中的研究热点和难点;在车辆识别技术中,应用Dempster- Shafer证据组合规则融合冲突信息时会产生不合理的结果;基于修正证据源的思想,提出了一种新的权重系数确定方法,该方法从证据主元角度分析,确定各组证据主元,利用该主元求出证据相容度、可信度,进而确定证据权重系数;通过新的证据冲突衡量方法,确定冲突值,归一化权重,修正证据源,按ER规则融合各组证据对目标进行识别;仿真部分以实际路面车辆车型识别为算例,将该方法与其他方法对比,结果表明:该方法能更有效地融合高度冲突的证据,减小计算复杂度,目标识别的准确性提高20%。     

基于DPCA与LSSVM的飞机发动机异常状态识别

针对飞机发动机异常状态识别精度差、效率低和易误诊漏诊等问题,提出了一种基于动态主元分析 (Dynamic Principal Component Analysis, DPCA)和最小二乘支持向量机(Least Square Support Vector Machine, LSSVM)的飞机发动机润滑系统异常状态识别方法。首先对发动机润滑系统参数进行DPCA处理以及在线检测是否有故障发生,如果有故障发生,再采用LSSVM方法进行异常状态识别。以某型飞机发动机润滑系统为例,对文中所提方法的准确性进行试验验证,由试验结果得出文中方法能有效提高飞机发动机异常状态识别准确率。     

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。     

小波重构与局部DCT的二维主元分析掌纹识别

为了解决掌纹特征提取过程中,手掌的非平面问题导致的伪主线噪音信息并简化运算,对重构的掌纹图像进行了局部离散余弦变换.解决了重构后图像噪音敏感性问题,有效地区分了掌纹主线、掌纹褶纹和乳突纹.由二维主元分析算法获得较稳健的识别特征.通过香港理工大学公布的PolyU掌纹数据库的实验,同二维主元分析算法相比,小波重构与局部离散余弦变换的2DPCA掌纹识别算法正确识别率较高,识别效率较高.     

主成分分析在舰船辐射噪声分类识别中的应用

主成分分析(PCA)是经典的多元统计分析方法,在处理多变量综合问题方面有比较突出的优势。本文主要探讨了主成分分析在舰船辐射噪声信号分类识别中的应用。在经典功率谱的基础上尝试将PCA技术运用在两种不同的方法中,对两种舰船辐射噪声进行了特征提取和分类识别,得到了较好的效果。     

模糊故障树分析法在航空发动机滑油渗漏分析中的应用

目的：为准确查找航空发动机滑油渗漏原因,研究模糊故障树理论在飞机故障诊断方面的应用。方法：以CFM56-7B发动机滑油系统为研究对象,将故障树理论应用于滑油系统渗漏故障诊断中,采用下行法求解最小割集得到故障诱因最小事件。根据滑油故障发生概率具有模糊和不确定性特点,结合Delphi专家调查采用模糊数学理论进行定量分析,确定故障诱因事件风险重要度排序。结果：从CFM56-7B滑油渗漏故障原因重要度排序可知,故障诱因依次为后收油池供油口盖封严损坏（x1）、后收油池滑油回油管接头处裂纹(x2)、发动机使用MJO291滑油后导致密封材料损坏（x8)等,维修时应注意。结论：维修单位故障记录验证了方法的有效性,可为准确和快速诊断和排除滑油渗漏故障提供参考。     

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。     

基于主元分析的随机相移算法

将统计理论中的主元分析应用到干涉条纹分析中,提出一种基于主元分析的随机相移算法。该算法先将多帧条纹数据分解成不相关的主元成分,然后从主元成分中提取2维相位信息。数值模拟结果表明:该算法不需要迭代运算就能从4帧完全随机相移干涉图中有效提取相位信息,运算时间少,精度高。实验结果表明主元分析相移算法比现有迭代相移算法更适合于随机相移干涉图分析。

     

基于主元分析的随机相移算法

将统计理论中的主元分析应用到干涉条纹分析中,提出一种基于主元分析的随机相移算法。该算法先将多帧条纹数据分解成不相关的主元成分,然后从主元成分中提取2维相位信息。数值模拟结果表明:该算法不需要迭代运算就能从4帧完全随机相移干涉图中有效提取相位信息,运算时间少,精度高。实验结果表明主元分析相移算法比现有迭代相移算法更适合于随机相移干涉图分析。     

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。     

主成分分析在某型柴油机光谱数据分析中的应用

通过改变气缸套和活塞间隙,设计了6种工作状态,获得了某型6缸柴油机在每种工作状态下不同负荷时的润滑油样本共计69个,采用超谱M型原子发射光谱仪分析21种元素浓度。应用主成分分析法,分别以分析元素和润滑油样本为研究对象,基于权系数和主成分得分,对光谱数据进行了元素分类和样本分类。发现应用主成分分析法分析油液光谱数据能比较理想地对元素进行分类,该分类的3种主成分反映了5种类型的元素组合即磨损元素Fe,Cr,Cu,Al和Pb,含量较高的添加剂元素Na,Zn,P,Ca和Mg,含量较低的添加剂元素Ba和B,润滑油主成分元素C和H和干扰元素Ni,Ti,Mo,V和Ag等。不仅如此,主成分分析法对样本的分类较好地区分了来自柴油机不同的气缸套—活塞设计间隙的油样。研究表明应用主成分分析法分析润滑油光谱分析数据可揭示不同元素的来源、监测工况和诊断磨损故障。     

基于二元PCA特征谱的星系光谱成分快速扣除

实际观测天体目标光谱如超新星和活动星系核光谱常常混有寄主星系成分,这对目标天体光谱的类别和性质证认识别会造成困难。文章提出了一种快速有效的称为二元PCA特征谱分解的星系扣除算法。该算法首先计算了星系样本模板库和超新星样本模板库各自的PCA特征光谱,然后对特征光谱组通过正交变换得到混合空间的一组标准正交基,进而利用混合光谱在该标准正交基上的分解系数计算该光谱在原特征光谱组的分解系数,获得星系超新星混合光谱的快速分解,系数计算也可通过SVD矩阵分解得到,但计算效率较低。实验表明,该方法优于常用的直接PCA投影重构分解方法,与另一种χ2模板拟合方法扣除星系成分相比,在保持分解效果基本不变的前提下,时间消耗则大大降低,从而使该方法可应用到大规模光谱数据处理中。     

利用主成分分析和分层聚类分析法研究氟诺喹酮类药物分子结构活性关系

用密度泛函理论计算了12种具有抗肺炎链球菌的氟诺喹酮类药物分子的分子特性.利用主成分分析和分层聚类分析方法来简化氟诺喹酮类药物数据库的维数.主成分分析法表明,变量 E_(LUMO)、 Q_3、Q_5、Q_A、lgP、MR、VOL、ΔE_(HL)能够有效地对抗肺炎链球菌的氟诺喹酮类药物进行分类.分层聚类方法的结果和主成分分析方法的结果一致.这表明两种方法都能够对新的具有抗肺炎链球菌的氟诺喹酮类药物的分类提供一个可信的规律.利用主成分分析法和分层聚类分析法对其他6个氟诺喹酮类药物分子进行分析,结果都表明有两个药物分子具有较强的抗肺炎链球菌活性.此结果和临床结果相吻合.     

联合InSAR与PCA的北京平原地面沉降时空分析

20世纪70年代以来,由于地下水超采、可压缩层厚度不均等引起的不均匀地面沉降已逐渐发展成为北京平原最严重的地质灾害之一。目前,北京平原最新时段的地面沉降时空分析的研究报道较少。根据主动微波获取的39景Sentinel-1A光谱影像,使用SBAS-InSAR技术,获取了北京平原2017年5月—2020年5月的地面形变数据;利用主成分分析法对北京平原的地面沉降时空特征进行了分析。在SBAS-InSAR技术处理中设置时间基线120天、空间基线的阈值设置为最大临界基线的45%,生成154个干涉对;对所有干涉对进行配准、干涉,对干涉后的结果进行去平、使用Goldstein算法进行滤波、生成相干系数图并使用最小费用流算法进行相位解缠,筛选73个优质的干涉对进行轨道精炼与重去平,以估算和去除残余相位;通过时间高通滤波、空间低通滤波去除大气相位;最后采用最小二乘法和奇异值分解获取北京平原2017年5月—2020年5月的地面形变数据。在监测时间段内平均沉降速率最大为114.9 mm·yr^-1,最大累积沉降量为345.9 mm·yr^-1,均位于朝阳金盏。2019...     

基于STAMP的航空管制空中危险目标识别方法研究

为了保证航空管制中航空器的完整性,提高航空器的使用寿命,并且可以最大限度的保障航空乘客和其他航空人员的人身安全,需要对航空管制空中危险目标进行识别。但采用当前目标识别方法对空中危险目标识别时,识别系统对空中危险目标无法稳定识别,存在空中危险目标识别精度低的问题。为此,提出一种基于STAMP的航空管制空中危险目标识别方法。该方法先利用STAMP模型对航空管制空中危险目标识别系统各组成部分进行任务分配,然后采用Harris法对空中危险目标进行特征选择和提取,依据Mean-Shift法的Bhattacharyya系数,描述候选空中危险目标和空中目标的危险概率分布相似度,随着Bhattacharyya系数的不断增加,候选空中危险目标和空中危险目标的相似度越大,使危险目标跟踪系统朝着空中目标危险密度增大的位置移动,在最优位置收敛,从而实现空中危险目标跟踪,最后利用D-S理论对跟踪结果进行识别,通过引入空中目标危险性基本概率赋值函数获得空中目标危险基本概率,采用Dempster组合规则对空中目标危险证据进行合成,依据空中危险目标证据融合结果完成对航空管制空中危险目标的识别。实验仿真证明,所提方法增强了航空管制空中危险目标识别的效果,提高了航空管制空中危险目标识别的精度。     

UI偶宇称原子光谱分类的PCA—BPN模式识别方法研究

作为重元素原子光谱按电子组态类型分类研究的一个代表，铀元素原子第一光谱（ＵＩ）中的许多能春所属电子组态尚未明确指认。分类模式识别方法已被证明是研究解决此类分类问题的一种十分有效的途径。为此，应用模式识别与人工神经网络相结合的主成分分析－反传神经网络方法ＰＣＡ－ＢＰＮ重新研究了ＵＩ偶宇称原子光谱能级的分类问题；对３６个ＫＮＮ等早期模式识别方法无法确认其归属的能级，ＰＣＡ－ＢＰＮ方法明确指认了其相应的     

基于光谱分析技术的黄瓜与茎叶识别研究

为了能够快速实时地识别温室中的黄瓜,研究了黄瓜和其茎叶的近红外反射光谱特性。利用近红外光谱仪在室内共采集138个样本(黄瓜46个,茎46个,叶46个)的反射光谱,进行Savitzky-Golay平滑后,抽取光谱中的108个样本作为校正集,采用偏差权重法选择信息量较大的光谱波段690~950 nm进行研究。在主成分分析(PCA)的基础上,结合马氏距离建立识别模型,剔除了7个异常样本。用剩余的101个样本进行偏最小二乘法建模,对校正集之外的30个样本进行预测。结果显示预测值和实际值的相关性达0.994 1,正确识别率达100%。说明黄瓜、茎和叶的近红外反射光谱特性之间有一定差异,可以用近红外光谱技术进行鉴别,为黄瓜识别提供了一种新的方法和思路。     

双多通道虹膜识别系统的研究

在双多通道虹膜识别系统中,研究了局部区域通道对识别率的影响,提出了双向式区域划分和通道数的优化。研究了小波滤波器通道对识别能力的影响和滤波器通道的选择,给出了引入小波包通道来提升识别率的新方法。通过对WED(Weighted Euclidean Distance)分类器的改进研究,提出了相对WED分类器的新概念,进一步提高了系统的识别能力。     

基于无机元素的含量判别食醋的种类和品牌方法研究

化学计量学广泛应用于食品种类和原产地的区分。文章采用原子吸收法测定了32个食醋样品中的Mg, K, Pb, Zn, Fe, Mn, Ca和Cu等八种无机元素含量。采用向量相似法计算了陈醋和白醋以及同一种类不同品牌食醋的相似度;通过聚类分析和主成分分析对来自北京、江西、江苏和山西4个地区品牌的食醋进行了分类,对不同种类的食醋(陈醋和白醋)也进行了分类。聚类分析和主成分分析都将食醋样品分为两大类,每个大类又将食醋样品按不同品牌分开。食醋中无机元素含量差异可作为食醋种类和品牌判别的测量指标之一。