基于增量二维主成分分析的非线性转子系统故障诊断方法

针对智能故障诊断实际应用中存在的故障样本难 以大量获取、面对新增故障类别需要 一个完整的再训练周期的实时性等问题,提出一种采用增量二维主成分分析(incremental t wo-dimensional principal component analysis,I2DPCA)对非线性裂纹转子系统进行故 障 诊断的方法。首先构建水平支撑的非线性裂纹转子系统模型及其动力学方程,分别探究不同 裂纹深度和质量偏心参数时系统振动响应的变化特征。其次将时域振动信号归一化为图像样 本,由I2DPCA算法提取具有高判别力的低维故障特征。在上述处理基础上,使用k-最近邻( k-nearest neighbor,KNN)分类算法进行识别率的计算。数值仿真及相关实验的研究结果 表 明,基于I2DPCA算法的故障诊断方法可以在高速区域及小样本情形下有效地区分不同故障状 况的信号,为裂纹转子系统的早期故障诊断提供了新的检测策略。     

基于多线性核主成分分析的掌纹识别

提出运用多线性核主成分分析(MKPCA)的一种新方法进行掌纹识别.首先MKPCA通过非线性变换,将输入样本图像向高维特征空间F上投影,运用多线性主成分分析(MPCA)直接对掌纹张量进行降维,得到低维的投影张量;然后掌纹图像向张量子空间上投影提取特征向量;最后计算特征向量间的余弦距离进行掌纹匹配.运用PolyU掌纹图像库...     

基于最近相关性分类器的单样本掌纹识别

为了解决单样本掌纹识别的困难,研究了基于最近相关性分类器(NCC)的单样本掌纹识别方法。首先对掌纹图像进行分块,划分为若干个子图像;然后运用统计特征、傅里叶变换、离散余弦变换(DCT)和Gabor变换4种方法对子图像进行特征提取,将所有子图像的特征向量组合在一起形成该图像的特征向量;最后应用NCC进行分类识别。运用PolyU掌纹图像库,对本文算法进行测试。实验结果表明:与最近邻分类器(NNC)和支持向量机(SVM)相比,在不同大小的子图像上,运用不同的特征提取算法,NCC均提高了识别率;分类时间在0.3～0.7s之间,满足实时系统的需求。     

基于可信度量的信息系统故障快速诊断协议

随着计算机和互联网的飞速发展,信息系统的安全状况日趋复杂、混乱,应对信息系统故障在所难免,在实施PKI的信息系统中,设立权威可信第三方--度量中心,继承传统公钥密码体制优势,基于可信度量机制,设计度量存储协议、信息传输协议、快速诊断协议,目的是加强信息系统安全,对信息系统故障进行快速诊断,提高系统运行效率.     

基于改进的K-最近邻算法的病毒检测方法

由于计算机病毒检测的不可判定性，提出了一种基于改进的K-最近邻检测方法来实现对计算机病毒的近似判别。此方法成功地克服了现有的特征码扫描技术只能检测已知病毒的缺点。首先改进了原始的K-最近邻检测方法，使其更适合于对计算机病毒进行预测。并在此检测方法上，设计了一个病毒检测系统。此系统既可查杀已知病毒，也可分析评判可疑程序．诊断出被感染病毒以及病毒类型。     

基于支持向量机和核主成分分析的车牌字符识别

给出了一种结合核主成分分析(KPCA)和支持向量机(SVM)进行车牌字符识别的新方法.该算法通过KPCA进行字符的特征提取,并利用SVM分类器完成字符的识别.实验证明,KPCA在高维空间具有较强的特征选择能力,SVM的识别率也明显高于BP神经网络.     

基于K-最近邻的C克隆代码重构方法

在软件开发过程中,克隆代码已经成为引起软件缺陷的一个重要因素.针对现有的方法不能很好地处理内聚度低、功能交叉的克隆代码的问题,提出了一种基于K-最近邻的克隆代码重构方法.首先,对克隆代码进行静态分析,搜集控制依赖信息和数据流信息,再经过K-最近邻聚类方法,形成便于提取、功能独立的代码片段,然后对代码片段进行过程提取,使...     

基于主成分分析和引导滤波的色调映射算法

针对传统高动态范围(HDR)图像色调映射算法普遍 存在色偏和效率低的问题,提出了一种基于主成分 分析(PCA)进行色彩空间转换和具有边缘保持特性的引导滤波图像增强的色调映射算法。首 先利用图像的平均亮 度实现图像Gamma自适应校正;然后采用PCA方法将图像的3个颜色分量转换为相 互正交的亮度 分量和色差分量,模拟相机响应函数(CRF)曲线压缩亮度分量的动态范围,并将结果与加权 后的色差分量联合, 经PCA逆转换得到新的RGB分量;最后利用引导滤波方法对图像进行增强,提高 图像对比度,避 免光晕现象。实验结果表明,本文算法效率比经典的iCAM06算法提高了4倍以 上,并能有效避免偏色和 光晕现象,处理后图像的细节清晰层次感强、色彩自然丰富,不仅能用于传统的便携式显示 设备,而且可用于穿戴式智能视觉辅助设备和无屏幕显示器等新兴领域。     

基于独立成分分析的双麦克阵列语音增强算法

提出了利用频域的独立成分分析（Independent components analysis）算法分离语音信号和噪声信号,达到抑制噪声的效果.并且,针对ICA算法在噪声源集中的环境中效果较好,在噪声源分散的环境中性能有所退化的情况,基于时域带噪信号的ICA算法提出频域带噪信号的ICA算法.最后利用最小均方误差估计谱幅度算法（Minimum mean square error）去除残留噪声,达到较好的语音增强效果.通过大量的实验数据测试,文中提出的基于ICA和MMSE短时谱幅度估计的双麦克语音增强算法在不同信噪比（Signal to Noise Ratio）下,都取得了良好的降噪效果.     

基于FSSA-ELM的模拟电路故障诊断方法

在大规模电路中，模拟电路的故障率高达80%。针对模拟电路故障诊断方法准确率低、耗时长的问题，提出了一种分数阶麻雀搜索算法结合极限学习机(FSSA-ELM)的模拟电路故障诊断方法。利用核主成分分析与局部线性嵌入(KPCA-LLE)联合方式对电路故障数据进行特征提取，通过分数阶与麻雀搜索算法(SSA)相融合，对极限学习机(ELM)的权重和阈值进行寻优，将提取后的特征数据输入到FSSA-ELM模型中进行训练和测试。T型反馈网络反相比例运算电路诊断实例表明，FSSA-ELM的故障诊断用时相较于SSA-ELM缩短了8.91 s,单故障诊断准确率可达97.2%,比SSA-ELM和ELM分别提高了1.9%和2.8%;双故障诊断准确率可达95%,分别提高了0.4%和1.0%。该故障诊断方法准确率高、耗时短，具有较强的模拟电路故障检测能力。     

基于独立主成分分析的PWM逆变电路的故障诊断

PWM逆变电路故障具有多发性和非线性相关性,对其准确检测的难度较大。为了提高PWM逆变电路的故障诊断性能,提出基于独立主成分分析的PWM逆变电路的故障诊断方法,采用电路输出信号测量方法进行故障状态特征检测,对采集的PWM逆变电路信号进行调理和抗混叠滤波处理,提取检测信号的独立主成分特征,实现故障识别。仿真结果表明,采用该方法进行PWM逆变电路故障诊断的准确检测性能较好,故障诊断可靠稳定。     

主元分析优化量子神经网络的变压器故障诊断

针对变压器故障检测速率较慢的问题,通过对基于量子神经网络的变压器故障诊断方法的分析,发现该方法有较高的精度,但是速率较慢,不能达到实时性、快速性的要求。因此提出基于主元分析优化量子神经网络的变压器故障诊断方法。利用主元分析进行故障数据降维,选取主成分累计贡献率高于85%的主元代替原有的7个故障气体含量数据,用降维后的数据作为网络的输入,应用量子优势消除数据相关性,最终对变压器的故障做出判断。利用变压器故障实验数据信息库中的故障数据分别对量子神经网络、主元分析优化量子神经网络进行仿真研究,结果表明在故障识别率不变的情况下,所提方法使得诊断速率得到大幅提升。     

Multiblock principal component analysis based on a combined index for semiconductor fault detection and diagnosis

The purposes of multivariate statistical process control (MSPC) are to improve process operations by quickly detecting when process abnormalities have occurred and diagnosing the sources of the process abnormalities. In the area of semiconductor manufacturing, increased yield and improved product quality result from reducing the amount of wafers produced under suboptimal operating conditions. This paper presents a complete MSPC application method that combines recent contributions to the field, including multiway principal component analysis (PCA), recursive PCA, fault detection using a combined index, and fault contributions from Hotelling's T/sup 2/ statistic. In addition, a method for determining multiblock fault contributions to the combined index is introduced. The effectiveness of the system is demonstrated using postlithography metrology data and plasma stripper processing tool data.     

基于主成分分析的跨平台消息实时协同共享系统设计

目前研究的跨平台消息协同共享系统共享时间过长、共享数据量过少,为了解决上述问题,基于主成分分析,研究了 一种新的跨平台消息实时协同共享系统.系统硬件结构由数据采集器、处理器、存储器、控制器组成,选用三星公司最新推出的SX系列AR38C6529采集芯片提高采集速度,其处理器的A/D转换器具有8位模数.通过数据提取、数据分...     

Web service selection algorithm based on principal component analysis

Existing Web service selection approaches usually assume that preferences of users have been provided in a quantitative form by users. However, due to the subjectivity and vagueness of preferences, it may be impractical for users to specify quantitative and exact preferences. Moreover, due to that Quality of Service (QoS) attributes are often interrelated, existing Web service selection approaches which employ weighted summation of QoS attribute values to compute the overall QoS of Web services may produce inaccurate results, since they do not take correlations among QoS attributes into account. To resolve these problems, a Web service selection framework considering user’s preference priority is proposed, which incorporates a searching mechanism with QoS range setting to identify services satisfying the user’s QoS constraints. With the identified service candidates, based on the idea of Principal Component Analysis (PCA), an algorithm of Web service selection named PCA-WSS (Web Service Selection based on PCA) is proposed, which can eliminate the correlations among QoS attributes and compute the overall QoS of Web services accurately. After computing the overall QoS for each service, the algorithm ranks the Web service candidates based on their overall QoS and recommends services with top QoS values to users. Finally, the effectiveness and feasibility of our approach are validated by experiments, i.e. the selected Web service by our approach is given high average evaluation than other ones by users and the time cost of PCA-WSS algorithm is not affected acutely by the number of service candidates.     

基于投影和主成分分析的偏心检测

在生产实践中,管类工件的内部结构之中常常存在微小的偏心误差。偏心误差对工件的工作性能影响很大,因此,能否准确、快速地检测出偏心误差在生产实践中意义重大。本文介绍了一种基于投影数据和主成分分析的偏心检测方法。截取工件中任意两个截面,利用Radon变化求得它们在一定投影角度下的投影。分别计算投影的第一主成分,并以第一主成分之间的欧氏距离表征偏心误差。如果欧氏距离不等于零,则证明工件存在偏心误差。通过仿真实验证明该方法能检测出0.1%的微小偏心,并且抗噪性能较好。     

基于SPSS的主成分分析法的水利信息化评估

信息技术的迅猛发展,大大促进了水利事业的各项发展,尤其是水利信息化的发展。为了更好更快地促进水利信息化的发展,需要对其进行科学评估,从而为其提供决策支持。文中选用《2011年度中国水利信息化发展报告》中的数据,通过主成分分析法,运用SPSS统计分析软件,从28个指标中选取9个主成分,建立主成分综合得分模型,并应用到实例中,实验结果与实际相符,从而进一步证明此方法的可行性。     

基于SPSS的主成分分析法的水利信息化评估

信息技术的迅猛发展,大大促进了水利事业的各项发展,尤其是水利信息化的发展.为了更好更快地促进水利信息化的发展,需要对其进行科学评估,从而为其提供决策支持.文中选用《2011年度中国水利信息化发展报告》中的数据,通过主成分分析法,运用SPSS统计分析软件,从28个指标中选取9个主成分,建立主成分综合得分模型,并应用到实例中,实验结果与实际相符,从而进一步证明此方法的可行性.