基于单层网络的自组织的鲁棒主成分分析(PCA)算法

为提高工程图识别中基于主成分分析（ＰＣＡ）的特征提取的精度，讨论了ＰＣＡ鲁棒性问题的两种提法。通过对能量函数的修正，提出一种新的在线自组织式的鲁棒ＰＣＡ运算规则。该方法基于单层线性神经网络（ＮＮ）结构，但是权值的训练算法是非线性的。该鲁棒ＰＣＡ算法能够在运行过程中自动地识别样本集之中的“劣点”，从而在迭代训练中加以适当处理来排除对运算精度和收敛性的影响。通过对比仿真实验结果表明，鲁棒ＰＣＡ算法较之传统的基于特征值分解的统计分析法和各种简单的线性自组织ＰＣＡ算法在鲁棒性上有了较大的改善     

基于主成分分析和支持向量机的鲁棒稀疏线性判别分析方法

为了提高人脸图像的识别率、识别效率和鲁棒性,提出一种基于主成分分析（Principal Component Analysis, PCA）和支持向量机（support Vector machine,SVM）的鲁棒稀疏线性判别分析方法,通过ORL和YaleB人脸库、COIL20物体库和UCI机器学习库中部分数据集,将本文方法与线性判别分析、鲁棒线性判别分析、基于 范数和巴氏距离的鲁棒线性判别分析、鲁棒自适应线性判别分析和鲁棒稀疏线性判别分析等六种方法进行比较。实验结果表明,在ORL人脸库、COIL20物体库和UCI机器学习库的部分数据集中,在原始图像条件下,本文方法的识别率均值依次为92.80%,97.76%和89.61%,均高于其它5种方法。在YaleB人脸库加入椒盐噪声的条件下,本文方法的识别率均值为81.35%,比其它五种方法高1.37%以上。     

基于鲁棒主成分分析和多个色彩通道的显著性检测

显著性检测在图像分割、物体检测、视觉效果评估等领域有非常广泛的用途。为了增强这种图像预处理技术的实用性,同时对人眼视觉系统的机理进行研究和模拟,该文提出了一种基于鲁棒主成分分析和多个色彩通道的显著性检测方法。将图像的多个色彩空间重构成每一列都线性相关的矩阵,然后将显著性区域看作是矩阵的稀疏成分,将背景信息看作是低秩成分。经过对新矩阵进行鲁棒主成分分析后就可以将显著性区域提取出来。最后加入人眼视觉系统中的显著性先验和中心先验机理,使得提出的模型更加合理。实验结果表明:该方法在量化指标和视觉效果方面超过了当前很多先进的方法,验证了这种假设的合理性。     

基于非负字典训练和鲁棒主成分分析的语音增强算法

在鲁棒主成分分析中引入非负矩阵分解学习得到非负语音字典,提出了一种非负字典训练和鲁棒主成分分析相结合的非监督单通道语音增强算法.算法采用交替方向乘子计算优化解.采用客观感知语音质量评估方法(PESQ)对增强效果进行评估.评估中采用了TIMIT标准语音和20多种噪声在不同信噪比下进行混合得到的带噪语音信号.评估结果表明:本文提出的方法优于典型的非负矩阵分解方法和鲁棒主成分方法.     

一种基于概率鲁棒的分散PID控制器设计

基于概率鲁棒方法,针对具有实参数不确定性的多输入多输出被控对象,提出一种分散PID控制器设计方法.根据被控对象模型的参数摄动状态,计算闭环系统满足性能设计要求的概率作为优化算法的目标函数,利用遗传算法对分散PID控制器参数进行优化,用Monte Carlo实验对控制系统进行鲁棒性检验.对5个多变量化工过程进行了仿真试验,并与基于标称参数的设计方法进行比较.仿真结果表明,基于概率鲁棒的分散PID控制器设计方法对模型参数不确定性具有较好的鲁棒性,在被控对象存在一定的不确定性时,系统能以最大的概率满足设计要求.     

一种新的广义鲁棒主成分分析(GRPCA)算法研究及应用

为恢复被混合噪声污染的低秩矩阵,提出了一种新的广义鲁棒主成分分析（GRPCA）算法。它通过最小化核范数、1范数和2,1范数的组合问题,从观测矩阵中分离出低秩部分和混合噪声部分,并用随机排序的交替方向乘子法求解。利用本文方法进行垃圾邮件分类的实验结果表明,与经典的主成分分析（PCA）和鲁棒主成分分析（RPCA）算法相比,本文方法可以有效提高垃圾邮件分类的精确度和稳定性。     

概率鲁棒镇定控制器的研究

将统计学习理论中的经验概率一致收敛特性应用到鲁棒控制中,针对具有实参数不确定性的控制系统,研究了概率鲁棒镇定控制器的设计问题.给出了设计概率鲁棒镇定控制器的前提条件,采用基于经验概率一致收敛特性的随机化算法设计概率鲁棒镇定控制器的具体步骤和方法.研究表明,与传统方法相比,在概率意义下采用随机化算法设计概率鲁棒镇定控制器具有设计方法简单、计算量小的优点.计算实例表明了该算法的有效性.     

概率方法在鲁棒控制器综合中的应用

针对具有实参数不确定性的一类线性和多线性区间控制系统,在现有的鲁棒稳定性分析和设计的工具基础上,结合概率方法提出了一种鲁棒控制器的设计方法和步骤,文中的计算实例表明了这种方法的可行性和有效性。     

浅析主成分分析方法

本文主要介绍了主成分分析方法的基本理论,主成分分析法是利用降维的思想把多个指标转化成少数几个指标的一种多元统计方法,以及在应用中应注意的一些问题。     

基于鲁棒主元分析的故障诊断方法

针对工业过程的建模数据中含有离群点的情况,提出了一种基于鲁棒主元分析(PCA)的故障诊断方法.该方法使用广义极大似然估计(M估计)代替最小二乘估计,将传统的主元分析问题转化为一个加权的重构误差优化问题,然后通过改进的非线性迭代部分最小二乘(NIPALS)算法来求得问题的最优解,在此基础上建立主元模型并构造监控统计量检测过程故障.在连续搅拌反应器(CSTR)仿真系统上的应用结果表明,鲁棒PCA方法能够消除离群点对主元模型的影响,比PCA方法分析过程数据更为准确,能更有效地诊断过程故障.     

一种新的加权主分量分析方法

提出了一种新的加权主分量分析方法,该方法和传统主分量分析的区别在于考虑了训练样本分布情况,给出了一种新的均方差矩阵估计方法,再进行特征抽取和识别.在ORL人脸数据库上的试验结果表明,所提出的方法在识别性能上优于主分量分析.     

基于动态主成分分析法的国家高新区评价研究

20多年来,我国分批建立了114家国家高新区,总体规模和发展质量取得明显进展,但由于批建时间、政策扶持等方面的差异,国家高新区的发展水平不尽相同,不同年份的表现存在差别。鉴于2007年之前批建的54个国家高新区的数据连续性和外部相似性,采取时序立体数据表主成分分析的原理,定量分析与定性分析相结合,动态构建评价的指标和方法,基于2008年为始点对54家高新区进行了连续五年的实证分析,并形成相关建议。     

区域经济动态发展水平的全局主成分分析方法

时序立体数据表全局主成分分析方法能够为动态评价区域经济发展水平提供一种高效科学的量化工具,是一种多指标综合评价分析方法.运用该方法从地理空间和时间变化的角度动态描述区域经济差异,并对内蒙古各盟市区域经济发展水平的现状进行分析评价,得到了与实际情况非常一致的结果.     

一种基于次元分析技术的鲁棒波束形成算法

针对实际应用中先验知识存在偏差的问题,基于权向量长度恒定的常规线性约束波束形成算法,提出一种权向量长度恒定的最差情况性能优化波束形成算法.分析了神经次元分析(MCA)学习规则与该波束形成优化问题在数学描述上的相似性,利用神经MCA学习规则实现鲁棒自适应波束形成.仿真结果表明,与基于线性约束的波束形成算法相比,该算法具有更强的信号跟踪能力和干扰抑制能力,并且对信号方向向量的偏差具有更强的鲁棒性.     

利用主元分析识别人脸

简要叙述了人脸识别方法，用PCA算法实现了人脸的识别，并对实验结果进行分析，认为：PCA算法的识别率不是很高，达到78．6％，还需要改进提高，但它对于光照、姿势、是否戴眼镜、脸部表情有一定的鲁棒性。     

上海本地人源流主成分分析

本文对分布于上海市郊9个区县13个乡镇的本地人群的体质特征和姓氏进行了主成分分析，发现上海本地人主要可以分为3个类群，与其他研究结果相整合推测他们可能分别源于越人、吴人和历史上的北方移民．各主成分所占数据信息的比例显示，本地人中最主要的差异是北方移民和南方土著的差异，其次是南方土著中吴人和越人的差异，再次是越人内部也可以分出两种来源，把各主成分值在上海地图上分别画成趋势图，发现各趋势图分别代表了上海历史上不同的移民事件．对姓氏的地理分析也揭示了南方姓氏和北方姓氏的扩散趋势和性质是不同的。     

多采样率主元分析的过程故障检测

针对多采样率过程监测问题,提出了一种基于多采样率主元分析的故障检测方法.该方法构建了一种重新采样机制,直接利用多采样率数据计算模型中的协方差矩阵,充分利用了样本中的大量不完整数据信息,减小了多采样率数据带来的偏差,给出了离线建模和在线故障检测算法.分别在数值平台和Tennessee Eastman(TE)工业平台进行了仿真分析.仿真结果表明,所提出的方法更适合多采样率过程的故障检测,效果良好.     

一种新的GPCA方法

Generalized PCA(简写GPCA)是主成分分析(PCA)的一个非线性推广方法,主要用于数据压缩和特征提取.在经典的GPCA方法中,每个训练数据在构建主成分时的作用是相同的.然而,在许多实际问题中,训练数据的意义和作用是不同的,通常有些数据比其它数据更为重要,对于重要的数据我们应给予充分的重视,而对于不可信数据(可能是异常数据),应限制其作用.文中给每个训练数据赋予一个置信权重,将训练数据视为样本空间的模糊点,研究了基于模糊点数据的GPCA方法.数值实验表明,该方法能够有效控制异常点对主成分的影响,同时,该方法也为数据先验信息的利用提供了一个可行的途径.     

一种面向构件自动化组装的构件检索方法

根据构件自动化组装系统对构件语义检索的需求,介绍了一种面向组装的构件检索方法.该方法将传统的刻面算法与基于领域Ontology的检索匹配算法相结合,借以提高算法的语义检索能力,同时把构件功能采用结构化的描述方式,关联到各个接口.其中详细介绍了构件描述模型和构件检索匹配算法.