一种基于复数主成分分析的磁共振波谱量化预处理方法

该文提出了一种应用复数主成分分析方法(CPCA)来获取波谱基木波型,自动校正频率和衰减系数偏移的方法。该方法首先对频率进行校正,然后拓宽CPCA的应用范围,把它使用到衰减系数偏移校正领域。文中的实现结果证明:该方法较好地实现了频率和衰减系数的校正,在同实域PCA方法性能比较上,前者的计算速度和估计精度明显占优。     

基于概率主成分分析的人脸识别

人脸自动识别是模式识别和图像处理等学科的一大研究热点,在身份鉴别、信用卡识别、护照核对以及监控系统等方面有着广泛的应用。提出一种基于概率主成分分析方法(PPCA)的人脸识别,该方法与传统的主成分分析(PCA)相比,克服了简单的“丢弃”其他非主成分因子,在PPCA中将“丢弃”因子作为噪声成分进行估计．同时PPCA方法是一种基于概率模型的方法,因此很容易延伸为混合模型,对于PPCA概率模型参数,提出利用EM算法对其进行估计。用两个不同的数据集(姿势表情变化集和光照变化集),将PPCA人脸识别算法和传统的PCA算法进行比较,基于PPCA的人脸识别算法中的“丢弃”方差的收敛速度快于传统的PCA算法。实验结果表明．无论是姿势表情变化集,还是光照变化集,PPCA算法的识别率都优于传统的PCA识别算法。     

基于核主成分分析的二次雷达脉冲信号初始特征提取

针对二次雷达脉冲信号的特征选择与分类问题进行研究,提出了一种基于核主成分分析(KPCA)的初始特征提取方法.根据二次雷达脉冲信号的特点,首先经过数据整编、预处理,获取样本的初始特征参数;然后利用KPCA方法对特征参数进行主成分组合,以消除信号特征间的相关性和压缩特征向量的维数,最后利用聚类工具进行分类.数学分析和可视化实验结果都表明这种分析方法是有效的.试验还表明,KPCA在特征选取方面性能优于PCA.     

一种改进的基于主成分分析的人脸识别技术

人脸识别的研究内容主要包括人脸特征提取和识别两部分。文章基于传统的PCA(主成分分析)人脸识别原理及优缺点,采用KPCA(核主成分分析)实现人脸识别的改进。该算法通过非线性映射,把原始图像数据变换到特征空间,再利用PCA实现人脸识别。在MATLAB环境下,进行基于ORL(Olivetti研究实验室)人脸库的实验仿真,KPCA能较好地提取非线性成分,其识别性能优于传统的PCA方法。     

基于主成分分析的激光麦克风的语音信号提取

主成分分析(Principal Component Analysis,PCA)法用于高速视觉的激光麦克风的音频信号重建,可从声场中轻质弹性物体表面的激光散斑动态变化中提取语音信息。将高速散斑视频中的一帧图像视为高维空间中的向量,顺序将视频图像堆栈成数据矩阵,利用PCA做特征提取,语音信息就存在于方差较大的主成分中,通常应用第一主成分就可以重建清晰的语音信号。实验表明,PCA对激光散斑颗粒尺度和灰度分布没有过多限制,即使在采样区域较小、反射物体材质不同的情况下,都可以重建人耳可分辨的语音信号。而且基于PCA的无监督机器学习算法特性,选取视频开始部分的帧图像做训练集,还可以提取含有音频信息的主成分的特征向量,作为后续视频图像向量的投影基,实现语音信号的快速提取。     

基于改进二维主成分分析的在线掌纹识别

掌纹识别是生物特征识别技术的新热点,论文提出使用二维主成分分析算法(2D PCA)提取掌纹图像的统计特征,实验表明其泛化能力优于传统主成分分析算法(PCA).在此基础上,论文提出且定义了改进的二维主成分分析,并证明它在保持训练样本图像总体散度的同时更有效的提取样本特征.改进的算法在得到99.72%高识别率的同时,大幅降低了原算法的特征维数、识别计算的复杂度,使系统的实用性进一步提高.     

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。     

基于主成分分析和独立成分分析的调制分类算法

基于主成分分析(PCA)和独立成分分析(ICA),提出了一种新的调制分类算法。算法采用PCA对样本数据降维、去除冗余成分,采用FastICA方法提取分类特征;采用支持矢量机(SVM)作为分类器,以解决数据在低维空间中的不可分问题。该算法具有较低的复杂度和较高的训练速度。仿真表明,与最大似然(ML)算法相比,算法仅具有1.8 dB的信噪比损失,在Rayleigh慢衰落信道和中速运动的条件下,算法对5种QAM调制类型具有较好的分类性能。     

基于主成分分析的 RBF 神经网络预测 SO2 浓度

利用基于主成分分析 (PCA) 算法的径向基 (RBF) 神经网络对大气中 SO2 浓度进行滚动预测。以北京大兴地区 2019 年 9 月 1 日至 2020 年 10 月 31 日的气象数据和空气质量参数为基础, 结合逐步回归法筛选出与 SO2 线性相关的参数作为输入样本, 构建 PCA-RBF 预测模型。利用该模型预测北京大兴地区某天的 SO2 浓度, 将预测值保留并作为下一天预测模型的输入参数。以此将预测值不断地向前延伸并进行分析和预测, 从而实现 SO2 浓度的滚动预测。对比 RBF 网络和 PCA-RBF 网络两种模型的预测结果, 其中 PCA-RBF 模型期望值和预测值的误差及相关系数分别为0.03 µg·m−3 和 0.9989。表明 PCA-RBF 网络模型能精准预测 SO2 浓度变化趋势, 为进一步解决大气污染问题提供技术支持。     

采用主分量分析方法研究随机共振

噪声能量向信号能量的转换是随机共振具有的独特优点,也是实际应用随机共振进行弱信号检测的基础。由于随机共振系统只在合适量的噪声输入时产生最大的信噪比输出(共振),过多、过少的噪声都会降低系统的性能,因此,如何有效地控制输入到随机共振系统中的噪声十分重要。本文首次提出采用主分量分析方法研究随机共振,其基本思路是分解信号和噪声能量到相互正交的主轴方向上,之后进行重构,通过控制重构主轴的数目(重构维数),获得最优量的输入噪声。实验结果证实了方法的有效性。     

基于反射光谱和主成分分析的生物炭快速溯源鉴别研究

快速鉴别生物炭源质对生物炭的合理开发与应用具有重要意义。本实验以14种生物炭为研究对象,采用全校验主成分分析（PCA）方法对样本光谱进行数据压缩和主成分提取。由第一、第二主成分得分构成的二维分布图显示了不同源质生物质的样本分布特点。由前3个主成分构成的线性鉴别模型（PC—LDA）应用于验证集样本预测效果最佳,判错个数最少。实验结果表明,光谱技术结合主成分分析方法能够实现生物炭源质的快速鉴别与诊断。     

基于主元分析的人耳识别方法的研究

由于人耳图像自身的特点,基于外观形状特征如利用边缘或耳廓压痕的识别方法存在很大的缺陷,尝试采用了基于主成元(PCA)的分析方法提取人耳特征,然后运用BP神经网络进行识别。他完全克服了在以往应用外观形状特征进行识别时存在的错误率过高和特征提取预处理要求过于苛刻的问题。实验结果表明该方法实用、有效,可使识别率达到99%以上,有着广泛的研究价值和应用前景。     

基于主分量分析的噪声压缩技术研究

本文首先提出了客观评价噪声压缩效果的两个指标：残余噪声能量和信号畸变指标。并在此基础上提出了一种基于主分量分析的时间序列噪声压缩方法─噪声压缩链。这种方法充分利用了信号和白噪声之间的统计特征差别，能够有效地压缩时间序列中的白噪声，同时使序列中的信号畸变较小。实例分析结果说明了该方法的有效性。     

多线性鲁棒主成分分析

鲁棒主成分分析（RPCA）是恢复低秩与稀疏成分的一种非常有效的方法.本文将RPCA推广到张量情形,提出了多线性鲁棒主成分分析（MRPCA）框架.首先建立了MRPCA模型,即最小化张量核范数与l₁范数的加权组合.然后使用增广拉格朗日乘子法求解上述张量核范数优化问题.实验结果证实：对于具有多线性结构的数据,MRPCA比RPCA更加鲁棒.     

主成分分析联合Fisher判别在紫外-可见光谱法水质检测中的应用

水质类型的判别是实现光谱法水质参数准确检测的重要前提。针对直接光谱法水质检测系统采集的光谱数据信息冗余较大的问题, 利用主成分分析消除信息指标间的相关性,实现光谱数据的降维和特征信息提取。采集某化工厂和某溪水水样的紫外-可见光谱数据, 利用主成分分析联合Fisher判别的方法建立判别模型,以12组水样光谱数据作为训练样本,6组作为测试样本,对模型的判别能力进行论证和检验,并与传统的Fisher判别模型进行对比实验。实验结果表明,利用主成分分析联合Fisher判别模型可以有效消除信息冗余带来的影响,相比传统的Fisher判别模型具有分类精度高、回代误判率为零、计算时间短等优点,计算时间由传统Fisher判别方法的0.6733 s减少到0.6012 s。该方法为直接光谱法水质类型判别工程实用化提供了一种高效手段。     

辐射阻尼正反馈增强作用的磁共振成像模拟

如何增强成像对比度是磁共振成像领域的研究热点之一,辐射阻尼(RD)对样品微小差异有较强的敏感性,通过正反馈增强辐射阻尼可提供全新的对比度机理。通过建立正反馈增强模拟算法,模拟分析了不同参数下的对比度机理,并结合新的磁共振方法(iMQC),探究了共同作用下的磁共振成像特性。这将有助于探索辐射阻尼在磁共振成像领域的应用。     

一种基于全局最小乘方法的磁共振波谱目标 频率选择的量化方法

磁共振波谱中,感兴趣成分的单独量化不但符合许多实际应用的要求,而且同时也提高了量化的速度和精度.为此本文提出了一种基于频率选择的波谱信号量化方法,该方法通过全局最小乘方法来估计波谱信号的非线性参数,又结合前向和后向的APES方法来估计其线性参数.文中的模拟和活体数据实现表明,本文方法在计算速度和参数估计的稳健性上要明显优于经典的HSVD和HTLS方法,同时其综合性能比Stoica等提出的频率选择方法SELF_-SVD还好.     

Joint Channel Coding Based on Principal Component Analysis

This paper proposes a new joint channel coding algorithm based on principal component analysis. A conventional joint channel coder using passive downmixing undergoes a reduction of both the primary‐to‐ambient energy ratio (PAR) of the downmix signal and the panning gain ratio of the primary source. The proposed system preserves the PAR of the downmix signal by using active downmixing which reflects spatial characteristic. The proposed system also improves the accuracy of the panning gain ratio estimation. Computer simulations and subjective listening tests verify the performance of the proposed system.