基于LGSPP-Bayes的故障检测与辨识方法

针对主元分析(Principal component analysis, PCA)和局部保持投影(Locality preserving projections, LPP)方法在降维过程中分别只能保留数据集的整体信息和局部信息,提出一种基于局部整体结构保持投影的贝叶斯故障检测与辨识方法(Local and global structure preserving projections and bayes, LGSPP-Bayes)。首先,将正常工况操作下的原始数据通过局部整体结构保持投影方法投影到低维特征空间,得到高维到低维的数据转换矩阵;然后通过设计贝叶斯分类器来进行故障检测;最后当检测到故障后通过计算贝叶斯分类函数的大小来识别故障种类。将LGSPP-Bayes方法应用于TE过程,仿真结果表明对故障的检测优于其他方法,并且可以很好地将故障种类识别出来。     

核映射和Rank-Order距离的局部保持投影相似性度量方法

针对近红外光谱高维、高冗余、非线性和小样本等特点导致光谱相似性度量时出现的“维度灾难”,提出一种基于核映射和rank-order距离的局部保持投影（KRLPP）算法。首先将光谱数据经过核变换映射到更高维空间,有效保证了流形结构的非线性特征。然后改进局部保持投影(LPP)算法对数据进行降维操作,将rank-order距离替代传统的欧氏距离或测地线距离,通过共享邻近点的信息,得到更加准确的局部邻域关系。最后在低维空间通过距离的计算实现光谱的度量。该方法不仅有效解决了高维空间存在的“距离失效”问题,同时还提高了相似性度量结果的精度。为了验证KRLPP算法的有效性,首先根据降维前后数据集信息残差的变化确定了最佳参数近邻点的个数k和降维后的维数d。其次,从光谱降维投影效果和模型分类效果两个角度与PCA,LPP和INLPP算法进行了对比,结果表明KRLPP算法对于烟叶的部位有较好的区分能力,降维效果以及对于不同部位的正确识别率明显优于PCA,LPP和INLPP。最后,从某品牌卷烟叶组配方中选取了5个代表性烟叶作为目标烟叶,分别采用PCA,LPP和KRLPP方法从300个用于配方维护的烟叶样品中为每个目标烟叶寻找相似烟叶,并从化学成分和感官评价两方面对替换前后的烟叶及叶组配方进行了评价分析。其中LPP和KRLPP用于降维的参数选择保持一致,PCA选择前6个主成分。结果表明,由KRLPP选出的替换烟叶与替换配方在总糖、还原糖、总烟碱、总氮等化学成分以及香气、烟气、口感等感官指标上较PCA、LPP方法差异最小,相似性度量准确度最高。该方法可应用于配方产品替换原料的查找,辅助企业实现产品质量的维护。     

基于局部保持投影的掌纹识别

为了保持掌纹空间的局部结构,运用局部保持投影(LPP)方法进行掌纹识别.在小样本图像识别中,特征方程矩阵存在奇异性.传统的解决方法是运用主元分析(PCA)获得原样本的低维特征子空间,在该空间中运用LPP进行特征提取.由于PCA和LPP的投影标准本质上是不同的,PCA降维时丢失许多重要的判别信息.为了解决这个问题,提出运用三级小波变换、图像下抽样、图像分块求平均值三种方法降低掌纹空间的维数,在低维图像上应用LPP提取局部特征.计算特征矢量间的余弦距离进行掌纹匹配.运用PolyU掌纹图像库进行测试,结果表明,该算法的识别性能均优于PCA和PCA LPP.特征提取和匹配总时间小于0.1 S,具有快速、有效、易于实现等优点.     

双足模型步行中的倍周期步态和混沌步态现象

被动行走模型只依赖重力可以在斜坡上形成自然的周期步态.当模型参数改变时,步态随之改变.应用胞映射方法与Newton-Raphson迭代结合来获取被动行走模型周期步态的不动点,消除了迭代方法在初值选取上的随机性,并获得了模型的吸引盆.通过对不同参数的模型的仿真,讨论了参数变化对步态的影响.结果表明,转动惯量增大会导致倍周期步态到混沌步态的产生,足半径减小和质心位置降低也会导致分岔的出现. 关键词： 胞映射 双足步行 倍周期 混沌     

Logistic映射分岔图局部放大的计算机模拟

本文介绍了一种实现Logistic映射分岔图局部放大的计算机模拟方法，对Logistic映射分岔图上任意局部范围可实现10。以上的放大，便于观察Logistic映射分岔图混沌区内的精细结构，该方法实现的计算机模拟过程响应速度快，可实时产生Logistic模型分岔图局部放大的计算机模拟图像，适合于课堂教学计算机模拟实时演示．     

基于空-频域特征和线性判别分析的视频步态识别

为提高步态识别准确率,提出了基于空-频域特征和线性判别分析的视频步态识别方法。利用离散余弦变换、Contourlet变换分别提取步态能量图的频率特征和多尺度多方向轮廓特征;融合得到空-频域特征,并通过线性判别分析映射到最佳鉴别矢量空间;根据相似性距离实现身份识别。在中科院自动化所提供的数据库中进行实验,结果表明,提出的特征提取方法优于现有常用方法。空-频域特征能够有效地区分步态中的高低频分量,并捕捉丰富的细节信息,线性判别分析在降维的同时进一步增强特征的判别能力,有助于提高识别精度。     

基于姿势字典学习的人体行为识别

提出一种基于人体轮廓表达的姿势学习框架来进行人体行为识别。通过一种基于Procrustes形状分析和局部保持投影的姿势特征表示方法,从人体运动视频中提取具有平移、旋转和放缩不变性的姿势特征,在保留人体姿势的局部流形结构的同时尽量提取子空间上的判别信息。针对该特征还提出了一种基于姿势字典学习的人体行为识别框架,对每类行为分别学习一个对应于该类的字典,通过串联所有类的字典来得到整个姿势字典;并通过最小重构误差准则来分类测试视频。在Weizmann和MuHAVi-MAS14数据集上的实验结果证实了该方法的识别率高于大部分经典方法。特别是在MuHAVi-MAS14数据集上的识别率对比已有的结果上有巨大的提升。     

运载火箭控制系统的BIT设计与实现

根据拓扑性质知觉原理,视觉原语是从整体到局部,拓扑感知优先。根据此仿生原理,建立感知目标物的形状拓扑信息的数学模型。首先提取物体三维轮廓信息;将空间图形轮廓降维映射到二维投影平面中进行处理;建立提取空间图形拓扑特征的数学模型。将轮廓拓扑空间同胚映射到(Hausdorf或度量空间或)二维投影平面,保持了拓扑不变性,因此便于分析出拓扑特征,可继续应用拓扑映射原理,分析点集拓扑。最终,拓扑特征与知识库模型相匹配,识别出物体。     

基于交织序列的偏振方向映射方法

偏振方向是偏振成像技术中的基本信息之一,能够反映出场景物体表面的方向信息,因此场景中偏振方向的分布对场景信息的解译有着重要的作用。传统的偏振方向表示方法存在着二维或三维信息映射方法的映射结果维度较高和由映射关系的距离相关性低而引起的映射方法噪声鲁棒性低问题。提出了具有距离保持特性的基于交织序列的偏振方向信息一维数值映射方法。选择从斯托克斯矢量分量中提取方向信息作为偏振方向的二维映射方法,再基于交织序列方法将二维数据映射为一维数值;之后研究了距离保持特性与映射方法对噪声鲁棒性的关系,并分析了该文所提出的偏振方向映射方法与传统偏振角映射方法的距离保持特性;进行了仿真实验与真实场景实验。仿真实验中,该文所提方法映射结果的PSNR均值相较于偏振映射方法提升了6%;真实场景实验中,该文方法映射结果相较于斯托克斯矢量映射方法降低了信息维度,相较于偏角映射方法,NMF特征的NRPSNR均值提升约14%,证明了所提出的映射方法具有低信息维度及较好的噪声鲁棒性。     

基于复合胞化空间的图胞映射方法

为了提高计算的准确性和效率,通过引入复合胞化空间概念,构建了一种迭代的图胞映射方法.该方法能够对任意感兴趣的空间区域进行细化处理,细化过程采用代数运算完成不会额外增加计算机内存且能保持细化前后图动力系统性质不变.为了便于计算机实施,也给出了相应的有效算法.通过对典型例子Henon映射的应用分析,证实了该方法的有效性. 关键词： 图胞映射方法 迭代方法 Henon映射     

基于TV正则化和局部约束的遥感图像恢复

阐述了基于总变分理论和基于像元亮度局部约束的退化图像恢复算法,为利用二者的优点获得更好的恢复效果.把总变分方法和局部约束方法结合在一起,提出了一种新的混合恢复算法.对最小二乘问题进行总变分正则化约束,形成迭代公式,在迭代过程中对所获得的结果利用局部均值和局部方差进行局部约束.实验中对退化的遥感图像分别用总变分约束方法恢复和本文提出的方法进行恢复,结果表明,该方法具有良好的图像恢复能力,图像恢复效果有了明显的提高.     

基于异构计算的简单行走模型的吸引区域研究

被动行走机器人由于结构简单、能量利用率高而倍受青睐, 但其很容易跌倒, 因此准确把握最终步态与吸引区域成了关键. 由于面对非光滑系统, 大规模数值计算很难避免, 为此本文先提出基于CPU+GPU异构平台的Poincaré映射算法. 该算法可发挥最新平台计算潜力, 比传统CPU上算法快上百倍. 得益于此, 本文针对双足被动行走的最基本模型, 大规模地选取样点进行计算, 不仅清晰地得出吸引区域的形状轮廓和细节特征, 揭示了其内在分形结构, 还得到系统吸引集和吸引区域随倾角k的变化关系, 发现了新的稳定三周期步态和倍周期分岔混沌现象, 并研究了吸引区域.     

融合声纹信息的能量谱图在鸟类识别中的研究

常用的梅尔倒谱系数结合高斯混合模型(MFCC+GMM)方法的鸟鸣声识别技术难适应噪声环境,模型难以收敛,且计算复杂度高。该文提出一种融合声纹信息的能量谱图的鸟类识别方法(VPS-BR),该方法利用鸟类鸣声在能量谱图上所表现的多维差异性,定量识别鸣声声纹特征。通过对分贝能量进行颜色映射得到能量谱图,提取其视觉特征所表达的声学特征,分析归纳得到鸟类特有鸣声模式。在特征提取步骤中,选用识别速度快的局部二值模式、识别鲁棒性高的方向梯度直方图两个参数表征鸟鸣声谱图的边缘声纹;在识别步骤中,用局部二值模式和方向梯度直方图两种特征分别与支持向量机、K最近邻和随机森林3种分类器算法进行两两组合构建识别模型测试。对15种原始带噪鸟类鸣声数据集进行交叉验证,VPS-BR模型的平均识别率比MFCC+GMM组合模型高出11.3%,方向梯度直方图特征与K最近邻分类器的组合模型识别率达90.5%,表现出较好的抗噪性能和识别性能。最后针对样本数据集缺乏问题,使用生成对抗网络进行图像增强,进一步将识别率提升1.48%。     

基于时空图像融合与多任务分类网络的步态识别研究

通过研究一种基于多尺度卷积神经网络和人体姿态估计模型相结合的多任务步态识别方法,对神经网络识别结果做出一定的解释说明,同时提高其在面对协变量改变场景下的识别效果。该方法将卷积神经网络提取的步态空间特征和人体姿态估计模型得到人体关节时序特征融合,进行身份的识别。使用步态数据集CASIA-B中的正常行走序列和合成行走序列数据以及TUM-GAID步态数据集进行实验。结果表明,该方法在TUM-GAID步态数据集实验中,三种场景T₁、T₂和T₃下的识别率分别达到95.2%、72.4%和84.5%。在CASIA-B步态数据集实验中,对于正常行走序列以及两种合成行走序列,该方法在识别精度上均有较好的表现,体现该模型有较强的鲁棒性。     

预测特征误差映射及其在多基地水下目标识别中的应用

针对水下多基地目标识别问题,提出了基于特征预测和误差映射的多基地融合识别算法。推导并简化了基于贝叶斯公式的多基地目标识别条件概率公式,利用BP神经网络对最后一个节点的特征向量进行预测,并计算得到预测值与实际值误差的概率密度,将其与前面每个节点的条件概率累乘,以得到目标识别的条件概率。将利用特征预测计算条件概率的方法从单个节点推广到多个节点上,同时针对误差概率分布模型不准确的问题,提出了利用混合高斯分布模型代替单高斯概率分布模型的改进方法。对每个目标重复此过程,取结果最大值对应的目标类别为最后的识别结果.在消声水池开展多基地模拟实验,对四类目标进行识别,在一定声呐节点数目及信噪比条件下,与单基地声呐相比,多基地目标融合识别得到的识别正确率最大可提高40%,采用改进方法以后,识别正确率得到进一步提高。      

基于粗测位置和方位的三视场快速星图识别方法

为了在已知粗略方位角和地理位置时实现三视场天文定位定向设备的快速测量,给出了一种三视场定位定向设备的快速局部星图识别方法。分析了三视场定位定向设备使用全天球识别数据库执行三角形识别时识别效率低的原因;指出了应先进行视场内识别,后进行视场间识别以提高效率,并给出星图识别时角距误差门限的选取范围;给出了一种基于粗略位置和方位快速生成局部识别数据库的方法,它可以减少识别信息的冗余,实现高效的星图识别。仿真实验和野外实验结果表明：使用此局部识别方法正确识别率可达99.19%,识别速度为24.3 ms,基本满足三视场天文定位定向设备快速高效测量的要求。验证了局部星图识别方法的效率,以及采用先视场内识别后进行视场间识别方式的正确性。     

图胞映射的一种改进方法

通过引入新的概念,提出了图胞映射动力系统中瞬态胞的新的分类方法,基于新的分类方法研究了动力系统中不变流形的胞映射逼近问题;并结合计算机的计算速度与内存特点,建立了完成上述压缩分类的有效算法.通过对典型算例Henon映射的应用分析,证实了该方法的有效性. 关键词： 图胞映射方法 不变流形 Henon映射     

基于扩散映射的太赫兹光谱识别

特征提取对于太赫兹光谱识别来说至关重要。传统方法是通过人工选取太赫兹光谱中差异性较大的吸收峰作为特征进行光谱识别,但当部分物质在太赫兹波段没有明显波峰、波谷等光谱图形特征时,这种方式便不再适用。为此,研究人员利用统计学习与机器学习方法对高维太赫兹光谱数据进行降维和特征提取。由于物质的太赫兹光谱数据各维度呈现非线性,尤其是当不同物质的太赫兹光谱曲线整体非常相似时,线性处理方法易产生较大误差。针对这一问题,提出了一种基于扩散映射(DM)的太赫兹光谱识别方法。扩散映射能在保持数据内在几何结构的同时对其进行非线性降维,提取的流形特征区分度较高,对数据还有聚类效果。首先用S-G滤波器对Alloxazine等10种物质的太赫兹光谱样本进行滤波,并用三次样条插值法对截取相同频段后的光谱样本进行统一分辨率处理;然后利用DM将高维太赫兹光谱数据映射到低维特征空间并提取太赫兹光谱的流形特征;最后用多分类支持向量机(M-SVM)对十种物质的太赫兹透射光谱进行分类。实验结果表明,相比于主成分分析(PCA)和等距映射(ISOMAP),使用DM提取的太赫兹光谱流形特征具有更高的区分度,而且DM可以直接得到太赫兹光谱数据本征维数的估计值,这为相似太赫兹光谱的快速精准识别提供了一条新的途径。     

基于局部线性变换的色阶映射算法

为了提高高动态图像显示的视觉效果,提出了一种基于局部线性变换的色阶映射算法。针对图像直接线性压缩能力较差的缺点,本文提出一种局部的线性变换模型。由于局部窗的结构,是利用局部窗的中心像素点与窗内的其他像素点的均值,方差的关系构造而成,因此基于局部线性变换的色阶映射算法能够抑制由具有高对比度的图像边缘所引起的鬼影和光晕现象。首先,根据线性变换将图像的色阶映射转换为求解泛函的最优解;其次,通过推导求解出线性变换的参数并将泛函最优化问题转换为求解一个线性方程组问题;最后求解线性方程组,得出视觉效果较好的低动态范围图像。有效避免传统色阶映射出现的光晕和亮度不连续的现象,能够更多的保留高动态图像的细节。最后通过实验结果对比分析,通过信息熵和对比度两个参数可以体现文中算法较好。     

稳态快速谱光学功能映射

提出了一种新的大脑光学功能映射流程。流程设计任务为周期形式,且周期远小于血液动力学的有效时间跨度。在连续周期刺激下,皮层功能区响应进入稳态,信号表现为围绕稳态值的周期小幅振荡。利用谱分析工具提取体元序列的任务频率成分、综合谱的幅值和相位信息最终确定任务相关脑区。采用SD大鼠的后肢区(HP)作为模型,使用红光(605±10nm)作为照射源。此流程很好地消除了血管伪迹。分析发现,左右脑后肢区任务响应有先后关系。根据相位图讨论了局部微循环血液交换、动静脉网的血液交换等问题。通过实验发现了高频刺激下血管系统的共振现象。实验结果证明本映射流程是一种有价值的新型功能映射流程,相对传统方法能够得到更多的皮层神经活动时空信息。