期刊文献+
共找到8篇文章
< 1 >
每页显示 20 50 100
有监督不相关正交局部保持映射故障辨识 被引量:15
1
作者 李锋 王家序 杨荣松 《仪器仪表学报》 EI CAS CSCD 北大核心 2013年第5期1113-1120,共8页
提出基于有监督不相关正交局部保持映射(SUOLPP)维数化简的故障辨识方法。首先构造全面表征不同故障特征的时频域特征集,再利用SUOLLP将高维时频域特征集自动约简为具有更好区分度的低维特征矢量,并输入到Littlewood-Paley小波核支持向... 提出基于有监督不相关正交局部保持映射(SUOLPP)维数化简的故障辨识方法。首先构造全面表征不同故障特征的时频域特征集,再利用SUOLLP将高维时频域特征集自动约简为具有更好区分度的低维特征矢量,并输入到Littlewood-Paley小波核支持向量机中进行故障模式辨识。时频域特征融集可较全面准确地反映旋转机械的故障特征;SUOLPP同时利用流形局部几何结构和类标签来设计相似加权矩阵,并使输出基向量统计不相关和相互正交,提高了故障辨识精度。深沟球轴承故障诊断和空间轴承寿命状态辨识实例验证了该方法的有效性。 展开更多
关键词 时频域特征集 有监督不相关正交局部保持映射 维数化简 流形学习 故障辨识
在线阅读 下载PDF
基于多特征量贝叶斯融合的驾驶疲劳识别 被引量:3
2
作者 张伟 黄炜 罗大庸 《计算机工程与应用》 CSCD 2012年第33期244-248,共5页
针对保局投影的局限提出了正交流形保持投影方法,通过在LPP目标函数中引入非临近约束,保持了样本在低维空间中的局部和全局结构,采用正交化过程重新求解了投影矩阵,使得投影后的特征维数进一步降低,提高了通过表情进行驾驶疲劳识别的准... 针对保局投影的局限提出了正交流形保持投影方法,通过在LPP目标函数中引入非临近约束,保持了样本在低维空间中的局部和全局结构,采用正交化过程重新求解了投影矩阵,使得投影后的特征维数进一步降低,提高了通过表情进行驾驶疲劳识别的准确性;为了进一步降低识别的误警率,通过贝叶斯网络实现了基于疲劳表情、哈欠频率、眼睛闭合度等特征融合的疲劳检测,通过实验验证了以上过程的优越性。 展开更多
关键词 驾驶疲劳识别 疲劳表情 正交流形保持投影 信息融合 贝叶斯网络
在线阅读 下载PDF
正交流形保持投影方法 被引量:2
3
作者 张伟 夏利民 罗大庸 《中南大学学报(自然科学版)》 EI CAS CSCD 北大核心 2011年第3期688-692,共5页
为克服保局投影的局限,在保局投影的基础上,提出正交流形保持投影方法。在保局投影目标函数中引入数据的非近邻信息,有效地保持数据的局部流形结构和全局流形结构;采用格拉姆·施密特正交化过程获取正交投影基向量,解决保局投影非... 为克服保局投影的局限,在保局投影的基础上,提出正交流形保持投影方法。在保局投影目标函数中引入数据的非近邻信息,有效地保持数据的局部流形结构和全局流形结构;采用格拉姆·施密特正交化过程获取正交投影基向量,解决保局投影非正交问题。采用ORL和Yale人脸数据库中图像进行实验,实验结果验证了该方法的有效性。 展开更多
关键词 保局投影 流形保持投影 正交流形保持投影 格拉姆-施密特正交变换
在线阅读 下载PDF
基于核的正交局部保持投影的人脸识别 被引量:15
4
作者 金一 阮秋琦 《电子与信息学报》 EI CSCD 北大核心 2009年第2期283-287,共5页
针对发掘人脸图像中的高维非线性结构,本文将加核及向量间相互正交两种思想同时引入局部保留投影算法中,提出了一种新的基于核的正交局部保持投影(Kernel based Orthogonal Locality Preserving Projections,KOLPP)的非线性子空间人脸... 针对发掘人脸图像中的高维非线性结构,本文将加核及向量间相互正交两种思想同时引入局部保留投影算法中,提出了一种新的基于核的正交局部保持投影(Kernel based Orthogonal Locality Preserving Projections,KOLPP)的非线性子空间人脸识别算法并给出了其推导过程。该算法首先利用核的方法提取人脸图像中的非线性信息,并将其投影在一个高维非线性空间,在保证各向量正交的同时,通过局部保持投影算法做一线性映射,从而更好地提取人脸非线性局部邻域结构特征。在ORL和Yale人脸库上的试验证明了该文所提算法的有效性。 展开更多
关键词 人脸识别 特征提取 核方法 正交局部保持投影
在线阅读 下载PDF
基于极小准则的完备正交判别局部保持算法 被引量:1
5
作者 林玉娥 李敬兆 +1 位作者 梁兴柱 林玉荣 《光电工程》 CAS CSCD 北大核心 2011年第3期145-150,共6页
以无监督判别投影算法为理论基础,提出了一种基于极小准则的完备正交判别局部保持投影算法。算法首先根据同类样本的空间信息重新定义了类内局部保持散度矩阵与类间局部保持散度矩阵,然后借鉴无监督判别投影算法的目标函数,推导出一个... 以无监督判别投影算法为理论基础,提出了一种基于极小准则的完备正交判别局部保持投影算法。算法首先根据同类样本的空间信息重新定义了类内局部保持散度矩阵与类间局部保持散度矩阵,然后借鉴无监督判别投影算法的目标函数,推导出一个基于极小准则的目标函数,该目标函数通过投影到总体散度矩阵的非零空间中有效地解决小样本问题,最后给出了该算法基于QR分解的正交投影矩阵的求解方法。人脸库上的实验结果表明了所提方法的有效性。 展开更多
关键词 完备正交判别局部保持投影算法 散度矩阵 无监督判别投影算法 目标函数 非零空间
在线阅读 下载PDF
基于流形特征相似度的感知图像质量评价 被引量:5
6
作者 王朝云 蒋刚毅 +1 位作者 郁梅 陈芬 《自动化学报》 EI CSCD 北大核心 2016年第7期1113-1124,共12页
图像质量评价(Image quality assessment,IQA)的目标是利用设计的计算模型得到与主观评价一致的结果,而人类视觉感知特性是感知图像质量评价的关键.大量研究发现,认知流形和拓扑连续性是人类感知的基础即人类感知局限在低维流形之上.基... 图像质量评价(Image quality assessment,IQA)的目标是利用设计的计算模型得到与主观评价一致的结果,而人类视觉感知特性是感知图像质量评价的关键.大量研究发现,认知流形和拓扑连续性是人类感知的基础即人类感知局限在低维流形之上.基于图像低维流形特征分析,本文提出了基于流形特征相似度(Manifold feature similarity,MFS)的全参考图像质量评价方法.首先,利用正交局部保持投影算法来模拟大脑的视觉处理过程获取最佳映射矩阵进而得到图像的低维流形特征,通过流形特征的相似度来表征两幅图像的结构差异,从而反映感知质量上的差异.其次,考虑亮度失真对人眼视觉感知的影响,通过图像块均值计算亮度相似度并用于评价图像的亮度失真;最后,结合两个相似度得到图像的客观质量评价值.在四个公开图像测试库上的实验结果表明,所提出方法与现有代表性的图像质量方法相比总体上具有更好的评价结果. 展开更多
关键词 图像质量评价 流形特征相似度 正交局部保持投影 视觉感知
在线阅读 下载PDF
正交拉普拉斯语种识别方法 被引量:3
7
作者 杨绪魁 屈丹 张文林 《自动化学报》 EI CSCD 北大核心 2014年第8期1812-1818,共7页
提出了一种正交拉普拉斯语种识别方法,即在提取语音的i-vector后,采用正交局部保持投影进行子空间映射,将信号整体空间映射到语言信息加信道信息子空间,然后对映射后的矢量进行信道补偿处理,最后用支持向量机进行识别.尽管i-vector最大... 提出了一种正交拉普拉斯语种识别方法,即在提取语音的i-vector后,采用正交局部保持投影进行子空间映射,将信号整体空间映射到语言信息加信道信息子空间,然后对映射后的矢量进行信道补偿处理,最后用支持向量机进行识别.尽管i-vector最大限度地保留了语音的声学信息,但是并没有发现这些信息之间的内在结构.利用正交局部保持投影在去除声学无关信息的基础上,进一步发现声学特征的内在结构,能够有效地提高特征的区分性.在对NIST LRE 2003测试数据库实验后,发现新方法相较于基线系统来说,平均代价降低了28.91%. 展开更多
关键词 因子分析 辨识矢量 流形学习 正交局部保持投影 语种识别
在线阅读 下载PDF
基于双邻接图正交近邻保持投影的人脸识别算法 被引量:3
8
作者 薛潇宇 马小虎 《计算机科学》 CSCD 北大核心 2017年第8期31-35,共5页
正交保持投影(ONPP)是经典的图嵌入降维技术,已经成功地应用到人脸识别中,其保持了高维数据的局部性和整体几何结构。监督的ONPP通过建立同类邻接图来最小化同类局部重构误差,寻找最优的低维嵌入,但是其只使用了类内信息,这会导致异类... 正交保持投影(ONPP)是经典的图嵌入降维技术,已经成功地应用到人脸识别中,其保持了高维数据的局部性和整体几何结构。监督的ONPP通过建立同类邻接图来最小化同类局部重构误差,寻找最优的低维嵌入,但是其只使用了类内信息,这会导致异类数据点间的结构不够明显。因此,提出了基于双邻接图的正交近邻保持投影(DAGONPP)算法。通过建立同类邻接图与异类邻接图,在数据嵌入低维空间后同类近邻重构误差尽量小,异类近邻重构误差更加明显。在ORL,Yale,YaleB和PIE人脸库上的实验结果表明,与其他经典算法相比,所提方法有效提高了分类能力。 展开更多
关键词 监督学习 人脸识别 流型学习 正交近邻保持投影 双邻接图
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部