期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
一种基于2DPCA的煤岩识别新方法 被引量:2
1
作者 贾新泽 杨慧贞 +2 位作者 段晋有 田甜 程永强 《太原理工大学学报》 CAS 北大核心 2011年第5期531-533,538,共4页
针对传统PCA方法用于煤岩识别常常面临图像维数高,直接计算数量大的问题,提出并实现了一种基于2DPCA的煤岩识别方法。这种识别方法是基于图像矩阵的主分量分析法,由于它的协方差矩阵可由原图像矩阵直接构建,因此2DPCA使用的协方差矩阵... 针对传统PCA方法用于煤岩识别常常面临图像维数高,直接计算数量大的问题,提出并实现了一种基于2DPCA的煤岩识别方法。这种识别方法是基于图像矩阵的主分量分析法,由于它的协方差矩阵可由原图像矩阵直接构建,因此2DPCA使用的协方差矩阵同传统PCA相比要小很多。实验结果表明,在训练样本数相同的情况下,2DPCA耗时仅占PCA总耗时的60%左右,并且随着训练样本的增多,2DPCA与PCA之间的耗时差会越来越大。识别率较PCA方法提高了近10%,图像SNR也由原来的4.53 dB提高到12.17 dB。2DPCA在速度方面表现优越,准确性方面也令人满意,有效的提高了煤岩识别的效率。 展开更多
关键词 煤岩识别 PCA 2dpca
在线阅读 下载PDF
人脸图像识别中非贪婪L1范数的2DPCA最大化鲁棒算法
2
作者 刘辉 马文 王志锋 《南京邮电大学学报(自然科学版)》 北大核心 2016年第2期90-95,共6页
基于L1范数的二维主成分分析是近年来提出的一种在图像域降维和特征提取的方法。通常,直接求解L1范数最大化问题很困难,因此,一种贪婪的策略被提出来了。然而,这种策略的初始化投影是随意选取的,为了获得更好的投影向量,得到一个最优的... 基于L1范数的二维主成分分析是近年来提出的一种在图像域降维和特征提取的方法。通常,直接求解L1范数最大化问题很困难,因此,一种贪婪的策略被提出来了。然而,这种策略的初始化投影是随意选取的,为了获得更好的投影向量,得到一个最优的局部解,提出了一个非贪婪的L1范数最大化算法,该非贪婪算法具有三大优势:使用L1范数和非贪婪策略对于异常值很稳健;与PCA-L1相比较,更多的空间结构信息得到了保留;相比2DPCA-L1,所有的投影方向可以被优化并且可以获得更好的解决方案。人脸和其他数据集上的实验结果验证了所提出的方法更加有效。 展开更多
关键词 二维主成分分析 L1范数 非贪婪算法 异常值 主成分分析法
在线阅读 下载PDF
基于小波变换的融合两种2DPCA的人像认证算法
3
作者 栾方军 郭红梅 +1 位作者 蔺蘭 王永会 《沈阳建筑大学学报(自然科学版)》 CAS 北大核心 2010年第5期1001-1005,共5页
目的为了解决单一2DPCA方法在人像识别中的局限性问题,提出一种在小波变换降维的基础上融合两种2DPCA的人像认证算法.方法采用2维小波变换对人像进行分解,抽取低频信息构成新的特征描述,再分别使用基于总协方差矩阵和类间散布矩阵的2DPC... 目的为了解决单一2DPCA方法在人像识别中的局限性问题,提出一种在小波变换降维的基础上融合两种2DPCA的人像认证算法.方法采用2维小波变换对人像进行分解,抽取低频信息构成新的特征描述,再分别使用基于总协方差矩阵和类间散布矩阵的2DPCA方法进行初次判决,最后融合2组判决结果得出最终判决,实现基于人像的身份认证.结果在ORL数据库上进行实验,小样本和全部样本情况下最高识别率分别达到99.92%和94.25%,表明了算法的有效性.结论算法优于二维主成分分析方法、单一的基于小波变换的二维主成分分析方法及二维独立元方法,且对表情、姿态及光照变化有一定稳定性. 展开更多
关键词 生物特征认证 人像认证 小波变换 2dpca
在线阅读 下载PDF
造纸过程的统计过程监视
4
作者 陈耀 王文海 孙优贤 《中国造纸学报》 CAS CSCD 北大核心 1999年第B10期109-114,共6页
根据现实过程测量数据的时序相关特点,提出了一种动态主元分析方法;通过对造纸过程模型的仿真计算,分析了过程滞后对统计过程监视中主元分析性能的影响;并给出了旨在消除这些影响的过程监视方案。对造纸过程异常检测的仿真研究。
关键词 主元分析 统计过程 异常检测 监视 时序 数据 仿真研究 造纸过程 消除 仿真计算
在线阅读 下载PDF
一种基于组合算法的异常用电模式辨识方法 被引量:3
5
作者 袁翔宇 张蓬鹤 +2 位作者 熊素琴 赵波 李求洋 《电测与仪表》 北大核心 2023年第6期160-166,共7页
针对电力用户异常用电的检测问题,提出了一种基于无监督组合算法的异常用电模式辨识方法。所提辨识方法由数据处理、特征提取、离群检测三部分组成。文中先获取用户的用电量及相关数据,进行数据清洗和缺失数值补全;再对数据进行特征提取... 针对电力用户异常用电的检测问题,提出了一种基于无监督组合算法的异常用电模式辨识方法。所提辨识方法由数据处理、特征提取、离群检测三部分组成。文中先获取用户的用电量及相关数据,进行数据清洗和缺失数值补全;再对数据进行特征提取,得到相应的异常用电识别特征量;通过k均值聚类将用户聚为两组,并分别对每组进行主成分分析优化特征空间,计算离群邻近度,通过2 sigma原则实现异常用电用户辨识。该方法通过聚类、优化特征空间、离群检测组合算法,提高了辨识效率。文中采用真实用电数据进行了异常用电用户辨识仿真实验,辨识结果验证了该方法的有效性。 展开更多
关键词 异常用电 K均值聚类 主成分分析 离群邻近度 欧几里得距离 2 sigma原则
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部