期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到9篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
张量主成分分析与高维信息压缩方法 被引量：4
1
作者 夏志明 赵文芝 徐宗本 《工程数学学报》 CSCD 北大核心 2017年第6期571-590,共20页
本文概述了信息压缩背景下的张量主成分分析的研究历史与发展现状,并展望了一些可能的研究领域.首先,我们回顾了张量以及张量分解的历史,在信息压缩背景下张量分解可以统一表达为一个普适的统计模型;其次,按经典主成分分析(PCA)、稳健... 本文概述了信息压缩背景下的张量主成分分析的研究历史与发展现状,并展望了一些可能的研究领域.首先,我们回顾了张量以及张量分解的历史,在信息压缩背景下张量分解可以统一表达为一个普适的统计模型;其次,按经典主成分分析(PCA)、稳健主成分分析以及稀疏主成分分析三大类,我们详述了每类在多样本和单样本情形下的统计理论和优化算法的进展,其中又由简单数据结构到复杂数据结构依次对向量数据、矩阵数据以及张量数据的PCA发展进行了概述. 展开更多
关键词 张量主成分分析 信息压缩 Tucker分解 稳健PCA 稀疏PCA
在线阅读 下载PDF
变转速下L_(1,1,2)范数与张量核范数联合约束的TRPCA滚动轴承故障特征提取方法 被引量：1
2
作者 王冉 曹徐 +1 位作者 张军武 余亮 《振动与冲击》 EI CSCD 北大核心 2024年第7期84-93,共10页
滚动轴承作为旋转机械设备的重要部件之一,其工作状态直接影响旋转设备的运行安全,因此其故障特征的有效提取对于保障机械设备正常运行具有重要的意义。实际应用中滚动轴承通常以变化的速度运行,并且单一传感器采集的轴承的非平稳信号... 滚动轴承作为旋转机械设备的重要部件之一,其工作状态直接影响旋转设备的运行安全,因此其故障特征的有效提取对于保障机械设备正常运行具有重要的意义。实际应用中滚动轴承通常以变化的速度运行,并且单一传感器采集的轴承的非平稳信号往往被严重的背景噪声覆盖,使得故障特征的提取非常困难。为了解决这一问题,提出一种变转速下L_(1,1,2)范数与张量核范数联合约束的张量主成分分析(tensor robust principal component analysis,TRPCA)滚动轴承故障特征提取方法。首先,使用时频表示(time-frequency representation,TFR)作为正向切片构建张量,分别探讨滚动轴承时变故障特征在张量域中的管稀疏性和背景噪声在张量域中的低管秩性。进而使用L_(1,1,2)范数与张量核范数联合约束的TRPCA对故障特征张量进行提取,得到管稀疏的故障特征张量。最后将提取的故障特征张量在通道索引中进行融合,得到能够有效表征故障特征的时频表示。仿真和试验分析验证了该方法在轴承故障特征提取中的有效性。 展开更多
关键词 张量 故障特征提取 变转速工况 张量主成分分析(TRPCA) 管稀疏
在线阅读 下载PDF
融合小波变换和张量PCA的人脸识别算法 被引量：16
3
作者 温浩 卢朝阳 高全学 《西安电子科技大学学报》 EI CAS CSCD 北大核心 2009年第4期602-607,共6页
张量主成分分析(PCA)方法用于人脸识别能获得比PCA方法更高的识别率.小波变换具有良好的时频分析特性,同时还能起到降维的作用.综合利用这两个算法的优点,提出了一种新的人脸识别算法,对人脸图像先采用小波变换做预处理得到4个子带图像... 张量主成分分析(PCA)方法用于人脸识别能获得比PCA方法更高的识别率.小波变换具有良好的时频分析特性,同时还能起到降维的作用.综合利用这两个算法的优点,提出了一种新的人脸识别算法,对人脸图像先采用小波变换做预处理得到4个子带图像,然后对每个子带图像用张量PCA进行特征提取,实现人脸图像的高效识别.仿真结果表明,新算法的识别率比张量PCA方法提高了6%,识别时间为张量PCA方法的35.74%. 展开更多
关键词 人脸识别 张量主成分分析 小波变换 特征提取
在线阅读 下载PDF
F范数度量下的鲁棒张量低维表征 被引量：2
4
作者 王肖锋 石乐岩 +2 位作者 杨璐 刘军 周海波 《自动化学报》 EI CAS CSCD 北大核心 2023年第8期1799-1812,共14页
张量主成分分析(Tensor principal component analysis, TPCA)在彩色图像低维表征领域得到广泛深入研究,采用F范数平方作为低维投影的距离度量方式,表征含离群数据和噪声图像的鲁棒性较弱.L1范数能够抑制噪声的影响,但所获的低维投影数... 张量主成分分析(Tensor principal component analysis, TPCA)在彩色图像低维表征领域得到广泛深入研究,采用F范数平方作为低维投影的距离度量方式,表征含离群数据和噪声图像的鲁棒性较弱.L1范数能够抑制噪声的影响,但所获的低维投影数据缺乏重构误差约束,其局部表征能力也较弱.针对上述问题,利用F范数作为目标函数的距离度量方式,提出一种基于F范数的分块张量主成分分析算法(Block TPCA withF-norm,BlockTPCA-F),提高张量低维表征的鲁棒性.考虑到同时约束投影距离与重构误差,提出一种基于比例F范数的分块张量主成分分析算法(Block TPCA with proportional F-norm, BlockTPCA-PF),其最大化投影距离与最小化重构误差均得到了优化.然后,给出其贪婪的求解算法,并对其收敛性进行理论证明.最后,对包含不同噪声块和具有实际遮挡的彩色人脸数据集进行实验,结果表明,所提算法在平均重构误差、图像重构与分类率等方面均得到明显提升,在张量低维表征中具有较强的鲁棒性. 展开更多
关键词 张量主成分分析 低维表征 特征提取 鲁棒性 重构误差
在线阅读 下载PDF
利用粒子群优化的人脸特征提取识别算法 被引量：5
5
作者 温浩 郭崇慧 《西安交通大学学报》 EI CAS CSCD 北大核心 2010年第4期48-51,118,共5页
针对如何提高人脸图像识别率问题,提出了利用粒子群优化(PSO)的人脸特征提取识别算法.采用小波变换和张量主成分分析(PCA)方法对人脸图像进行特征提取,利用PSO对提取的特征进行加权处理,根据特征的每一维元素的聚类正确率进行优化选择,... 针对如何提高人脸图像识别率问题,提出了利用粒子群优化(PSO)的人脸特征提取识别算法.采用小波变换和张量主成分分析(PCA)方法对人脸图像进行特征提取,利用PSO对提取的特征进行加权处理,根据特征的每一维元素的聚类正确率进行优化选择,从而达到对人脸提取关键性特征的目的.实验结果表明,所提算法能减小光照、表情和姿态变化的影响,在英国曼彻斯特科技大学人脸数据库上的识别率比张量PCA方法提高了12.75%. 展开更多
关键词 小波变换 张量主成分分析 粒子群优化 人脸识别
在线阅读 下载PDF
一种基于张量PCA的人耳识别的改进方法 被引量：2
6
作者 李一波 曹景亮 张海军 《计算机工程与应用》 CSCD 北大核心 2011年第25期171-174,共4页
张量主成分分析是一种新的主元分析方法,可以解决传统PCA方法对图像进行降维时出现的问题。小波变换具有良好的时频分析特性,同时还能起到降维的作用。综合利用这两个方法的优点,提出了一种基于张量PCA的人耳识别新方法。该方法对人耳... 张量主成分分析是一种新的主元分析方法,可以解决传统PCA方法对图像进行降维时出现的问题。小波变换具有良好的时频分析特性,同时还能起到降维的作用。综合利用这两个方法的优点,提出了一种基于张量PCA的人耳识别新方法。该方法对人耳图像采用小波变换做预处理得到4个子带图像,对其中"LL"低频子带图像用张量PCA进行特征提取,用支持向量机的方法进行识别。实验结果表明,利用此方法与传统主成分分析识别相比,提高了识别率,缩短了识别时间。在USTB人耳库上实验,该方法的识别率比传统PCA方法提高了6%,识别时间为传统PCA方法的35.23%。 展开更多
关键词 张量主成分分析 小波变换 人耳识别 支持向量机
在线阅读 下载PDF
融合小波变化和张量PCA的人耳识别算法 被引量：3
7
作者 曹景亮 李一波 张海军 《计算机应用研究》 CSCD 北大核心 2011年第4期1547-1550,共4页
综合利用小波变换和张量主成分分析这两个算法的优点,提出了一种新的人耳识别方法,对人耳图像先采用小波变换作预处理得到四个子带图像;然后对每个子带图像用张量PCA进行特征提取;最后利用最近邻的方法实现人耳图像识别。实验结果表明,... 综合利用小波变换和张量主成分分析这两个算法的优点,提出了一种新的人耳识别方法,对人耳图像先采用小波变换作预处理得到四个子带图像;然后对每个子带图像用张量PCA进行特征提取;最后利用最近邻的方法实现人耳图像识别。实验结果表明,利用此方法与只用主成分分析识别相比,提高了识别率。 展开更多
关键词 小波变换 张量主成分分析 人耳识别 特征提取 最近邻方法
在线阅读 下载PDF
结合NSCT和TPCA的SAR图像目标识别 被引量：3
8
作者 张伟昌 王文政 代作松 《火力与指挥控制》 CSCD 北大核心 2020年第9期41-46,共6页
提出了一种结合非下采样轮廓波变换(NSCT)和张量主成分分析(TPCA)的合成孔径雷达(SAR)图像目标识别方法。采用NSCT对SAR图像进行分解获得多尺度、多方向的子带图像,从而为目标提供更充分的描述信息。采用TPCA对各个子带图像进行特征提取... 提出了一种结合非下采样轮廓波变换(NSCT)和张量主成分分析(TPCA)的合成孔径雷达(SAR)图像目标识别方法。采用NSCT对SAR图像进行分解获得多尺度、多方向的子带图像,从而为目标提供更充分的描述信息。采用TPCA对各个子带图像进行特征提取,降低其中的冗余。基于各个子带图像的特征矩阵,通过线性加权的方法获得测试样本与训练样本之间的距离测度。根据K近邻(K-NN)的基本思想对测试样本进行分类决策。采用MSTAR数据集设置多种实验条件对提出方法进行测试,结果反映了该方法的有效性。 展开更多
关键词 合成孔径雷达 目标识别 非下采样轮廓波变换(NSCT) 张量主成分分析(TPCA)
在线阅读 下载PDF
基于L_(1−2)时空域总变分正则项的红外弱小目标检测算法
9
作者 赵德民 孙扬 +1 位作者 林再平 熊伟 《中国光学（中英文）》 EI CAS CSCD 北大核心 2023年第5期1066-1080,共15页
针对红外图像序列中复杂背景干扰下容易出现的高虚警问题,提出一种基于L_(1-2)时空域总变分正则项的红外弱小目标检测算法。首先,将红外图像序列转化为时空域红外张量块,该步骤可利用张量的高维数据结构优势关联图像序列中的时空域信息... 针对红外图像序列中复杂背景干扰下容易出现的高虚警问题,提出一种基于L_(1-2)时空域总变分正则项的红外弱小目标检测算法。首先,将红外图像序列转化为时空域红外张量块,该步骤可利用张量的高维数据结构优势关联图像序列中的时空域信息。然后,利用加权Schattenp范数和L_(1-2)时空域总变分正则项对低秩背景成分进行重构,以保留背景中起伏剧烈的边缘和角点,提高稀疏目标的重构精度。最后,将目标张量恢复为图像序列,利用自适应阈值分割方法得到最终的目标图像。与另外5种检测算法进行对比实验,结果显示,该方法的虚警率较Maxemeidan算法、Tophat算法、LIRDNet算法、DNANet算法以及WSNMSTIPT算法平均分别下降了71.4%、71.1%、68.5%、74.3%和20.47%;而在检测实时性方面,该算法耗时为Maxemeidan算法、DNANet算法以及WSNMSTIPT算法的42.4%、82.9%和28.7%。实验结果验证了该方法在检测性能上的优越性,表明该算法能够显著提高复杂背景干扰下的目标检测精度和效率。 展开更多
关键词 红外弱小目标 时空域信息 时空域总变分正则 张量主成分分析 低秩和稀疏重构
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部