文章在移动主成分分析(moving principal component analysis,MPCA)基础上,提出一种优化的MPCA特征——特征向量差方向角(directional angle of eigenvector variation,DAEV),并将其作为机器学习的输入建立损伤识别模型。利用双跨连续...文章在移动主成分分析(moving principal component analysis,MPCA)基础上,提出一种优化的MPCA特征——特征向量差方向角(directional angle of eigenvector variation,DAEV),并将其作为机器学习的输入建立损伤识别模型。利用双跨连续梁的仿真应变监测数据验证了以DAEV建立机器学习模型诊断结构损伤的有效性。结果表明,与MPCA特征向量相比,DAEV能更好地表征桥梁状态的变化,以DAEV为输入的机器学习模型损伤识别能力更强;对于早期损伤,以DAEV特征为输入的模型识别准确率比以MPCA特征向量为输入的模型高38%~79%。展开更多
为了实现快速、自动化发现土地覆盖变化这一目标,在分析传统主成分差异法、差异主成分法、多波段主成分法三种不同处理过程的基础上,结合主成分变换原理提出了一种改进的主成分分析法(modified principal component analysis,MPCA)。操...为了实现快速、自动化发现土地覆盖变化这一目标,在分析传统主成分差异法、差异主成分法、多波段主成分法三种不同处理过程的基础上,结合主成分变换原理提出了一种改进的主成分分析法(modified principal component analysis,MPCA)。操作中先将d1时相多光谱影像作主成分分析,得PC1d1,PC2d1,…,PC6d1;d2时相高分辨率全色波段PAN与PC1d1进行直方图匹配后,采用了经反复试验效果较好的3×3模板进行边缘滤波增强;然后取代PC1d1与PC2d1,PC3d1,…,PC6d1进行主成分逆变换,作者在ENVI4.0和IDL6.0工具包支持下实现了这一融合算法。以北京海淀区为例进行的试验研究表明,MPCA法不仅能够快速发现变化信息,而且增强了影像纹理,弥补了传统主成分分析法的缺陷。此外,变化信息提取精度较高,其Kappa系数比传统主成分差异法、差异主成分法、多波段主成分法依次提高了0.063,0.118,0.029,是一种比较实用的变化信息发现方法,值得推广应用。展开更多
为了处理张量数据,传统的学习算法常常把张量展成向量,但会造成破坏原始数据固有的高阶结构和内在相关性,导致信息丢失,或产生高维向量,使得后期学习过程中容易出现过拟合、维度灾难和小样本问题.近年提出了许多基于张量模式的分类算法...为了处理张量数据,传统的学习算法常常把张量展成向量,但会造成破坏原始数据固有的高阶结构和内在相关性,导致信息丢失,或产生高维向量,使得后期学习过程中容易出现过拟合、维度灾难和小样本问题.近年提出了许多基于张量模式的分类算法,而支持高阶张量机算法是张量分类算法中最有效的方法之一.考虑到张量的高维性和高冗余性,本文提出基于多线性主成分分析的支持高阶张量机分类算法(Multilinear Principle Component Analysis Based Support High-Order Tensor Machine,MPCA+SHTM).该算法首先利用多线性主成分分析对张量进行降维,然后利用支持高阶张量机对降维后的张量进行学习.在12个张量数据集上的实验表明:MPCA+SHTM在保持测试精度的情况下有效地降低了SHTM的计算时间.展开更多
为充分利用多时相极化合成孔径雷达(SAR)数据的时间相干性和散射特征,提出一个多时相极化SAR分类方法,该方法基于完整的极化协方差矩阵,能够在张量空间保持协方差矩阵的复数矩阵结构,实现时间维度的独立表示,可同时适用于全极化和简缩极...为充分利用多时相极化合成孔径雷达(SAR)数据的时间相干性和散射特征,提出一个多时相极化SAR分类方法,该方法基于完整的极化协方差矩阵,能够在张量空间保持协方差矩阵的复数矩阵结构,实现时间维度的独立表示,可同时适用于全极化和简缩极化SAR。该方法采用目标级的分类策略,首先,通过简单线性迭代聚类方法实现多时相极化SAR的超像素联合分割;随后,将目标的极化协方差矩阵表示为张量的形式,利用张量域的多线性主成分分析方法,实现多时相极化协方差矩阵的特征降维;最后,用决策树方法实现农作物分类。获取4景RADARSAT-2 Fine Quad模式全极化SAR图像,对天津市武清区农作物种植区开展作物分类实验,相较于其他文献提出的方法,本文方法取得了最高的总体分类精度。进一步,将该方法推广至π/4模式和CTLR模式的简缩极化SAR,并将其农作物分类精度与全极化SAR进行对比,以研究不同极化SAR数据对作物的识别能力。实验结果表明,简缩极化SAR可以取得与全极化SAR相当的总体分类精度,但全极化SAR在水稻、荷花等小样本地物上表现更优。展开更多
以掺假山茶油样为气相离子迁移谱(gas chromatography-ion mobility spectrometry,GC-IMS)检测对象,利用多维主成分分析(multi-way principal component analysis,MPCA)法和偏最小二乘(partial least squares,PLS)回归分析处理二维谱图...以掺假山茶油样为气相离子迁移谱(gas chromatography-ion mobility spectrometry,GC-IMS)检测对象,利用多维主成分分析(multi-way principal component analysis,MPCA)法和偏最小二乘(partial least squares,PLS)回归分析处理二维谱图数据,探索并建立一种山茶油纯度检测方法。对配制的不同比例3种食用植物油的掺假油样进行GC-IMS检测,采用MPCA压缩并提取矩阵中的得分矩阵进行主成分分析,将提取的得分矩阵进行PLS分析,建立掺假量的定量预测模型。结果表明,MPCA处理后的主成分图可以明显区分山茶油样和掺入不同种类食用油的掺假山茶油样,且不同掺入比例组有其明显的归属区域;采用PLS对MPCA的得分矩阵进行回归分析,可实现对山茶油掺假比例的准确定量测定。该方法具有快速、准确、无损的特点,可应用推广到其他联用仪器的数据分析处理中,在食用油品质控制与评价方法中具有很大的应用前景。展开更多
文摘文章在移动主成分分析(moving principal component analysis,MPCA)基础上,提出一种优化的MPCA特征——特征向量差方向角(directional angle of eigenvector variation,DAEV),并将其作为机器学习的输入建立损伤识别模型。利用双跨连续梁的仿真应变监测数据验证了以DAEV建立机器学习模型诊断结构损伤的有效性。结果表明,与MPCA特征向量相比,DAEV能更好地表征桥梁状态的变化,以DAEV为输入的机器学习模型损伤识别能力更强;对于早期损伤,以DAEV特征为输入的模型识别准确率比以MPCA特征向量为输入的模型高38%~79%。
文摘为了实现快速、自动化发现土地覆盖变化这一目标,在分析传统主成分差异法、差异主成分法、多波段主成分法三种不同处理过程的基础上,结合主成分变换原理提出了一种改进的主成分分析法(modified principal component analysis,MPCA)。操作中先将d1时相多光谱影像作主成分分析,得PC1d1,PC2d1,…,PC6d1;d2时相高分辨率全色波段PAN与PC1d1进行直方图匹配后,采用了经反复试验效果较好的3×3模板进行边缘滤波增强;然后取代PC1d1与PC2d1,PC3d1,…,PC6d1进行主成分逆变换,作者在ENVI4.0和IDL6.0工具包支持下实现了这一融合算法。以北京海淀区为例进行的试验研究表明,MPCA法不仅能够快速发现变化信息,而且增强了影像纹理,弥补了传统主成分分析法的缺陷。此外,变化信息提取精度较高,其Kappa系数比传统主成分差异法、差异主成分法、多波段主成分法依次提高了0.063,0.118,0.029,是一种比较实用的变化信息发现方法,值得推广应用。
文摘为了处理张量数据,传统的学习算法常常把张量展成向量,但会造成破坏原始数据固有的高阶结构和内在相关性,导致信息丢失,或产生高维向量,使得后期学习过程中容易出现过拟合、维度灾难和小样本问题.近年提出了许多基于张量模式的分类算法,而支持高阶张量机算法是张量分类算法中最有效的方法之一.考虑到张量的高维性和高冗余性,本文提出基于多线性主成分分析的支持高阶张量机分类算法(Multilinear Principle Component Analysis Based Support High-Order Tensor Machine,MPCA+SHTM).该算法首先利用多线性主成分分析对张量进行降维,然后利用支持高阶张量机对降维后的张量进行学习.在12个张量数据集上的实验表明:MPCA+SHTM在保持测试精度的情况下有效地降低了SHTM的计算时间.
文摘为充分利用多时相极化合成孔径雷达(SAR)数据的时间相干性和散射特征,提出一个多时相极化SAR分类方法,该方法基于完整的极化协方差矩阵,能够在张量空间保持协方差矩阵的复数矩阵结构,实现时间维度的独立表示,可同时适用于全极化和简缩极化SAR。该方法采用目标级的分类策略,首先,通过简单线性迭代聚类方法实现多时相极化SAR的超像素联合分割;随后,将目标的极化协方差矩阵表示为张量的形式,利用张量域的多线性主成分分析方法,实现多时相极化协方差矩阵的特征降维;最后,用决策树方法实现农作物分类。获取4景RADARSAT-2 Fine Quad模式全极化SAR图像,对天津市武清区农作物种植区开展作物分类实验,相较于其他文献提出的方法,本文方法取得了最高的总体分类精度。进一步,将该方法推广至π/4模式和CTLR模式的简缩极化SAR,并将其农作物分类精度与全极化SAR进行对比,以研究不同极化SAR数据对作物的识别能力。实验结果表明,简缩极化SAR可以取得与全极化SAR相当的总体分类精度,但全极化SAR在水稻、荷花等小样本地物上表现更优。
文摘以掺假山茶油样为气相离子迁移谱(gas chromatography-ion mobility spectrometry,GC-IMS)检测对象,利用多维主成分分析(multi-way principal component analysis,MPCA)法和偏最小二乘(partial least squares,PLS)回归分析处理二维谱图数据,探索并建立一种山茶油纯度检测方法。对配制的不同比例3种食用植物油的掺假油样进行GC-IMS检测,采用MPCA压缩并提取矩阵中的得分矩阵进行主成分分析,将提取的得分矩阵进行PLS分析,建立掺假量的定量预测模型。结果表明,MPCA处理后的主成分图可以明显区分山茶油样和掺入不同种类食用油的掺假山茶油样,且不同掺入比例组有其明显的归属区域;采用PLS对MPCA的得分矩阵进行回归分析,可实现对山茶油掺假比例的准确定量测定。该方法具有快速、准确、无损的特点,可应用推广到其他联用仪器的数据分析处理中,在食用油品质控制与评价方法中具有很大的应用前景。
