共查询到10条相似文献,搜索用时 297 毫秒
1.
2.
《Planning》2015,(28)
综述了主成分分析(Principal Component Analysis,PCA)算法的基本原理,并详细阐述了PCA算法在人脸识别中的应用,包括:分块PCA、基于类内平均脸的PCA算法改进、PCA和ICA的组合算法。最后,本文提出:未来的研究应着眼于扩大算法的比较范围和寻找最优分块方式。 相似文献
3.
预测模型的输入特征变量对建筑耗热量预测性能具有较大的影响,为了进一步改进输入特征变量的选取,本文提出了稀疏自编码(SAE)方法对历史耗热量数据进行特征提取,并通过对比常规的线性化特征提取方法(主成分分析,PCA),分析了SAE特征提取方法分别对MLR、ANN和SVM预测模型精度的提升。应用某居住建筑实测数据对该方法进行了实验验证,结果表明:在测试数据集中,使用SAE方法提取到的特征值作为模型输入变量,MLR、ANN和SVM3个模型的预测性能均得到提升,相比于利用PCA特征提取的方法,CV值分别降低了3.8%、4.1%和4.2%。此外,SAE方法对模型性能的提升还表现在模型泛化性能地增强,在测试样本中的表现优于在训练样本中的表现。 相似文献
4.
5.
《Planning》2019,(3)
针对山东省苍山地区存在大量第四系地表覆盖,传统找矿方法难以开展的问题,选择ASTER遥感影像为数据源,通过分析实地采样获得的蚀变矿物波谱,采用消除二阶相关关系的主成分分析(principal component analysis,PCA)法和消除二阶及高阶相关关系的独立成分分析(independent component analysis,ICA)法进行蚀变信息提取实验。运用阈值分割法选择合适的阈值划分异常程度,获得铁染、羟基的异常分布,并结合已有地质、矿产资料对提取结果进行分析判断。采用激发极化法在成矿靶区进行实地勘探,证明了PCA和ICA方法相结合找矿的有效性。 相似文献
6.
《Planning》2015,(26)
综述了独立分量分析(Independent Component Analysis,ICA)算法的基本原理,并详细阐述了ICA算法在人脸识别中的基本应用和扩展应用。扩展应用主要包括:分块ICA、ICA和PCA组合、ICA和LDA组合,ICA和GA组合、低通滤波降维、采用四阶统计信息的ICA算法进行人脸识别。最后,提出未来的研究可以从选择最优组合算法和寻找最佳分块方式两个方向着手。 相似文献
7.
《Planning》2013,(2):170-171
为充分利用表征过程运行工况的数据特征信息,提高化工过程的故障检测性能,提出一种基于动态结构保持主元分析(DSPPCA)的过程故障检测方法。首先对原始数据采用变量相关性分析建立自回归模型,构建包含动态特征的数据集,进一步综合考虑主元分析法(PCA)和局部线性嵌入(LLE)流形学习算法中数据点之间的近邻关系,融合得出新的目标函数,同时,运用局部线性回归的方法获得高维样本的嵌入映射,特征提取后在特征空间和残差空间分别构造监控统计量进行故障检测。Swiss-roll数据集的降维结果及TE过程的仿真研究结果表明,DSPPCA算法可以取得较好的特征提取效果,具有较高的故障检测性能。 相似文献
8.
盐渍土在Landsat ETM+多光谱图像上表现出复杂的图像特征,为实现其自动分类,组合使用了光谱、几何形状和纹理特征等多种特征.首先采用传统的光谱和几何形状特征分析分割出大部分非盐渍土地物,然后提出了一种用于多光谱纹理分析的ICA多尺度纹理算子,对分割后的图像进行纹理区域分块,最后在每块区域中进行基于光谱特征的盐渍土聚类.试验结果表明该方法能够实现多光谱图像中盐渍土的区域分割及类别划分. 相似文献
9.
针对像元数据为多维的多光谱遥感图像,提出了一种可用于多光谱纹理分类的ICA多尺度算子.首先定义用于描述纹理不同尺度特性的结构单元,然后联合所有波段下的结构单元建立起测量多光谱纹理特性的高维矢量,最后对这些矢量进行ICA分析,将得到的独立成分作为多光谱纹理特征用于分类.通过对Brodatz灰度纹理、VisTex彩色纹理以及实际的盐渍土多光谱图像的分类,试验验证了该算子的有效性. 相似文献
10.
提出了一种基于经验模态分解(EMD)阈值去噪(TD)和主成分分析(PCA)相结合的冷水机组传感器故障检测方法(EMD-TD-PCA)。采用EMD阈值去噪法去除原始数据中的噪声来提高数据质量,针对去噪后的数据构建PCA模型。采集了武汉市某电子厂螺杆式冷水机组的实际运行数据,用于验证故障检测效果,并与传统PCA方法和小波阈值去噪(Wavelet-TD-PCA)方法的传感器故障检测结果进行了对比。结果表明:EMD-TD-PCA可以有效提高冷水机组传感器的故障检测效率,同等偏差条件下,故障检测效果优于传统PCA方法和Wavelet-TD-PCA方法。对于小偏差(-1~1℃)故障,故障检测效果提升尤为明显。 相似文献