首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 109 毫秒
1.
语音特征提取问题取决于参数.针对特征参数识别准确性,通过核主成分分析方法应用于语音特征提取中.但核主成分分析方法的计算过于复杂,不利于提高系统实时性.为提高语音识别系统的鲁棒性和增强实时性,提出基于K-均值聚类的核主成分分析方法.通过K-均值聚类的方法对每个语音信号的语音帧进行聚类,采用聚类的中心代表类的特征,再用核主成分分析方法进行特征提取,不但减少了存储空间和计算的复杂度,而且通过把原始特征向量向低维子空间投影,达到降噪和去冗余的效果.仿真结果证明:所提方法在相似识别率的情况下提高了识别速度,能满足语音识别的实时性要求,并在噪声环境下具有较好的鲁棒性.  相似文献   

2.
针对稀疏核主成分分析方法在特征提取中的不足,提出了一种基于核K-均值聚类的稀疏核主成分分析(Sparse KPCA)的特征提取方法用于说话人识别。通过核K-均值聚类的方法对语音帧进行聚类,由于聚类的中心能够很好地代表类内的特征,用中心样本帧取代该类,减少了核矩阵的维数,然后再采用稀疏KPCA方法对核矩阵进行特征提取。该方法能够减少存储空间和计算的复杂度,它保证约简后的数据能够很好地代表原始数据并且在约简过程中信息损失最小。实验结果验证了提出的方法在不影响识别率的前提下提高了识别速度,满足了说话人识别的实用性要求。  相似文献   

3.
基于核的特征提取技术及应用研究   总被引:17,自引:0,他引:17  
该文分析了一般主成分分析在处理非线性问题上存在的不足,阐述了基于核的主成分分析方法,并将其首次应用到综合评价中,应用结果表明:基于核的主成分分析方法具有优秀的特征提取性能,采用不同形式的核函数基本上能获得相同精度的特征提取效果,文末指出为提高运算速度,减少内存要求和降低复杂度,可在KPCA中结合主动学习的方法。  相似文献   

4.
KPCA方法过程研究与应用   总被引:2,自引:1,他引:1       下载免费PDF全文
给出一种基于核函数的主成分分析方法,它主要用来解决大规模非线性数据的特征提取问题。文中给出了简化的协方差矩阵的计算方法与推导过程,还给出了KPCA方法的详细推导过程。最后使用核主成分分析的方法分别对线性与非线性分布的数据进行了分析,取得了比传统主成分分析方法更好的结果。  相似文献   

5.
沈宁敏  李静  周培云  庄毅 《计算机科学》2015,42(Z6):453-458
聚类已成为基因表达数据的一种前沿分析方法,通过基因类别的划分可以较快速地发现病变细胞,以实现对疾病的诊断。然而,高维、小样本的数据特点使得原始采集的基因表达数据具有大量的冗余与干扰信息,直接聚类会使得算法运行时间长,分析结果精度低。主成分分析是一种经典的数据降维方法,在保持方差最大的情况下,将高维数据映射到低维空间。但负载因子的非零特性使得主成分不具有强解释能力。提出基于截断幂的稀疏主成分分析方法对基因表达数据进行特征提取,并结合K-means方法对稀疏提取的特征基因数据进行聚类分析。最后,利用3个公开的基因数据集进行实验分析,验证了所提出的特征提取方法可提高基因表达数据聚类的精确性与高效性。  相似文献   

6.
水下传感器所处环境的开放性以及其长期处于无人值守状态,极易收到环境作用而发生破坏,传统分簇式的分布式故障诊断方法无法有效对其进行故障诊断,因此,提出了一种基于核主成分分析和聚类中值的故障诊断方法。首先,设计了水下传感器节点故障诊断的模型,然后采用核主成分分析方法对节点采集的数据和来自邻居节点发送的数据进行数据降维,得到具有最小属性集的数据集,然后对节点的邻居节点集进行聚类,选出具有最多元素的聚类,并将聚类的中值作为参考数据,将各节点与其对应的参考数据进行比较从而确定节点是否发生故障,最后定义了基于核独立成分分析和聚类中值的传感器节点故障诊断算法。仿真实验证明了文中方法能有效地对水下传感器进行故障诊断,且与其它方法相比,具有误差检测率高和误检率低的优点。  相似文献   

7.
一种快速核特征提取方法及其应用   总被引:1,自引:1,他引:0       下载免费PDF全文
许亮  张小波 《计算机工程》2009,35(24):26-28
针对核主成分分析方法(KPCA)存在大样本集的核矩阵K计算困难问题,提出一种基于分块特征向量选择的快速核主成分分析方法。采用分块特征向量选择方法提取样本子集,用样本子集建立KPCA模型。将该方法应用于某化工过程的特征信息提取,并与全体样本的KPCA相比较。实验结果表明,两者特征提取的有效性相当,但新方法在建模和特征提取过程所耗费的时间较少。  相似文献   

8.
为了解决核主分量分析方法处理大训练样本集时计算代价巨大的问题,在采用子集划分的KPCA算法基础上,提出采用核聚类划分子集,并用每个子集的协方差矩阵的特征值累积贡献率作为标准来选取相应的特征向量.分别在人工和实际数据集上测试,实验结果显示在同一累积贡献率和给定子集个数的条件下,采用核聚类划分子集总能得到较小尺寸的核矩阵,而核矩阵尺寸的减小有助于改善测试样本的特征提取速度以及降低特征分解核矩阵的时间复杂度.  相似文献   

9.
一种基于主成分分析的异常点挖掘方法   总被引:2,自引:0,他引:2  
王洪春  彭宏 《计算机科学》2007,34(10):192-194
在对现有异常点挖掘算法分析的基础上,给出了一种异常点挖掘的新方法一基于主成分分析方法,该方法先用基于密度的聚类算法进行聚类,然后把不包含在任何聚类中的周围稀疏的样本对象用主成分分析(PCA)方法进行检验,确定是否为异常点,并通过实验数据验证了算法的可行性和有效性。  相似文献   

10.
刘俊  李威  陈蜀宇  徐光侠 《软件学报》2022,33(12):4574-4589
提出了一种基于各向异性高斯核核惩罚的主成分分析的特征提取算法.该算法不同于传统的核主成分分析算法.在非线性数据降维中,传统的核主成分分析算法忽略了原始数据的无量纲化.此外,传统的核函数在各维度上主要由一个相同的核宽参数控制,该方法无法准确反映各维度不同特征的重要性,从而导致降维过程中准确率低下.为了解决上述问题,首先针对现原始数据的无量纲化问题,提出了一种均值化算法,使得原始数据的总方差贡献率有明显的提高.其次,引入了各向异性高斯核函数,该核函数每个维度拥有不同的核宽参数,各核宽参数能够准确地反映所在维度数据特征的重要性.再次,基于各向异性高斯核函数建立了核主成分分析的特征惩罚目标函数,以便用较少的特征表示原始数据,并反映每个主成分信息的重要性.最后,为了寻求最佳特征,引入梯度下降算法来更新特征惩罚目标函数中的核宽度和控制特征提取算法的迭代过程.为了验证所提出算法的有效性,各算法在UCI公开数据集上和KDDCUP99数据集上进行了比较.实验结果表明,所提基于各向异性高斯核核惩罚的主成分分析的特征提取算法比传统的主成分分析算法在9种公开的UCI公开数据集上准确率平均提高了4.49%.在KDDCUP99数据集上,所提基于各向异性高斯核核惩罚的主成分分析的特征提取算法比传统的主成分分析算法准确率提高了8%.  相似文献   

11.
基于KPCA的决策树方法及其应用   总被引:2,自引:0,他引:2  
主成分分析(PCA)作为一种数据减少技术常用于构造决策树,有利于降低树的复杂度和提高分类精度,但在处理非线性问题时往往不能取得好的效果.针对上述情况,提出了一种基于核主成分分析(KPCA)的决策树方法.实验结果表明,该方法是可行的和有效的,且在分类精度、方差贡献率等方面优于基于PCA的决策树.  相似文献   

12.
基于KPCA的多变量时间序列数据异常检测方法研究   总被引:1,自引:0,他引:1  
介绍了一种采用的KPCA技术获取多变量时间序列数据高维特征空间的主成方向矢量,使用主成方向矢繁内积作为异常的度量,并采用vMF分布表征主成方向矢量分布来进行多变量时间序列数据异常检测的方法;检测过程中使用历史数据训练获取分布模型的参数估计,通过计算实际数据主成方向矢量在训练模型的概率来判断异常的发生;与传统的异常检测方法相比,该方法不依赖先验的专家知识,且能够通过训练学习自动调节模型参数,可用于不同系统的异常检测中;实验表明,该方法具有较高的有效性.  相似文献   

13.
基于核函数的PCA在QAR数据分析中的应用   总被引:2,自引:0,他引:2       下载免费PDF全文
分析了传统的主成分分析方法的不足,论述了KPCA方法及其时间复杂度高的缺陷。在此基础上,提出基于核函数构造的协方差矩阵的主成分分析,相比KPCA,该方法具有快的降维速度。实验结果显示:把该方法用于QAR数据具有良好的降维效果和高分类正确率。  相似文献   

14.
A new sensor fault diagnosis method based on structured kernel principal component analysis (KPCA) is proposed for nonlinear processes. By performing KPCA on subsets of variables, a set of structured residuals, i.e., scaled powers of KPCA, can be obtained in the same way as partial PCA. The structured residuals are utilized in composing an isolation scheme for sensor fault diagnosis, according to a properly designed incidence matrix. Sensor fault sensitivity and critical sensitivity are defined, based on which an incidence matrix optimization algorithm is proposed to improve the performance of the structured KPCA. The effectiveness of the proposed method is demonstrated on the simulated continuous stirred tank reactor (CSTR) process.  相似文献   

15.
传统的基于数据二阶统计矩的主元分析法(PCA)是一种有效的数据特征提取方法,是基于原始特征的一种线性变换。但是,当原始数据中存在非线性属性时,用主元分析法后留下的显著成分就可能不再反映这种非线性属性。而核主元分析则是基于原始数据的高阶统计量,是一种非线性变换,在图像识别中它可以描述多个像素之间的相关性。而KPCA方法只考虑了人脸图像的整体信息,没有考虑到局部特征信息。文章提出了分块核主元分析(MKPCA)的方法进行人脸识别,取得了很好的效果。  相似文献   

16.
基于KPCA的人脸匹配方法   总被引:1,自引:0,他引:1  
分析一般主成分分析(PCA)在处理非线性问题上存在的不足,阐述基于核的主成分分析(KPCA)方法,并将其应用到人脸匹配之中,应用结果表明,KPCA具有优秀的特征提取性能.  相似文献   

17.
核主元分析及其在人脸识别中的应用   总被引:10,自引:0,他引:10  
传统的基于数据二阶统计矩的特征脸法(Eigenface)或主元分析法(PCA)是一种有效的数据特征提取方法,是基于原始特征的一种线性变换。但是,当原始数据中存在非线性属性时,用主元分析法后留下的显著成分就可能不再反映这种非线性属性。而核主元分析则是基于原始数据的高阶统计量,是一种非线性变换,在图像识别中它可以描述多个像素之间的相关性。该文采用KPCA法提取人脸特征,利用线性支持向量机设计分类器,实验结果表明,基于核主元分析方法的识别正确率明显优于基于主元分析法。  相似文献   

18.
Kernel principal component analysis (KPCA) and kernel linear discriminant analysis (KLDA) are two commonly used and effective methods for dimensionality reduction and feature extraction. In this paper, we propose a KLDA method based on maximal class separability for extracting the optimal features of analog fault data sets, where the proposed KLDA method is compared with principal component analysis (PCA), linear discriminant analysis (LDA) and KPCA methods. Meanwhile, a novel particle swarm optimization (PSO) based algorithm is developed to tune parameters and structures of neural networks jointly. Our study shows that KLDA is overall superior to PCA, LDA and KPCA in feature extraction performance and the proposed PSO-based algorithm has the properties of convenience of implementation and better training performance than Back-propagation algorithm. The simulation results demonstrate the effectiveness of these methods.  相似文献   

19.
基于KPCA的HVAC系统传感器故障诊断   总被引:1,自引:1,他引:0  
传感器状态的好坏很大程度上影响暖通空调(HVAC)系统的运行,对其展开故障诊断十分必要。核主成分分析(KPCA)方法通过集成算子与非线性核函数计算高维特性空间的主元成分,有效捕捉过程变量中的非线性关系,将其用于传感器常见4种故障的诊断,先用Q统计量进行故障监测,再用T2贡献量百分比变化来识别故障。实验结果表明:KPCA方法具有很好的故障监测与诊断能力。  相似文献   

20.
人耳识别技术是一种新的生物识别技术,它以入耳作为识别媒介来进行身份鉴别,但人耳识别的相关理论和方法还不太完善。首先介绍了独立成分分析方法(ICA)和基于核的主成分分析方法(KPCA)的基本原理,然后通过实验得到在分别采用ICA和KPCA方法时,在不同人耳库上的特征提取时间以及采用不同分类器时的入耳识别率。最后通过分析比较实验结果得到基于ICA方法的识别技术和基于KPCA方法的识别技术各自的优点和缺点。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号