基于极小准则的完备正交判别局部保持算法

以无监督判别投影算法为理论基础,提出了一种基于极小准则的完备正交判别局部保持投影算法.算法首先根据同类样本的空间信息重新定义了类内局部保持散度矩阵与类问局部保持散度矩阵,然后借鉴无监督判别投影算法的目标函数,推导出一个基于极小准则的目标函数,该目标函数通过投影到总体散度矩阵的非零空间中有效地解决小样本问题,最后给出了该...     

基于邻域自适应局部保持投影的轴承故障诊断模型

为了有效利用振动信号进行故障诊断,提出了一种基于邻域自适应局部保持投影的轴承故障诊断模型。首先,利用EMD将轴承振动信号分解为若干个平稳的固有模态函数（IMF）,对IMF分量建立自回归（AR）模型,构建原始特征子集。然后,利用邻域自适应局部保持投影算法对原始特征子集进行降维处理,获得原始特征子集的低维特征向量和投影矩阵。以低维特征向量为输入,以最小二乘支持向量机（LS-SVM）为分类器,通过研究故障识别率和低维特征空间维数的关系确定最优降维维数和对应的最优投影矩阵。最后,根据最优降维维数完成降维处理过程,得到低维特征向量,输入LS-SVM分类器,识别轴承的工作状态和故障类型。实验结果表明,该模型提高了轴承故障诊断的精度。     

流形核与LPP相结合的毛杆折痕识别方法

针对毛杆折痕难以检测问题,将非线性流形的思想引入到折痕识别领域。提出运用流形核函数与局部保持投影相结合的方法进行毛杆特征提取。首先基于区域图像构造协方差矩阵作为图像特征,利用仿射不变度量作为样本点的距离测度。然后通过定义的黎曼核函数选择流形上的近邻点,使得近邻点的选择符合数据呈非线性流形的假设,并结合数据类别信息构造相应的核矩阵。最后利用局部保持投影算法对毛杆图像进行降维。实验结果表明,本文算法能够有效克服光照不均和残余绒毛等外部因素影响,具有较好的稳健性和较高的识别率。     

基于局部主成分保持投影的旋转机械故障数据降维方法

针对旋转机械高维故障特征集存在的特征冗余导致的分类困难问题,提出一种基于局部主成分保持投影(locality principal component preserving projection, LPCPP)的故障数据集降维算法。该算法将类间可分性判据、主成分计算两种思想与局部保持投影(locality preserving projection, LPP)相融合,使得算法具有剔除冗余特征、减小降维盲目性的能力,从而可以更好地保留能够反映机械运行状态的高价值密度的故障信息以及特征的主要成分。通过两个不同型号的双跨度转子系统的振动信号对所提算法进行验证,并分别以可分性指标和3种不同分类器的识别准确率对本算法的降维性能进行评价。结果表明,本算法能够达到降低故障分类难度与提高故障分类准确率的功能,其可为积累高价值密度的数据资源和基于“工业大数据”的旋转机械智能决策技术工程实现,提供一种数据运算的理论依据。     

基于伪标签半监督核局部Fisher判别分析轴承故障诊断

针对轴承故障诊断应用中多特征融合导致的维度高、相关性强、信息冗余等问题,提出一种基于伪标签半监督核局部Fisher判别分析(Semi-supervised Kernel Local Fisher Discriminant Analysis, SS-KLFDA)轴承故障诊断方法。为了能利用大量无标签样本提高算法判别性能,该方法首先采用密度峰值聚类算法对样本进行聚类分析得到伪标签,然后通过增加规范化项到局部FDA算法的类内散度矩阵和类间散度矩阵中,以此保持无标签样本的聚类结构一致性,最后通过局部FDA算法来保持有标签样本类间散度最大化和类内散度最小化并求解最佳投影向量;为了能适应非线性数据降维,进一步给出了基于核的伪标签半监督局部Fisher判别算法。试验部分通过同其他流行降维算法在不同维度、不同特征集合以及不同分类算法条件下进行轴承故障诊断性能对比,结果表明基于伪标签半监督核局部Fisher判别分析方法的分类精度明显优于其他降维算法,投影后的系数向量具有更好的区分能力,使故障诊断性能得到了很大提升。     

人脸识别的一种新的特征提取方法

针对人脸识别中判别特征的提取问题,本文提出了一种新的人脸识别算法—扩展保局投影（ELPP）。普通保局投影（LPP）在构建权图时侧重保持样本的局部结构,属于无监督学习算法。扩展保局投影在保局投影的基础上进行扩展,通过引入可调因子,在保持人脸图像局部流形结构的同时考虑样本的类别信息,从而充分提取样本的判别特征。本文采用最小近邻分类器估算识别率。在Yale人脸库以及AT＆T人脸库的测试结果表明,在姿态、光照、表情、训练样本数目变化的情况下,ELPP都具有较好的识别率。     

空间平滑局部保持投影用于ISAR目标识别

由于目标运动及其所处环境的复杂性,雷达目标数据之间往往呈现出局部的非线性,如果采用传统的线性子空间方法降维,必将会使雷达目标识别性能有所下降.基于以上原因,论文在详细分析ISAR二维像非线性流形结构特点的基础上,将流形学习方法中的空间平滑局部保持投影(Spatially Smooth Locality Preserving Projections,SSLPP)算法应用于ISAR二维像的特征提取和维数约简,并采用k近邻分类器对三类飞机目标进行了识别.与传统的子空间方法相比,SSLPP算法充分考虑了图像中各相邻像素之间的相关性,因而可获得更多的图像空间局部信息.仿真实验结果表明,与PCA、LDA、LPP等算法相比,该方法具有更好的识别性能.     

基于KSLPP与RWKNN的旋转机械故障诊断

针对旋转机械高维故障特征集识别精度低的问题,提出基于核监督局部保留投影（Kernel Supervised Locality Preserving Projection, KSLPP）与ReliefF特征加权的K近邻（ReliefF Weighted K-Nearest Neighbor, RWKNN）分类器相结合的维数约简故障诊断方法。该方法首先应用KSLPP提取故障特征集中的非线性信息,同时在降维投影过程中充分利用类别信息,使降维后最小化类内散度,最大化类间分离度;随后,将降维后得到的低维敏感特征集输入RWKNN进行模式识别,RWKNN能够突出不同特征对分类的贡献率,强化敏感特征,弱化不相关特征,提升了分类精度和鲁棒性。最后,通过典型转子实验台的故障特征集验证了该方法的有效性。     

监督式正交迹比判别投影在图像集人脸识别中的应用

研究、分析了人脸识别中提取原始数据特征的已有方法,在此基础上给出了一种应用监督式正交迹比判别投影(SOTRDP)的新型特征提取方法,即SOTRDP方法。不同于现有的非监督判别投影(UDP)方法,SOTRDP方法能够同时利用局部信息和类别信息建立相似性矩阵。在利用改进局部切空间对齐(ILTSA)非线性降维的基础上,利用聚类中心或最靠近它的样本作为输入,拓展SOTRDP用于图像集人脸识别。在PIE 和Honda/UCSD人脸数据库上的实验结果验证了所提方法的有效性。     

基于核最小距离鉴别投影的人脸识别算法

针对人脸图像的非线性分布特征,本文在最小距离鉴别投影(MDP)算法的基础上,提出了一种新的核最小距离鉴别投影算法.该方法首先通过核方法将样本映射到高维非线性空间,继而在得到的高维非线性空间上进行最小距离鉴别投影并计算其相应的投影矩阵,使得样本与类内、类间中心距离达到最优.最后采用最近邻分类方法对样本进行分类识别.通过在ORL和YALE人脸库上进行的实验,验证了该算法取得的识别效果优于其他方法.     

一种快速的基于稀疏表示的人脸识别算法

基于稀疏表示的人脸识别算法（SRC）识别率相当高,但是当使用l1范数求最优的稀疏表示时,大大增加了算法的计算复杂度,矩阵随着维度的增加,计算时间呈几何级别上升,该文提出利用拉格朗日算法求解矩阵的逆的推导思路,用一种简化的伪逆求解方法来代替l1范数的计算,可将运算量较高的矩阵求逆运算转变为轻量级向量矩阵运算,基于AR人脸库的实验证明,维度高的时候识别率高达97%,同时,计算复杂度和开销比SRC算法大幅度降低95%。     

Discriminant locality preserving projection chart for statistical monitoring of manufacturing processes

In this paper, we propose a novel multivariate projection chart called the discriminant locality preserving projection chart. The basic idea of the chart is to seek an optimal linear projection of the original data including both the in-control reference data and the newly observed data for monitoring. The projection strives to not only preserve the locality structure of the original data but also maximise the separation between the in-control reference data and the newly observed data. With this projection, the low-dimensional projected data will then be monitored through a T² type of statistics. Comparing with the existing projection-based control chart, the proposed chart preserves the local data structure and adaptively identifies the best projection direction to detect the out-of-control data, and thus has more discriminating power, particularly for non-linearly related multidimensional data. The design issues of this chart are discussed in details in this paper. The effectiveness of the proposed method is verified by numerical studies and a real case study of forging process monitoring.     

基于多尺度局部保持投影的轴承故障特征增强方法

针对轴承故障声发射信号的非线性特性,及易受背景噪声干扰的特点,提出一种多尺度局部保持投影方法。通过小波包分解实现一维信号的多尺度构造,利用近邻图保持信号局部流形信息,通过局部保持投影将信号变换到新的坐标空间下,实现故障特征增强。仿真和实验信号处理结果表明,多尺度局部保持投影方法在轴承故障增强检测中效果显著。     

多彩色空间相关分析的人脸识别算法

人脸识别是当前人工智能和模式识别的研究热点,得到了广泛的关注.基于对不同色彩空间数据的分析,论文提出了多彩色空间典型相关分析的人脸识别方法.文中对2维的Contourlet变换特性进行了分析和讨论,利用Contourlet的多尺度,方向性和各向异性等特点,提出了一种基于Contourlet变换的彩色人脸识别算法.算法对原图进行Contourlet分解,对分解得到的低频和高频图像进行cca分析.典型相关分析是一种有效的分析方法,其实际应用十分广泛.低频系数反映图像的轮廓信息,高频系数反映图像的细节信息,使用cca充分利用不同频率的信息,使不同色彩空间的不同分辨率图形的相关性达到最大,得到投影系数,最后,采用决策级最近邻分类器完成人脸识别.在对彩色人脸数据库AR的识别实验中,该算法识别率达到98％以上,与传统算法相比,该算法不仅既有良好的识别结果,而且具有很快的运算速度.     

基于切割子模块的单样本人脸识别

针对单样本人脸识别问题,本文提出了一种基于单样本切割的子模块主成分分析方法.该方法将单样本人脸图片切割成大小相同、互不重叠的多个子模块,切割后的子模块集构成新的样本集.对所有子模块作主成分分析(PCA)并提取特征,同一人脸的子模块特征系数作为分类识别的依据.在ORL人脸库上的测试结果表明,同PCA,(PC)2A,Sub-pattern LDA相比,该方法具有更好的识别率.     

投影特征匹配的快速钞币面值识别算法

提出了一种基于特征区域投影特征匹配的钞币面值识别算法。针对不同面额的人民币,所选取的特征区域位置、大小和数目可不同。建立投影特征模板库,并采用分类比较和滑动匹配的方法提高算法速度和适应能力。实验结果表明:利用该算法对人民币的识别速度达到2000张/min,可满足嵌入式系统对算法实时性的要求。     

Independent comparative study of PCA,ICA, and LDA on the FERET data set

Face recognition is one of the most successful applications of image analysis and understanding and has gained much attention in recent years. Various algorithms were proposed and research groups across the world reported different and often contradictory results when comparing them. The aim of this paper is to present an independent, comparative study of three most popular appearance‐based face recognition projection methods (PCA, ICA, and LDA) in completely equal working conditions regarding preprocessing and algorithm implementation. We are motivated by the lack of direct and detailed independent comparisons of all possible algorithm implementations (e.g., all projection–metric combinations) in available literature. For consistency with other studies, FERET data set is used with its standard tests (gallery and probe sets). Our results show that no particular projection–metric combination is the best across all standard FERET tests and the choice of appropriate projection–metric combination can only be made for a specific task. Our results are compared to other available studies and some discrepancies are pointed out. As an additional contribution, we also introduce our new idea of hypothesis testing across all ranks when comparing performance results. © 2006 Wiley Periodicals, Inc. Int J Imaging Syst Technol, 15, 252–260, 2005