首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到17条相似文献,搜索用时 234 毫秒
1.
<正>交邻域保持嵌入(Orthogonal neighborhood preserving embedding,ONPE)是一种无监督的特征降维方法,且使用的是全局统一的邻域参数,在对高维故障特征集进行特征降维时,不能利用样本的类别标签信息和不能够根据样本空间分布的变化自适应调整邻域参数,使获得的低维特征仍出现混叠的情况。针对上述问题,提出了基于改进的有监督正交邻域保持嵌入(Improved supervised ONPE,IS-ONPE)特征降维的故障辨识方法。IS-ONPE利用样本的标签信息来调整样本点与点之间的距离以形成新的距离矩阵,通过新的距离矩阵进行邻域构建,同时利用局部集聚系数进行邻域参数的自适应调整,能够获得辨识度更高的低维特征。以低维特征作为支持向量机(Support Vector Machine,SVM)的输入来实现故障辨识。齿轮的故障辨识结果表明,所提出的方法能够提高故障辨识效果,具有一定优势。  相似文献   

2.
赵娜  张忠杰 《机械设计与研究》2021,37(5):215-218,223
针对局部保持投影(LPP)的邻域参数设置主要依靠经验这一缺点,对LPP邻域参数的设置进行了改进设计,提出了改进局部保持投影算法(ILPP).相比于LPP,ILPP中引入了核密度估计,使得邻域参数会根据数据集的样本密度而自适应的变化,可以更好地对高维数据集的流形结构进行保持.将ILPP用于齿轮典型故障的诊断中,实验结果表明,ILPP可以对不同故障类型数据进行有效区分,实现了故障诊断精度的提高.  相似文献   

3.
赵娜  张忠杰 《机械设计与研究》2021,37(5):215-218,223
针对局部保持投影(LPP)的邻域参数设置主要依靠经验这一缺点,对LPP邻域参数的设置进行了改进设计,提出了改进局部保持投影算法(ILPP).相比于LPP,ILPP中引入了核密度估计,使得邻域参数会根据数据集的样本密度而自适应的变化,可以更好地对高维数据集的流形结构进行保持.将ILPP用于齿轮典型故障的诊断中,实验结果表明,ILPP可以对不同故障类型数据进行有效区分,实现了故障诊断精度的提高.  相似文献   

4.
提出了一种融合局部与全局结构的保持嵌入(LGPE)算法.该方法首先假定目标空间的整体映射函数,然后结合数据的全局几何结构分布信息进行数据重构,最后通过最小化准则函数来得到嵌入高维空间的低维子流形.LGPE方法在保持数据局部结构的同时保留了全局结构信息,在信噪比为10 dB的稀疏Swiss-roll(N=400)和COIL-20多姿态数据集上都取得了较好的维数约简效果.与其他局部流形学习方法相比,该方法在AT&T人脸图像库中,当嵌入特征矢量维数d<40时,其识别率提高了约15%.在人工与真实数据库的实验结果表明,本文方法对噪声和稀疏数据具有较好的鲁棒性.  相似文献   

5.
非线性动态间歇过程中,测量变量存在不同的序列相关性,且变量间的交叉相关性会体现在不同的采样时刻上,然而传统检测方法没有考虑这种变量间的相关性,通常将所有变量视为独立或相关关系进行特征提取,不能充分提取到故障信息的特征,造成监测效果不佳。因此,提出一种基于变量分块的核动态潜变量-动态加权支持向量数据描述(KDLV-DWSVDD)间歇过程故障检测算法。首先,通过求取变量间的互信息值(MI)将变量分为相关与独立两个变量子块;然后,通过KDLV算法将相关变量子块分为动态部分和静态部分,对动态部分建立向量自回归模型进行监测,对静态部分采用邻域保持嵌入(NPE)算法进行监测;独立变量子块中自变量的动态信息可通过DWSVDD算法进行提取;最后,通过KDLV-DWSVDD算法建立监控统计量进行故障检测。所提算法在青霉素发酵仿真过程中平均故障检测率可达90.38%,相较对比算法提高了近15%,半导体实际工业过程也证明了所提算法对于间歇过程故障检测的可行性和优越性。  相似文献   

6.
基于正交判别邻域保持投影的人脸识别   总被引:3,自引:2,他引:1  
邻域保持投影(neighborhood preserving projections, NPP)是一种保持局部邻域结构的子空间分析方法.虽然NPP已经在许多领域得到应用,但在解决识别问题时有缺陷.在NPP算法的基础上提出一种新的子空间分析方法,称为正交判别邻域保持投影(orthogonal discriminant neighborhood preserving projections, ODNPP).ODNPP目标是考虑类标签信息来增强局部类内几何关系,同时还最大化类间的距离.而且,为了克服NPP的测度扭曲问题,ODNPP引入Gram-Schmidt正交化获得正交投影矩阵.在FERET人脸数据库和ORL人脸数据库上的实验结果表明该方法是有效的.  相似文献   

7.
流形学习方法可以将高维数据投影到低维空间,发现隐藏在数据中的内在几何结构与规律性,近年来越来越受到模式识别和认知科学领域的研究者的重视。但是基于局部的流形学习方法存在对噪声敏感和要求样本稠密等缺点。针对这些缺点,本文提出一种新的局部与全局结构保持嵌入(Local and global preserving Embedding, LGPE)算法。LGPE方法通过假定目标空间的整体映射函数,然后结合数据的全局几何结构的分布信息进行数据重构,最后通过最小化准则函数来得到嵌入于高维空间的低维子流形。LGPE方法在保持数据局部结构的同时保留全局结构信息,在信噪比为10db的稀疏Swiss-roll(N=400)和COIL-20多姿态数据集取得了较好的维数约简效果,且在ORL人脸图中相对其他局部流形学习方法,在嵌入特征矢量维数d<40时,识别率提高了约15%。实验结果表明,本文方法对噪声和稀疏数据具有较好的鲁棒性。  相似文献   

8.
基于DMOLPP的间歇过程在线故障检测   总被引:2,自引:0,他引:2  
为了保持过程数据集的局部结构,确保数据投影后的投影向量正交,降低数据误差重构方面的难度,提出了一种基于动态多向正交局部保持投影(DMOLPP)进行间歇过程故障检测的方法。该方法将滑动窗口技术和正交局部保持投影(OLPP)相结合用于间歇过程在线检测。首先,将批次数据展开成二维数据,利用滑动窗口技术分别在时间片内运用OLPP算法提取能表征过程正常数据内在局部近邻结构的特征;然后,对于新来批次数据标准化处理后分别在相应窗口内投影,提取特征向量;最后利用核密度估计(KDE)确定控制限进行过程检测。通过仿真结果表明,运用DMOLPP算法检测到故障发生的时刻早于动态多向局部保持投影(DMLPP)、动态多向邻域保持嵌入(DMNPE)方法。与动态多向主元分析(DMPCA)相比,具有较低或者无误报时刻,验证了该方法的有效性。  相似文献   

9.
故障类别的多样性往往导致原始样本数据在特征空间中呈间断性分布,针对传统k近邻的邻域构建方法难以保证数据集几何结构完整性的问题,提出一种新的非线性最小二乘约束-局部线性嵌入算法。通过非负线性最小二乘约束搜索边界点,并结合第一主成分直线寻找其邻域样本点,重新构造关于边界点的邻域图,用经典的局部线性嵌入算法机理发现数据内在分布和几何结构,根据得到的低维嵌入采用KNN分类器进行故障模式识别;仿真数据分析与试验验证结果表明该算法高度保持了原始数据的几何拓扑结构,增强了低维嵌入的有效性,提高了故障识别精度。  相似文献   

10.
基于加权判别局部多线性嵌入的人脸识别   总被引:2,自引:1,他引:1  
张量算法克服了传统向量算法的维数灾难和小样本问题,在人脸识别中取得了较好的效果.尽管如此,现有张量算法容易导致邻近类别在低维空间中重叠,为此,提出了一种加权判别局部多线性嵌入算法.该算法设计了一种自适应加权的判别准则,结合类别信息,保持了同类人脸图像之间的局部流形结构,同时利用高斯基函数作为加权函数,根据人脸图像对其他类别的影响,自适应产生权重系数,加大了类间样本的区分度.此外,该算法采用张量形式表示图像数据,保留了图像的结构,继承了张量算法的优点,并且有效地解决了out-of-sample问题.人脸识别实验表明,对于光照,姿态和表情的变化,该算法具有较好的稳健性和较高的识别率.  相似文献   

11.
基于有监督的核局部线性嵌入的面部表情识别   总被引:1,自引:0,他引:1  
流形学习方法可以有效的发现存在于高维图像空间的低维子流形并进行维数约简,近年来越来越受到生物特征识别和认知科学领域的研究者的重视。但是流形学习是一种非监督学习方法,其鉴别能力反而不如传统的维数约简方法,而且流形学习方法大多没有明晰的投影矩阵,很难直接对新样本进行维数约简。针对这两个问题,本文提出一种新的有监督的核局部线性嵌入算法(supervised kernel local linear embedding,SKLLE),并将算法应用于面部表情识别。该算法通过非线性核映射将人脸图像样本投影到高维核空间,然后将人脸图像局部流形的结构信息和样本的类别信息进行有效的结合进行维数约简,提取低维鉴别流形特征用于表情分类。SKLLE算法不仅能发现嵌入于高维人脸图像空间的低维表情子流形,而且增强了局部类间的联系,同时对新样本有较好的泛化性,实验结果表明该算法能有效的提高面部表情识别的性能。  相似文献   

12.
基于子分类器融合的部分遮挡人耳识别   总被引:1,自引:1,他引:0  
遮挡是人耳识别中一个难以回避的问题,本文对人耳受到部分遮挡的识别问题进行了研究.在分析人耳不同位置的鉴别能力的基础上,提出了一种基于决策层的子分类器融合的识别方法:首先将图像分割为若干连续但不重叠的子窗口;对每个子窗口,利用邻域保留嵌入算法进行特征提取,然后利用最近邻分类器进行识别;根据这些子分类器识别率的高低,可以得到相应的子窗口的鉴别能力;接下来再利用具有较高鉴别能力的子分类器进行融合识别来解决部分遮挡问题.在USTB人耳图像库上的实验结果表明人耳图像中确实有部分区域具有更高的鉴别能力,利用这些区域即可进行身份识别,而且本文提出的基于局部信息融合的方法比基于原始图像直接进行识别的方法具有更高的识别率,尤其适合于解决人耳识别中的部分遮挡问题.  相似文献   

13.
为了提高高光谱图像的分类精度,有效利用高光谱图像的空间信息和光谱信息对高光谱图像进行预处理,本文提出了一种新的空谱联合特征提取方法,加权空-谱局部保持投影算法(WSSLPP)。该算法结合高光谱图像的物理特性对高光谱图像进行重构,降低了图像中奇异点的干扰;然后对局部像素近邻保持嵌入(LPNPE)和局部保持投影(LPP)的目标函数进行加权求和,有效融合高光谱图像空间维和光谱维的信息来构建投影矩阵。WSSLPP不仅保留了高光谱图像在空间维上像素间的近邻关系,而且保持了在光谱维上样本的固有结构,有利于高光谱图像的分类。在Indian Pines和PaviU数据库上对该算法进行验证分析,结果表明:基于WSSLPP算法得到的分类精度明显高于其他算法,总体分类精度的最大值分别为99.00%,99.50%,有效提高了高光谱图像的分类精度。  相似文献   

14.
As an attractive nonlinear dynamic data analysis tool, global preserving kernel slow feature analysis (GKSFA) has achieved great success in extracting the high nonlinearity and inherently time-varying dynamics of batch process. However, GKSFA is an unsupervised feature extraction method and lacks the ability to utilize batch process class label information, which may not offer the most effective means for dealing with batch process monitoring. To overcome this problem, we propose a novel batch process monitoring method based on the modified GKSFA, referred to as discriminant global preserving kernel slow feature analysis (DGKSFA), by closely integrating discriminant analysis and GKSFA. The proposed DGKSFA method can extract discriminant feature of batch process as well as preserve global and local geometrical structure information of observed data. For the purpose of fault detection, a monitoring statistic is constructed based on the distance between the optimal kernel feature vectors of test data and normal data. To tackle the challenging issue of nonlinear fault variable identification, a new nonlinear contribution plot method is also developed to help identifying the fault variable after a fault is detected, which is derived from the idea of variable pseudo-sample trajectory projection in DGKSFA nonlinear biplot. Simulation results conducted on a numerical nonlinear dynamic system and the benchmark fed-batch penicillin fermentation process demonstrate that the proposed process monitoring and fault diagnosis approach can effectively detect fault and distinguish fault variables from normal variables.  相似文献   

15.
一种新颖的人脸图像超分辨率技术研究   总被引:2,自引:0,他引:2  
本文针对基于学习的人脸图像超分辨率技术进行研究,采用多分辨率的幻觉脸算法。针对Baker方法(文献[1])建立的图像金字塔提取高频细节不够丰富的缺点,采用Kirsch算子提取高频特征。它与Baker的一阶、二阶灰度算子结合,能够提取更多的图像信息,使得匹配更为准确。另外将流形学习中的LLE算法思想引入匹配复原过程中,使复原结果获取更完备的高频信息。实验结果表明,本文预测得到的先验模型更为准确,使得最终复原的人脸图像具有更好的视觉效果。  相似文献   

16.
Fault diagnosis is essentially a kind of pattern recognition. How to implement feature extraction and improve recognition performance is a crucial task. In this paper, a new supervised manifold learning algorithm (S-LapEig) for feature extraction is proposed first. Via combining preserving the consistency of local neighbor information and class labels information, S-LapEig can not only gain a perfect approximation of low-dimensional intrinsic geometric structure within the high-dimensional observation data, but also enhance local within-class relations. Based on S-LapEig, a novel fault diagnosis approach is proposed. The approach extracts the intrinsic manifold features from high-dimensional fault data by directly learning the data, and translates complex mode space into a low-dimensional feature space, in which pattern classification and fault diagnosis are carried out easily. Comparing with other feature extraction methods such as PCA, LDA and Laplacian eigenmaps, the proposed method obviously improves the classification performance of fault pattern recognition. The experiments on benchmark data and engineering instance demonstrate the feasibility and effectiveness of the new approach.  相似文献   

17.
针对传统的基于特征提取的高光谱图像地物分类算法大多只考虑光谱信息而忽略空间信息的问题,提出了一种面向高光谱分类的半监督空谱全局与局部判别分析(S3 GLDA)算法。该算法首先利用少量标记样本保存数据集的线性可分性和全局判别信息,再依靠较多的无标记的空间局部近邻像元来揭示局部判别信息和非线性局部流形,使高光谱遥感图像的光谱域全局判别结构和空间域局部判别结构在低维特征空间同时得以保留,并在输出特征中自动融入了空间信息,构成了半监督的空谱判别分析。在Indian Pines和PaviaU数据集的实验表明,总体分类精度分别达到76.24%和82.96%。与现有几种算法比较,该算法有效提高了输出特征在低维空间的判别能力,更好地揭示了数据集的内在非线性多模本质,有效提升了高光谱图像数据集的地物分类精度。  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