Robust sparse principal component analysis

The model for improving the robustness of sparse principal component analysis（PCA） is proposed in this paper. Instead of the l2-norm variance utilized in the conventional sparse PCA model,the proposed model maximizes the l1-norm variance,which is less sensitive to noise and outlier. To ensure sparsity,lp-norm（0 p 1） constraint,which is more general and effective than l1-norm,is considered. A simple yet efficient algorithm is developed against the proposed model. The complexity of the algorithm approximately linearly increases with both of the size and the dimensionality of the given data,which is comparable to or better than the current sparse PCA methods. The proposed algorithm is also proved to converge to a reasonable local optimum of the model. The efficiency and robustness of the algorithm is verified by a series of experiments on both synthetic and digit number image data.     

结合汉明码和图像矫正的彩色图像盲水印

目的 随着互联网技术的飞速发展,彩色数字图像带来极大便利的同时,也产生了一些篡改、剽窃等侵权行为;同时,几何处理对含水印载体的破坏使水印盲检测的难度增加,因此,本文提出一种基于汉明码和图像矫正的彩色图像盲水印方法,旨在解决当前图像版权保护的难点问题。方法 嵌入水印时,使用仿射变换加密彩色水印,并将已加密的信息编为汉明码,然后利用特征值分解计算出像素块的全部特征值,并通过对特征值绝对值的和进行量化来完成水印的嵌入;提取水印时,利用图像的几何属性对多种几何攻击后的图像进行判断、矫正,并借助量化技术提取水印。结果 基于彩色图像标准数据库,将本文方法与7种相关方法进行了对比实验：在不可见性方面,与LU分解的水印方法相比,本文算法峰值信噪比（peak signal-to-noise ratio,PSNR）提高了4 dB;在常规攻击鲁棒性方面,与Schur分解的最新方法相比,本文算法平均归一化互相关（normalized cross-correlation,NC）的值稍有提高;在几何攻击鲁棒性方面,本文算法NC值具有一定的优势;同时,本文算法的水印容量达到了0.25 bit/像素,密钥空间达到了2⁴³²,运行时间仅需3 s左右。结论 所提方法不仅具有较好的水印不可见性和较强的鲁棒性,而且具有较大的水印容量、较高的安全性和实时性。     

基于IIGA-BP神经网络的钢材销售预测模型

为克服传统BP神经网络(BP Neural Network,BPNN)在销售预测中,预测精度低、收敛速度慢的缺点.提出了一种基于改进免疫遗传算法(Improved Immune Genetic Algorithm,IIGA)优化BP神经网络的销售预测模型.改进的免疫遗传算法提出了新的种群初始化方式、抗体浓度的调节机制及自适应交叉算子、变异算子的设计方法,有效的提高了IIGA的收敛能力和寻优能力.并用IIGA优化BPNN的初始权值和阈值,改善网络参数的随机性导致BPNN输出不稳定和易陷入局部极值的缺点.以某钢铁企业的历史销售数据为例进行实证研究,利用Matlab分别构建BP、IGA-BP和IIGA-BP神经网络预测模型进行仿真对比分析.实验证明,IIGA-BP神经网络预测模型较BP神经网络预测模型预测精度提高了23.82％,较IGA-BP神经网络预测模型预测精度提高了22.02％.IIGA-BP神经网络模型对钢材销售预测的泛化性能更好,预测效果更稳定误差基本保持在[0.25,0.25]之间,预测精度大幅度提高,为企业销售预测提供了一种较为有效的方法.     

基于导波能量特征PCA的结冰定量检测方法研究

为解决结冰探测中导波信号难以识别的问题,提出了基于导波能量特征主成分分析(Principal Component Analysis,PCA)的结冰定量检测方法,先后进行铝板结冰仿真实验和实测实验验证.仿真获得的结冰探测导波信号表明导波信号能量随结冰长度的增大而降低,利用PCA方法对导波信号的时域和时频域能量特征进行降维,验证了利用信号主成分综合得分测量结冰长度的可行性.并采用上述方法进行实测实验,实验结果表明主成分综合得分与结冰长度具有良好的线性关系,对预制结冰区域的检测结果表明该方法的检测精度较高,检测误差小于传统的能量法,并且对小尺寸结冰有较强的探测能力.     

基于多块信息提取的AUV资源勘查系统故障检测

针对"潜龙二号"AUV在实际航行过程中,资源勘查系统传感器数据具有多重变量相关性、故障类型多样、受运行状态和环境变化影响数值变化大以及噪声强等问题,提出一种新的基于多块信息提取的主元分析(PCA)故障检测方法.首先,针对变量之间的多重相关性,通过滑窗和相关系数的方法提取变量间相关性信息;然后,根据变化率在不同运行状态和环境下基本稳定的特点,对于不同类型故障,分别提取变化率信息和变化率信息的各阶统计量累积误差信息;最后,基于提取的特征信息建立3个子块,对每个子块分别建立PCA模型并进行检测,将检测的结果通过中值滤波去噪后,用贝叶斯推断进行融合.通过对"潜龙二号"实际运行数据进行检测,验证所提方法的有效性.     

基于IGWO-BP的SCR脱硝效率软测量模型

针对电厂SCR脱硝装置运行参数多且相互高度耦合,脱硝效率定量描述困难,以及传统BP网络存在的问题,提出一种基于IGWO-BP的脱硝效率软测量模型;该方法将基于主成分分析后的降维数据作为输入变量,采用改进灰狼算法对BP网络初始权值、阈值进行优化,利用优化后的网络对脱硝效率进行预测;该模型已成功应用于大唐洛河发电厂6号机组脱硝装置,结果表明:实际脱硝效率平均绝对百分比误差为2.31％,较传统BP算法与IGWO-BP算法分别降低48.92％和21.69％,具有更高的预测精度.     

面向智能电网的PCA近似法错误数据注入攻击

准确的状态估计对于维持智能电网的正常运行至关重要。论文在雅可比(Jacobian)矩阵和状态变量分布假设未知的情况下,采用主成分分析近似法(PCA-Sim)研究了错误数据注入攻击问题,从线路测量的相关性中对Jacobian矩阵进行推导,验证了错误数据注入攻击近似隐形攻击,并且结合累积分布函数(cdf)分析了所提方法的性能。通过对IEEE14配电网系统在均匀状态变量、高斯状态变量和混合状态变量条件下漏检概率与决策阈值的仿真研究,结果证实了所提方法的有效性。     

自步稀疏最优均值主成分分析

主成分分析(PCA)是一种无监督降维方法。然而现有的方法没有考虑样本的差异性,且不能联合地提取样本的重要信息,从而影响了方法的性能。针对以上问题,提出自步稀疏最优均值主成分分析方法。模型以 $ {{L}_{{2,1}}}$ 范数定义损失函数,同时用 $ {L_{{\rm{2,1}}}}$ 范数约束投影矩阵作为正则化项,且将均值作为在迭代中优化的变量,这样可一致地选择重要特征,提高方法对异常值的鲁棒性;考虑到训练样本的差异性,利用自步学习机制实现训练样本由“简单”到“复杂”的学习过程,有效地降低异常值的影响。理论分析和实验结果表明,以上方法能更有效地降低异常值对分类精度的影响,提高分类精度。     

基于大数据的产品族本体造型意象挖掘方法研究

为提升产品造型意象成族的准确性,增强感性工学研究中意象词汇提取的规范性和知识重用性。 首先从同族、泛族、异族的概念切入,对目标产品族的造型意象本体进行了定义;再借助 word2vec 工具和主 成分分析法(PCA)分别完成了对产品族意象词汇的关联性联想和降维提取,从而构建了意象词汇挖掘机制,通 过此机制可以辅助设计师利用网络大数据资源更高效、准确地进行目标产品意象的挖掘,一定程度上解决了传 统感性工学在意象挖掘方法中模糊性。最后结合意象词汇与造型特征的映射关系,利用 Protege 工具构建了产 品族造型意象的本体模型,对目标产品的造型意象知识进行了逻辑化表征,为下一代产品继承并发展原产品族 造型意象提供参考。以马自达 MX-5 车系的造型意象为例构建了本体模型,并进行了子代产品前脸的概念设计。     

应对长江口咸潮入侵的临界流量经验模型研究

1994年以来,长江口咸潮入侵严重威胁当地供水安全,随着长江上游水库群陆续建成,有关部门提出了通过上游水库群压咸调度保障长江口地区供水安全的方案。为明确压咸调度的目标流量(即临界流量),基于统计分析的方法,采用多元回归分析和主成分分析方法,选取实测站点数据建立了盐度-潮差-入海流量的相关关系统计模型,研究了咸潮发生的机理;通过模型分析多次咸潮入侵数据,确定临界流量为一个变化值,潮差290～335 cm下的临界流量在9 390～21 633 m³/s之间。研究表明,当长江口咸潮入侵时,单独依靠长江上游水库调度压咸所需的流量大,响应时间长,压咸效果不明显。因此,实际压咸调度应通过流域整体调度与本地蓄淡避咸水库共同作用应对咸潮入侵。