基于支持向量机和距离度量的管道内表面图像分类方法研究

针对管道内表面图像的分类问题，提出了一种将支持向量机和距离度量相结合，构成组合分类器的分类方法。分类时先采用距离度量进行前级分类，符合条件则给出分类结果，否则拒识并转入SVM分类器进行分类。该方法充分利用了SVM识别率高和距离度量速度快的优点，并且利用距离度量的结果去指导SVM的训练和测试。实验表明本方法具有较高的效率和识别精度，进一步提高了系统的识别率和容噪性能。     

B值同分布鞅随机变元序列矩完全收敛性

讨论了B值同分布鞅随机变量的矩完全收敛性,在一定矩条件下得到了同分布鞅随机变量的矩完全收敛性。将Chow关于实值独立同分布随机变量的矩完全收敛的结果推广到B值鞅,改变了同分布鞅随机变量的矩完全收敛性的状况,得到了至多平方矩存在的条件与独立同分布一样的结果。     

B值同分布鞅随机变元序列矩收敛的注记

讨论了一类B值同分布鞅随机变量的矩完全收敛性,在二阶光滑空间中当一定矩存在条件下,利用切尾法、下鞅的极大值不等式、高阶法等分析技巧,给出了此类B值同分布鞅随机变量的矩完全收敛性的充分条件,揭示了B值同分布鞅随机变量的矩完全收敛性与矩存在性之间的关系,得到了满意的结果。     

多输出数据依赖核支持向量回归快速学习算法

针对基于递推下降法的多输出支持向量回归算法在模型参数拟合过程中收敛速度慢、预测精度低的情况,使用一种基于秩2校正规则且具有二阶收敛速度的修正拟牛顿算法（BFGS）进行多输出支持向量回归算法的模型参数拟合,同时为了保证模型迭代过程中的下降量和全局收敛性,应用非精确线性搜索技术确定步长因子。通过分析支持向量机（SVM）中核函数的几何结构,构造数据依赖核函数替代传统核函数,生成多输出数据依赖核支持向量回归模型。将模型与基于梯度下降法、修正牛顿法拟合的多输出支持向量回归模型进行对比。实验结果表明,在200个样本下该算法的迭代时间为72.98 s,修正牛顿法的迭代时间为116.34 s,递推下降法的迭代时间为2065.22 s。所提算法能够减少模型迭代时间,具有更快的收敛速度。     

基于块的二维核四元数主成分分析

核四元数主成分分析（KQPCA）被成功应用于处理非线性四元数信号,然而,核矩阵维数太高使其对角化非常耗时,目前二维形式的KQPCA（2DKQPCA）并没有成功实现.对此,采用基于块处理和并行计算的思想,提出基于块的2DKQPCA（B2DKQPCA）,实现真正意义上的2DKQPCA.基于时间复杂度、应用性能和分块矩阵应为四元数Hermitian矩阵的综合考虑,B2DKQPCA重点处理主对角线、反对角线和主对角线旁3个方向的小块.然后,结合B2DKQPCA与RGB-D图像四元数表示方法,将B2DKQPCA应用于RGB-D目标识别领域.在2个公开库上的实验结果表明,提出的基于列向B2DKQPCA的RGB-D识别算法优于现有基于主成分分析算法和基于卷积神经网络的一些算法.     

基于彩色图像四元数表示的彩色人脸识别

为了更有效地利用彩色人脸的色彩信息进行识别,提出了一种新的基于彩色图像四元数表示的算法. 首先基于彩色图像四元数表示和四元数代数理论定义了四元数伪Zernike矩(Quaternion pseudo-Zernike moments, QPZMs), 将传统的主要处理灰度图像的伪Zernike矩(Pseudo-Zernike moments, PZMs)推广应用于彩色图像,然后基于QPZMs构造了彩色人脸图像针对旋转、缩放和平移(Rotation, scaling, and translation, RST)变换的四元数值不变量,最后结合这些鲁棒的不变量特征和四元数BP神经网络(Quaternion back propagation neural network, QBPNN)分类器进行彩色人脸识别. 实验结果表明,与现有基于四元数的算法比较,本文算法在表情、光照、位置等变化方面具有更强的鲁棒性.     

B值独立同分布随机变元序列矩完全收敛性

讨论了B值独立同分布随机变元的矩完全收敛性,在一定矩条件下得到了B值同分布随机变元的矩完全收敛性。将相关的B值独立同分布随机变元的完全收敛的结果推广到了B值独立同分布随机变元的矩完全收敛性,得到了在矩存在的条件下与独立同分布完全收敛性相似的结果。     

人流密集场所电梯使用安全状况的检验与分析

受政府相关部门的委托,深圳市特种设备安全检验研究院于2008年12月16日至2009年1月9日对深圳市福田区华强北商业街的电梯进行了安全性能监督抽查检验。其目的是通过检验,全面掌握老旧电梯在使用中的实际安全状况,为政府加强对电梯的管理提供执法依据。在用电梯随着使用时间的逐年增加,发生安全事故的几率也在增加,特别是大流量、高负荷使用的电梯。近年来香港地区发生了数起电梯严重事故,给我们敲响了警钟。     

基于GA 的SVM R 预测控制研究

研究高精度、有效、简单的信息预测模型是目前非线性预测控制需要解决的重要问题．SVMR建模方法简单、理论基础完备,所反映的是系统的非线性特征,在建立非线性模型中与神经网络等非线性回归方法相比具有许多独特的优点．为此,提出一种SVMR预测控制结构,利用SVMR建立非线性系统模型,利用GA进行滚动优化．实验证明,这种预测控制具有良好的非线性控制效果．