主测地线分析(PGA)技术在汽轮机系统中的应用

针对实际工业现场的环境中存在大量相互作用子系统的复杂系统的现象(如水文系统、大型汽轮机系统等),提出了一种在汽轮机系统中应用主测地线分析(PGA)技术处理非线性数据集的方法。主成分分析法(PCA)已经在工业过程中得到了广泛的应用和验证,在其基础上提出了一种叫做主测地线分析(PGA)的方法,利用黎曼流形来解决PCA不能处理非线性数据集的限制。使用PGA技术处理了汽轮机系统的复杂数据集,并统计了该方法计算时间和平均映射误差。结果显示,该应用方法能够显著降低数据集复杂度。实验结果也证明了PGA技术在汽轮机系统中应用的高效、可行性和可靠性,为其推广应用到其他复杂工业系统环境提供了思路。     

基于改进的GAC模型的医学图像序列分割算法

为了快速有效地提取出图像序列的边缘,提出了一种基于改进的测地线活动轮廓（GAC）模型的图像分割算法。在该方法中,只需在第一幅图像中感兴趣区域的内部给出大致的初始轮廓。在后续图像中,首先采用运动估计与区域统计特征结合的方法得到轮廓模型的初始轮廓,然后利用结合先验信息的测地线活动轮廓模型进行分割。此外,为了有效地减少算法运算时间,采用手工办法在第一张图像上选定模型演化的区域,该区域在后续图像上将依据分割结果自动调整大小和位置。实验结果表明：方法能够快速有效地提取目标物体的边缘。     

基于测地线的超像素谱聚类彩色图像分割

在图像分割中谱聚类算法得到了广泛的应用,但传统谱聚类算法易受到彩色图像大小和相似性测度的影响,导致计算量大和分割精度低的问题。为了解决这两个问题,提出一种新的基于超像素集测地线特征的谱聚类分割算法。该方法通过对彩色图像进行预分割得到超像素集,并以超像素集为基础构造加权图,利用测地线距离特征和颜色特征构造权值矩阵,最后应用NJW（Ng-Jordan-Weiss）算法得到最终的分割结果。对比实验结果表明该算法在分割精度和计算复杂度上都有较大改善。     

融合语义与几何特征的人体模型结构分割*

针对现有三维人体模型形状分析方法存在人工干预及对姿势依赖的问题,提出一种融合语义与几何特征的三维人体形状分析方法。首先,基于模型表面测地线距离以及内部空间体积特征的度量,提出了基于骨架树的结构检测方法;其次,基于人体测量学先验语义知识,进一步提炼模型的层次结构。该方法能有效的提取不同姿态人体模型的结构特征,并实现基于语义的模型分割,一系列实验结果验证了该方法的高效性与鲁棒性。     

人体运动分割算法:序列局部弯曲的流形学习

针对已有的基于流形学习的分割算法多采取全局或局部线性化的学习策略,无法解决序列数据的局部高曲率问题,利用数据的几何特征描述运动的连贯性,提出一种时序流形学习的人体运动分割方法.该方法根据序列数据的局部弯曲指标描述人体运动的连贯性,利用过渡片段数据局部弯曲较大的特点寻找分割点;通过滤波技术及分段线性近似算法对局部弯曲指标数据进行处理,结合降维后的特征曲线实现人体运动时间序列的分割.对CMU人体运动捕获数据库等的实验结果表明,文中方法是有效的.     

基于KPCA光谱特征约束的水边线提取算法

为充分利用遥感影像的多波段光谱特征,提高水边线的提取精度,提出了基于核主元分析（KPCA）光谱特征约束的水边线提取模型。利用KPCA变换提取水体样本的光谱特征,采用最大似然法估计特征空间中水体光谱特征概率密度函数的特征参数,进而构建水体的光谱特征项。以测地线活动轮廓（GAC）模型为基础,建立图像数据项。结合光谱特征项和图像数据项建立水边线提取模型。在Landsat TM数据集上进行的水边线提取实验验证了算法的有效性,与GAC模型和基于距离正则化的水平集方法（DRLSE）相比较,该算法提取的水边线,在保证一定运行速度的情况下,更准确。     

基于运动分割和稀疏低秩分解的失真人体运动捕捉数据恢复

针对人体运动的复杂性和噪声干扰的无序性,提出一种基于运动分割和稀疏低秩分解的失真人体运动捕捉数据恢复方法.首先利用双边滤波对失真运动数据进行预修正,降低干扰数据的奇异信息并保证运动序列的连贯性;其次采用概率主元分析方法将修正后的运动数据进行语义行为自动分割,得到不同姿态的运动语义子区间;再利用加速近端梯度优化算法对每个失真运动子片段数据矩阵根据其更优低秩特性进行稀疏低秩分解,实现运动子片段数据的局部恢复;最后将局部恢复后的各子运动片段根据人体运动序列的时序特性组合,达到整体失真运动捕捉数据恢复的目的.实验结果表明,该方法能够有效地对失真人体运动数据进行恢复,效果显著,有助于重构逼近真实人体姿态的运动捕捉数据.     

三角网格表面任意两点间并行近似测地线算法

为降低求解三角网格表面任意两点间近似测地线长度和路径问题的时间开销,提出一种基于局部细分法的并行近似测地线算法。采用类矩阵乘最短路径并行算法求解点对间初始最短路径,并用源分割法映射子网格数据;所有处理器并行执行,对其所拥有点对之间的初始最短路径周围三角面片上的边进行细分操作;最后基于局部细化后的细分图并行,求得所有点对间的近似测地线长度和路径。实验结果表明,该并行近似测地线算法能够有效降低求解该类问题的计算时间,计算效率大大提高。     

点云模型上测地线的计算

给定点云模型上2点,将点云数据沿与xyz三坐标轴垂直方向进行单元剖分后,采用Dijkstra算法求出2点间的最短路径作为初始测地线;然后通过带弧长最短约束的平方距离最小化方法对初始测地线进行迭代优化,计算得到点云模型上给定2点间的一条样条表示的精确测地线．文中算法只需局部拟合抛物曲面,无需对点云模型进行三角化或曲面重建,适合大规模点云数据模型上测地线的计算．     

基于改进测地线模型的医学图像分割

提出了一种由测地线活动轮廓模型GAC（Geodesic Active Contour）和局部区域信息相结合的图像分割新方法LGAC（Local Geodesic Active Contour）。构造了基于图像局部信息的演化曲线符号压力函数和演化模型,用水平集方法演化实现,零水平集能准确地在目标边缘收敛,对目标背景对比度较低的图像的分割达到理想效果。利用高斯核函数对水平集函数平滑处理以维持演化稳定,节省了计算时间。实验结果证明了该方法的可行性。     

基于分布式集成学习的入侵检测模型

针对入侵检测系统的高漏报率及高误报率问题,提出一种混杂入侵检测模型。该模型分别构造基于核主成分分析(KPCA)和核独立成分分析(KICA)的特征提取器,并采用集成学习对特征提取结果进行整合学习。采用分布式神经网络对集成结果进行再学习,从而实现对大规模数据的分布式处理。通过反馈机制调节KPCA和KICA的集成学习权重,达到最优检测效果。采用KDD CUP’99数据集进行测试实验,结果表明：该模型能够获得较高的检测正确率,同时具有较低的漏报率及误报率。     

基于测地映射分析的核稀疏描述人脸识别

针对人脸识别系统在非控制环境下易受姿态、表情和遮挡变化影响的问题,提出了一种基于测地映射分析（Geodesic Mapping Analysis,GMA）的特征提取方法。通过计算两个像素点间的测地距离来度量相似性,对提取的GMA特征进行核稀疏描述建模,并在非线性空间中实现特征的分类识别。在ORL和Yale-B人脸数据库上的实验表明,该方法在应对重度遮挡、姿态和表情变化的自由形式人脸图像方面具有更高的识别率,大大提高了人脸识别系统应对真实复杂环境的能力。     

融合边缘与区域信息的水平集分割算法

针对测地线主动轮廓（GAC）模型容易产生边界泄露且对初始位置敏感及局部图像拟合（LIF）模型容易陷入局部极小的问题,提出融合边缘与区域模型的水平集算法。通过设置权值,该算法能自适应地调整GAC模型和LIF模型在融合算法中所占的比例。对不同图像的实验结果表明该算法的迭代收敛速度比GAC模型和LIF模型要快,分割效果明显优于GAC模型和LIF模型。     

基于稀疏主元分析的过程监控研究

主元分析（principal component analysis）是一种多元统计技术,在过程监控和故障诊断中具有广泛的应用。针对过程监控中数据量大的特点,提出一种稀疏主元分析（sparse principal component analysis）方法,通过引入lasso约束函数,构建稀疏主元分析的框架,将PCA降维问题转化为回归最优化问题,从而求解得到稀疏化的主元,并提高了主元模型的抗干扰能力。由于稀疏后主元相关的数据量减少,利用数据建立过程监控模型,减少了计算量,并缩短了计算时间,进而提高了监控的实时性。利用田纳西伊斯特曼过程（TE processes）进行实验仿真,并与传统的主元分析方法进行对比研究。结果表明,新提出的稀疏主元分析方法在计算效率和监控实时性上均优于传统的主元分析方法。     

基于BEMD和PCA的数字图像压缩

二维经验模式分解（BEMD）方法是一种不依懒于基函数的数据驱动的自适应方法,主成分分析（PCA）算法具有去相关性好、压缩比高等特点。因此尝试运用BEMD算法对图像进行分解,利用PCA算法对分解后的子图像进行压缩。通过Matlab仿真,证明了该方法的有效性和优越性,且基本实现了高压缩比下达到高信噪比的目的。     

音频指纹搜索中数据预处理的改进算法

不同的音频指纹提取算法需要不同的音频指纹搜索。针对某些特定（例如：foosic算法）的音频指纹提取算法,在数据预处理方面提出并实现了两种新的音频指纹搜索算法：PCA（Principle Component Analysis）主成分分析算法、不同帧之间相应的数据求和算法。实验结果表明：应用PCA算法,在搜索正确率为94.98%的情况下,搜索时间缩短为8.42%;应用求和算法,在搜索正确率为95.92%的情况下,搜索时间缩短为3.72%。     

基于特征的弹性图匹配人脸识别算法改进

针对传统人脸识别弹性图匹配算法空间复杂度高、实时性较差的问题,提出一种弹性图匹配改进算法,将人脸图片特征点经Gabor小波预处理后,结合主成分分析(PCA)和Fisher线性判别方法(FLD)对生成的特征矢量进行处理,降低维数,减少计算量,同时在不降低识别率的前提下,提高识别速度。与传统的PCA算法、FLD算法、EGM算法进行仿真比较,证明该改进算法识别率高、实时性好。     

邻域保持判别非负矩阵分解

非负矩阵分解（NMF）是一种新的矩阵分解技术,为了提高NMF算法的识别率,提出了一种新的方法——邻域保持判别非负矩阵分解（NPDNMF）,该方法通过将邻域保持判别分析（NPDA）与NMF相结合来实现。邻域保持判别分析是一个将线性判别分析（LDA）与局部保持投影（LPP）综合考虑的判别分析方法,该算法既保持了LDA的判别能力,同时又可以保持原始数据的几何结构。通过将NPDA与NMF相结合,提取得到局部化同时又有很强判别能力的基图像。在ORL人脸数据库上进行人脸识别实验,结果表明该方法得到较好的识别效果。