基于最小二乘原理建立坐标系方法的研究与实现

在产品的误差检验和反向工程中，为了保证测量数据的一致性，用三坐标测量机进行测量前必须建立相应的测量坐标系。对于形状复杂的零部件，用传统的方法来建立坐标系有时很难满足实际生产的要求。由此提出了一种基于最小二乘点对齐原理来建立测量坐标系的方法。该方法已经在立科3DM测量软件中获得了成功的应用，测量结果也满足实际生产的要求。     

基于核的偏最小二乘特征提取的最小二乘支持向量机回归方法

提出了用核的偏最小二乘进行特征提取．首先把初始输入映射到高维特征空间，然后在高维特征空间中计算得分向量，降低样本的维数，再用最小二乘支持向量机进行回归．通过实验表明，这种方法得到的效果优于没有特征提取的回归．同时与PLS提取特征相比，KPLS分析效果更好．     

用最小二乘原理求饱和蒸汽密度数学模型

作者根据手册给出的大量试验数据,研究了干饱和蒸汽密度的数学模型,并用最小二乘原理求出该数学模型。文末还对此数学模型的建立所产生的误差进行了验算。     

一种用于数据校正的最小二乘与准最小二乘组合方法

过程系统的控制与优化要求可靠的过程数据。通过测量得到的过程数据含有随机误差和过失误差,采用数据校正技术可有效地减小过程测量数据的误差,从而提高过程控制与优化的准确性。针对传统基于最小二乘的数据校正方法:和基于准最小二乘的鲁棒数据校正方法:,分析了它们的优缺点,并提出了一种最小二乘与准最小二乘组合方法:。该方法:先采用准最小二乘估计器检测过失误差并剔除,然后再采用最小二乘估计器进行数据校正,可以综合前两种方法:各自的优点,使得数据校正结果:更加准确。将提出最小二乘与准最小二乘组合方法:应用于线性与非线性系统的数据校正中,通过校正结果:的比较说明此方法:的具有较好的过失误差检测能力和较准确的数据校正结果:。最后将此方法:应用于实际过程系统空气分离流程的数据校正中,结果:说明了此方法:的有效性。     

最小二乘法数据处理

本文阐述在Visual C++ 6.0中实现数据最小二乘法的处理方法,通过实例介绍了最小二乘法的算法和本系统新特点功能。     

最小二乘法数据处理

本文阐述在Visual C＋＋6.0中实现数据最小二乘法的处理方法．通过实例介绍了最小二乘法的算法和本系统新特点功能。     

基于最小二乘原理的弹翼廓形截面的测量

为解决使用专用样板进行弹翼测量效率低、误检率高的缺点,设计了一种数控非接触测量系统。在该系统中给出一种基于最小二乘原理的弹翼轮廓误差评价方法。根据廓形曲线方程在平面任意位置的特点利用测得的廓形点集进行廓形曲线拟合计算．得到弹翼廓形的形状参数和形状误差。文中以椭圆廓形曲线为例,给出了具体的数学模型和计算方法和计算机模拟检测结果。     

基于最小二乘法与霍夫变换的虹膜定位算法

为解决定位虹膜内外边缘时因轮廓信息不足会出现的定位不准确或者失败问题,提出一种采用霍夫变换与最小二乘法相结合的定位算法。首先使用形态学开操作减少图像中孤立的小点,并利用自适应阈值算法二值化图像;然后使用形态学闭操作补充小缝隙平滑图像边缘,再利用Canny算法提取图像边缘信息;最后根据内边缘与外边缘的差异性分别使用霍夫变换和最小二乘法定位虹膜内外边缘。经实验对比分析,该方法与传统算法相比,能更快速、准确地定位虹膜。     

基于多分割和口袋方法的最小二乘分类算法

提出了一种改进的最小二乘分类算法,该算法首先利用最小二乘算法对两类数据分类,然后计算每类的中心点,过中心点作已得到的分类线(面)的平行线(面),保留所作平行线(面)之间及线(面)上的数据,剔除其余数据,对剩余数据重新利用最小二乘算法分类,如此循环.在循环过程中利用口袋方法记录下具有最好的分类效果的分类线(面),循环结束后口袋中即为最佳分类线(面).实验结果表明,该算法有效的解决了原有最小二乘分类算法的缺陷,有着良好的分类效果.     

虹膜分割算法评价基准

虹膜识别是生物特征识别中最稳定和最可靠的身份识别方法之一.在虹膜识别的整个流程中,虹膜分割处于预处理阶段,因此虹膜分割结果的好坏将直接影响虹膜识别的精度.自从1993年Daugman第1次提出高性能的虹膜识别系统以来,各种各样的虹膜分割算法陆续提出,尤其是近年来基于深度学习的虹膜分割算法极大地提升了虹膜分割的精度.然而,由于缺乏统一的数据库和评价指标,各种算法的性能比较杂乱而不公平,因此提出了一个公开的虹膜分割评价基准.首先,介绍了虹膜分割的定义和面临的挑战;其次全面梳理了3个有代表性的公开虹膜分割数据库,总结了其特点和挑战性;紧接着定义了虹膜分割的评价指标;然后对传统的和基于深度学习的虹膜分割算法进行了总结,并通过详细的实验对各类算法进行了比较和分析.实验结果表明：当前基于深度学习的虹膜分割算法在准确性上超越了传统的方法.最后,对基于深度学习的虹膜分割算法存在的问题进行了思考和讨论.     

一种基于小波包分解的虹膜防伪检测方法

虹膜识别系统易受到伪虹膜的攻击,包括利用打印在隐形眼镜、玻璃眼或其他材料上的假虹膜纹理进行的攻击,所以检测出假虹膜的防伪算法至关重要。为此,提出一种利用小波包分解进行特征提取的虹膜防伪检测方法。首先对目标图像进行二级小波包分解,然后计算各子带图像的熵,最后将各子带图像的熵值之和作为提取的特征值。实验在包含500幅虹膜图像的数据库中进行,结果表明此方法可以有效地将真假虹膜区分开来。     

活体虹膜图像的定位与分割

介绍了一种活体虹膜的定位与分割算法。算法主要分为两部分：圆环的定位与非虹膜区域的去除。本算法根据眼睛的生理特点和数字虹膜图像的实际情况,利用传统定位方法与数学形态学相结合对虹膜区域进行快速而准确的定位,并分别提出了去除眼睑、睫毛和光斑影响的解决方案。算法中也考虑到实际应用可能遇到的影响虹膜定位与分割的问题。实验表明,该算法取得较好的分割结果,并且具有鲁棒性。     

基于递推批量最小二乘的Volterra级数辨识方法

针对用批量最小二乘方法进行 Volterra级数在线辨识计算量大 ,所需数据存储空间多 ,以及实际应用时自相关矩阵易出现病态的不足 ,提出了一种基于递推批量最小二乘的 Volterral级数辨识方法 .该方法利用观测矩阵维数固定的批量最小二乘辨识 ,形式简单 ,所需数据存储空间小 ;同时利用递推辨识的思想 ,避免了对矩阵直接求逆 ,减小了计算量 .另外 ,为了防止自相关矩阵出现病态 ,文中引入影响因子的概念对观测数据进行取舍 ,一定程度上增强辨识的数值稳定性 .最后通过一个工程实例验证了该方法的有效性 .该方法为 Volterra级数的在线辨识提供了一个重要方法     

一种改进的虹膜图像分割算法

如何迅速、准确地分割虹膜区域是基于虹膜图像的身份鉴别技术的一个研究热点和难点。本文结合虹膜图像的特点，在内边缘的定位中采用了阈值化结合最小二乘估计的方法；对外边缘和眼睑的边缘图进行预处理，并改进了Hough变换的决策方法，准确而快速地分割出虹膜区域。     

基于广义最小二乘法的系统模型辨识及应用

为了给控制系统设计提供一个有力的依据,提出了一种基于广义最小二乘法的模型参数辨识方法.首先,由CVI结合PCL-1800高速数据采集卡对被辨识对象输出进行数据采集,获得大量实用的观测数据,在完成数据截取、滤波、归一化等预处理后,对预处理后的数据按照广义最小二乘法进行模型辨识--先引入一个白化滤波器,把相关噪声转换为白噪声,基于对观测数据先进行一次滤波处理,然后利用普通最小二乘法对滤波后的数据进行辨识.为了证明该方法的有效性,采用该文方法对某系统的直流力矩电机进行建模研究,实际结果表明该方法辨识精度高,应用性强.     

基于乘积型最小二乘法的传感器特性拟合

本文提出一种基于乘积型最小二乘法的传感器特性拟合方法 ,模型参数反映传感器非线性特性和漂移特性。这种方法具有计算量小 ,适于便携式仪表的软件补偿 ,应用实践表明 :这种方法是切实可行的。     

Phase Correlation Based Iris Image Registration Model

Iris recognition is one of the most reliable personal identification methods. In iris recognition systems, image registration is an important component. Accurately registering iris images leads to higher recognition rate for an iris recognition system. This paper proposes a phase correlation based method for iris image registration with sub-pixel accuracy. Compared with existing methods, it is insensitive to image intensity and can compensate to a certain extent the non-linear iris deformation caused by pupil movement. Experimental results show that the proposed algorithm has an encouraging performance.