PLS--近红外漫反射光谱法非破坏分析磺胺脒

用常规和一阶导数近红外漫反射光谱法非破坏分析了粉末药品磺胺脒。比较了偏最小二乘（ＰＬＳ）法在两种情况的定量预测能力。了波长间隔对ＰＬＳ预测结果的影响。未发现在运用ＰＬＳ法前进行微分处理数据所产生的明显的优点。     

独立成分分析结合近红外光谱分析用于多组分同时测定

建立了1种基于独立成分分析的多元校正方法,结合近红外光谱分析技术进行多组分同时测定.以甲苯、氯苯和正庚烷构成的混合体系为例进行建模和预测,并将预测结果与主成分回归所得的结果进行了比较.结果主成分回归方法对独立测试集32例样本中甲苯、氯苯和正庚烷浓度的预测平均相对误差分别为4.5030、6.0231及9.6042,而独立成分回归方法对三组分浓度的预测平均相对误差分别为4.3871、4.1465及5.8104,说明本方法具有很强的预测能力,可作为1种实用的多元校正方法.     

亚麻籽油成分的近红外分析研究

亚麻油是重要的灰保健油。亚麻油中各种组分的定量分析，以往多采用气相色谱法，存在着方法繁琐、耗时较长的缺点，不适合生产时产品在线分析的需要。本文采用近红外光谱法（NIR）对亚麻油各种组分模型化后再进行定量分析，取得了满意的结果，基本达到了快速、无损、在线分析亚麻油的目的。     

紫外可见光谱结合主成分分析对文物颜料光致变色的评价研究

通过模拟博物馆馆藏环境搭建了颜料光致变色研究的实验装置,采用漫反射紫外可见光谱技术对古书画、壁画等常用的朱砂、朱磦、胭脂、三绿、三青颜料在365nm紫外光照射下的变色规律进行了考察,并利用主成分分析对光谱数据进行分析,进一步对其变色规律进行研究。结果显示,朱砂、朱磦、胭脂三种颜料的光谱呈"S"型,它们对365nm紫外光的稳定性依次为朱磦、朱砂、胭脂;三绿和三青的光谱呈"钟"型,三绿的稳定性好于三青。所建立的漫反射紫外可见光谱方法为颜料光致褪色的规律及机理研究提供了新的无损分析手段。     

概率核主成分分析及其应用

主成分分析（PCA）、核主成分分析（KPCA）和概率主成分分析（PPCA）是已经取得广泛应用的特征提取方法。提出一种基于概率核主成分分析（PKPCA）的检测液晶屏幕亮点的方法。作为对PPCA的一种非线性扩展,PKPCA在PPCA的基础上引入了核函数方法,因而其捕获模式非线性特征的能力更强。在KPCA和PPCA的基础上推导了PKPCA过程公式,并在检测液晶屏幕亮点的应用中将PKPCA、PPCA、PCA算法进行比较。实验结果表明,PKPCA的检测率和局部信噪比优于其他两者。     

基于余弦角距离的主成分分析与核主成分分析

PCA和KPCA都是基于欧氏距离提出的,这种距离对离群数据点比较敏感,而余弦角距离对离群数据更为鲁棒,在很多情况下具有更好的性能。充分利用余弦角距离的优势,提出两种新的特征抽取算法——基于余弦角距离的主成分分析（PCAC）和基于余弦角距离的核主成分分析（KPCAC）。在YALE人脸数据库与PolyU掌纹数据库上的实验表明,PCAC比PCA取得了更好的效果,KPCAC也表现出了很好的性能。     

化学计量学方法处理傅里叶变换近红外漫反射光谱定量测定谷物成分

用逐步回归分析、主成分回归、偏最小二乘、人工神经网络这四种方法处理谷物的傅里叶变换近红外漫反射光谱，对谷物中含量在１０（－１）－１０（－３）的八种成分作了定量测定，其结果与经典化学方法没有系统偏差．文中还对这四种方法在谷物成分的定量测定方面的应用进行了讨论．     

白化主成分分析类算法在人脸识别中的应用

针对能量谱的不平衡性会影响人脸识别效果的问题,基于白化脸的概念提出了白化主成分分析类算法的框架.该算法框架使用1个白化滤波器和1个低通滤波器对原始图像进行预处理,然后结合传统的PCA类算法提取特征向量(或矩阵),最后通过k-NN分类方法进行人脸识别.利用ORL人脸图像库进行实验,实验结果表明该算法框架改善了人脸识别的效...     

遥感图像分析中的主成分分析

本文主要叙述主成分分析的数学原理及其在遥感分类中的应用。在不改变象素数据点空间结构的前提下,利用主成分分析,可找到一组新的坐标集,使类间距离拉大,且可实现因子空间的压缩。     

一种基于分块主成分分析的存储器容错方法研究

随着集成电路工艺水平提升,半导体器件尺寸越来越小,存储器更易受到周围环境的影响而导致数据存储故障。针对这一问题,该文提出了一种基于分块主成分分析的存储器容错方法。该方法应用分块主成分分析算法提取数据的主要特征,并对求取的特征数据作均值化处理,得到原始数据的最佳近似估计。该最佳近似估计可对数据中的任意故障做容错替换,使容错替换后的数据和原始数据的误差最小。实验结果表明,该方法可以使图片数据在 0.003 5 错误率的情况下仍保持峰值信噪比大于 30 dB;与传统纠错码相比,执行时间缩短了约 40%,内存消耗减少了约 12%,获得了较好的容错效果。     

主元分析在变压器故障检测与识别中的应用

针对IEC三比值法进行变压器故障诊断存在缺编码、编码边界模糊和诊断率偏低的问题,提出了采用主元分析和重构贡献图的故障诊断方法。在建立的PCA(Principal Component Analysis)统计过程模型上,构建SPE、T2统计量和重构贡献指标对变压器故障进行检测,并分析了贡献图法和重构贡献法的故障诊断性能。仿真结果表明基于主元分析和重构贡献图的故障诊断方法对数据更敏感,能够有效弥补IEC三比值法的不足,提高故障诊断正确率。     

基于主分量分析的最优鉴别特征抽取

传统的主分量分析方法(PCA)是最为经典的图像特征抽取方法之一,由于其本质上是在最小均方差意义下给出了模式样本的最优表示,所以它通常被作为对高维图像模式进行降维的一种常用方法.但就模式分类而言,这种表示并非是最有效的.首先从统计相关性的角度揭示了PCA抽取的特征本身就具有统计不相关的良好特性.然后通过引入一种新的最大散度差类别可分性判据,从而为在PCA抽取的特征中最优鉴别特征的选取提供了一种有效策略.最后,在AR标准人脸库上的实验结果验证了算法的有效性.     

基于误差模型的自适应鲁棒主成分分析

研究了改善主成分分析(PCA)算法鲁棒性的一种实现途径.通过对误差函数的建模分析,得到一种改进的目标函数.提出一种新的在线自适应式的鲁棒PCA运算规则.该方法基于单层线性神经网络(NN)结构,但是权值的训练算法是非线性的.从而在迭代训练中对"劣点"样本加以适当处理来排除对运算精度和收敛性的影响.     

化学计量学—近红外反射光谱法进行美迪康质量评价的研究

研究了近红外反射光谱法进行美迪康粉末药品质量评价的可能性。用化学计量学中的系统聚类分析，逐步聚类分析、主成分分析和逐步差别分析，从美迪主录粉末药品的近红外一阶导数光谱，成功地鉴别了合格药，劣药和假药。     

多尺度多向主元分析方法的研究及应用

为保证间歇过程安全运行和生产出高质量产品,需要对间歇过程进行监视.本文基于多向主元分析方法(MPCA)和小波变换理论,提出了一种新的监视方法,即多尺度多向主元分析方法(MSMPCA).与MP-CA相比,MSMPCA降低了随机误差对测量数据的影响,提高了过程性能监视和故障诊断的准确性.仿真实例验证了该方法的有效性.     

分块双向二维主成分分析与模糊分类的掌纹识别

掌纹识别是一门新兴的生物特征识别技术。提出基于分块双向二维主成分分析(M(2D)2PCA)和模糊分类的掌纹识别方法。该算法利用M(2D)2PCA提取掌纹的局部特征,并利用模糊分类策略。这种方法可以有效提取掌纹的局部特征,并且直接对子图像矩阵进行特征抽取,能够精确计算协方差矩阵的特征向量;分类阶段引入模糊理论,应用于掌纹识别问题。最后使用北京交通大学掌纹数据库进行识别实验,结果表明,该方法可得到更高的识别率和更少的识别时间。     

基于特征选择的二维主分量分析

提出了一种基于分类性能的二维主分量特征选择方法.即将二维主分量分析中图像总体散布矩阵的特征向量在二维线性鉴别分析的目标函数上进行投影,并选择分类性更好的特征向量进行投影.另外,为了保持原有的二维主分量分析主特征的优点,对最后的投影特征向量进行组合,也就是最后的投影特征向量选取对图像重建和图像分类分别起着重要作用的特征进行组合.在XM2VTS标准人脸库上的试验结果表明,所提出的方法融合了两种具有互补性的图像并行特征,在识别性能上优于传统的二维主分量分析方法.     

基于提升小波变换和独立分量分析的运动目标检测

独立分量分析是一种新颖的盲源分离技术,可以有效分离信号中相互独立的源信号。为了提高独立分量分解的精度和收敛速度,提出了一种将提升小波变换和独立分量分析相结合的运动目标检测方法。仿真实验结果表明,此方法能够较好地检测出运动目标并且与一般的独立分量分析方法相比,减少了运行时间,具有更好的收敛性,是一种有效的运动目标检测方法。     

SCALING ADDITIONAL CONTRIBUTIONS TO PRINCIPAL COMPONENTS ANALYSIS

Principal components analysis (PCA) is of great use in representation of multi-dimensional data sets, often providing a useful compression mechanism. Sometimes, input data sets are drawn from disparate domains, such that components of the input are heterogeneous, making them difficult to compare in scale. When this occurs, it is possible for one component to dominate another in the PCA at the expense of the information content of the original data. We present an approach to balancing the contributions of different components that is constructive; it generalises to the case of the addition of several variables. Conjectures about improved approaches and more complex data sets are presented. The approach is demonstrated on two current research applications.     

一种基于非线性主成分回归的过程监测及故障诊断方法

近年来，统计过程监测方法在多变量过程监测领域得到广泛应用，但对于存在显著 非线性的过程，这类方法的性能往往不尽人意，而神经网络在处理非线性问题上具有卓越的 优势．本文将多变量投影方法和径向基神经网络良好的逼近能力结合起来，提出了一种基于 嵌入径向基网络的非线性主成分回归算法的过程监测及故障诊断方法．在三水箱实验装置上 进行的实验结果说明该方法确实能够有效地实现过程监测、快速地检测并诊断出故障状态．