基于偏最小二乘回归的与头相关传递函数的个人化

该文提出了一种基于偏最小二乘回归(Partial Least Squares Regression, PLSR)的与头相关传递函数(Head Related Transfer Function, HRTF)的个人化方法。通过对HRTF进行预处理和主元分析,并对人体参数进行筛选,只要相对简单的人体参数测量,就可利用PLSR得到特定人的HRTF。客观误差分析和主观声音定位测试结果表明估计的HRTF与实际测量的HRTF之间不仅均方误差较小,而且感知区别不大;同时由PLSR估计的个人化HRTF在水平面上的主观测试定位准确率明显优于非个人化HRTF,也优于由最小二乘回归(Least Squares Regression, LSR)估计的个人化HRTF。     

基于区间选择偏最小二乘法回归分析的煎炸老油鉴别模型

煎炸老油属于地沟油之一,长时间食用会对身体健康造成严重危害。本文首先对食用金龙鱼菜籽油过度煎炸10次,分别提取光谱信息中特征吸收峰（323、391、443nm）处的光谱吸收值。然后建立区间选择偏最小二乘法模型,提取最佳区间为5,最佳因子为7的波长区间,验证区间预测相关系数达到0．998。最后建立PKS回归方程Y1,Y2,Y3,通过交叉有效性验证Q22=-0．3461〈0．0975。提取成分t1、t2。分别得到回归方程的实际值与预测值相关系数为：323nm处,r=0．8478;391nm处,r=0．9754;443nm处,r=0．9285。     

基于偏最小二乘回归多CCD拼接相机模型研究

为了建立多CCD拼接相机光学系统的数学模型,文章根据偏最小二乘回归理论,首先分析了CCD拼接原理,建立了光学畸变的单元相机数学模型和分析了拼接相机物空间坐标系和像空间坐标系的对应关系,最后由偏最小二乘计算方法解算出相机的内方位元素,建立了完整的数学模型.     

基于偏最小二乘回归分析的混色数据学习算法研究

考虑到仅从单色色块中发现知识的片面性和不准确性,在对400组单色色块进行测试学习的基础上,本文提出用偏最小二乘回归分析从1331组混色数据空间中进一步发现知识,使得从RGB到CMYK转换时误差变小,从而提高色彩匹配的精度,进一步解决色彩匹配的自动化和通用性问题.     

混沌时间序列局域偏最小二乘回归多步预测模型

针对混沌序列局域一阶多步预测问题,提出了基于偏最小二乘回归的混沌时间序列局域直接多步预测模型,偏最小二乘用于混沌时序重构相空间中演化轨迹前后相点信息间的建模。该模型克服了以往一阶局域单步预测模型进行多步预测时存在的误差累积,而且能抑制重构相空间中多重共线性的影响,提高了预测精度。试验中使用交叉验证方法将偏最小二乘的提取成分数。通过对Chen’s混沌序列和Mackey-Glass混沌序列的多步预测试验,验证了该模型在混沌时序预测方面具有很好的效果。     

基于联合区间偏最小二乘判别分析的猪肉近红外光谱定性建模分析

为解决偏最小二乘判别分析(PLSDA)建模时光谱区域中的噪声及冗余信息干扰问题,提出一种基于联合区间偏最小二乘判别分析(Si PLSDA)算法,并将该算法应用于猪肉近红外光谱的定性建模分析。Si PLSDA利用联合区间偏最小二乘回归(Si PLS)进行光谱特征区域筛选,在筛选出来的光谱区域内建立数据的定性预测模型。采用Antaris II快速傅里叶变换近红外光谱分析仪获取波数范围为10000~4000 cm-1的猪肉样本近红外光谱,采用标准正态变量变换(SNV)进行近红外光谱的预处理,用Si PLSDA建立猪肉近红外光谱的定性模型。实验结果表明,Si PLSDA建立的预测模型对猪肉储藏时间的识别率达到93.94%,高于基于全光谱区域建立的PLSDA预测模型的识别率。     

基于偏最小二乘的低复杂度数字预失真

在宽带场景下,传统的数字预失真(DPD)模型需要更高的阶次和更多的系数来校正功率放大器(PA)强非线性和记忆效应,这就会导致极高的计算复杂度和解算系数时的病态问题.文章围绕复杂DPD模型参数辨识和低复杂度DPD算法实现展开深入研究,提出了一种新的基于偏最小二乘(PLS)的低复杂度DPD方法.所提方法根据PA的前逆输入输...     

数据挖掘中应用偏最小二乘法发现异常值

本文介绍了偏最小二乘法在挖掘统计数据中的异常值上的应用.对统计数据使用偏最小二乘法回归,可以较快速地建立相对准确的回归方程,并且结合变量投影重要性指标等相关分析工具可以对数据进行消元,降低数据的维数,从而减轻运算的强度;通过预测值和实际发生值的比较,根据法则判定数据是否异常,从而达到对数据风险的控制,在经济、金融等领域中有着重要的实际意义.     

三维荧光光谱的多维偏最小二乘建模方法

将偏最小二乘方法（PLS）推广到高维的多维偏最小二乘方法（N-PLS）由于同时考虑自变量矩阵和应变量矩阵的信息,可以有效解决高维数据的建模问题,并具有较好的模型预测和推广能力。本文研究了三维荧光光谱的多维偏最小二乘建模方法,根据样本序列、激发光谱、发射光谱构造出三维立体数据,并应用N-PLS建立校正模型。对水中的有机污染物浓度综合指标COD、TOC的建模实验,表明了在建模精度方面N-PLS方法优越于常规PLS和平行因子法。     

基于最小二乘法的气温曲线回归模型分析

随着我国气象事业的不断发展及气象数据的日益增加,进行气象数据分析及研究已成为科研人员的一项重要任务。文中充分利用MATLAB软件强大的科学计算功能及灵活的程序设计流程,基于最小二乘原理对某地某天的气温数据进行了一些研究。     

基于回归分析和主成分分析的噪声方差估计方法

准确可靠的噪声强度估计是数字图像处理领域中一个重要的研究课题。噪声估计的难点在于如何提取用于估计的纯噪声信息,近几年,许多算法采用主成分分析技术来避免图像纹理信息的干扰,用最小特征值来估计噪声方差,可以有效地减少图像纹理信息对估计结果的影响,所以这类方法对于高频图像(丰富纹理图像)效果很好。由于图像块数量有限,最小特征值实际上比真实噪声方差小,而且图像块数量越少,偏差越大。如果直接把最小特征值作为估计方差,则容易低估计高噪声。该文通过回归分析确定最小特征值跟真实噪声方差的比值和图像块数量呈幂函数关系,因此可以通过最小特征值和幂函数关系得到真实的噪声方差。实验表明该文方法既能处理高频图像,又适合各种噪声水平,同时也能处理乘性高斯噪声。     

基于线性最小二乘估计与中心距离加权的相关跟踪算法研究

相关跟踪算法以其理论简单、直观、对图像质量要求不高等特点,一直是人们在跟踪算法方面的研究重点.针对相关跟踪抗遮挡能力差、容易受目标姿态变化和相似目标干扰的问题,使用了线性最小二乘估计对目标运动进行预测,同时采用高斯+1型函数和椭球面函数作为中心距离加权系数来改善跟踪模板使得模板更加突出中心位置信息.改进后的相关跟踪算法...     

Computational Intelligence Prediction Model Integrating Empirical Mode Decomposition,Principal Component Analysis,and Weighted k-Nearest Neighbor

On the basis of machine leaning, suitable algorithms can make advanced time series analysis. This paper proposes a complex k-nearest neighbor (KNN) model for predicting financial time series. This model uses a complex feature extraction process integrating a forward rolling empirical mode decomposition (EMD) for financial time series signal analysis and principal component analysis (PCA) for the dimension reduction. The information-rich features are extracted then input to a weighted KNN classifier where the features are weighted with PCA loading. Finally, prediction is generated via regression on the selected nearest neighbors. The structure of the model as a whole is original. The test results on real historical data sets confirm the effectiveness of the models for predicting the Chinese stock index, an individual stock, and the EUR/USD exchange rate.     

红敏重铬酸盐明胶增感的疏堵模型

对亚甲基蓝敏化明胶(MBDCG)的感光化学过程进行了剖析,提出了MBDCG增感的疏堵模型;用疏堵模型对现有的增感方法进行了分析和归类.指出堵漏将是MBDCG增感的更有潜力的研究方向;提出明胶体系记录光信息的敏感中心的概念,并用疏堵模型对双敏感中心红敏明胶体系的增感原理进行分析、给出了增感效果的实验结果.     

表面横波生物传感器的灵敏度分析

分析了延迟线型表面横波(STW)生物传感器的灵敏度与栅阵材料、厚度的关系。给出了计算栅阵对表面横波束缚能力的方法,由STW的束缚能力可以直接得到传感器的灵敏度。从Auld微扰理论出发推导出表面横波传感器灵敏度的表达式。根据上述理论分析,以AT切割压电石英基片为例,分别计算金、银、铝三种栅阵材料在不同厚度时的传感器灵敏度,并给出对比分析结果。结果表明,在相同栅阵厚度时,采用金栅阵的传感器灵敏度最高,银次之,铝最小;传感器的灵敏度随着栅阵厚度的增加而增加。     

基于曲率的主分量分析及应用

提出一种基于曲率的主分量分析算法。该算法先计算各点的曲率,包括主曲率、高斯曲率和平均曲率,并将点云数据映射到曲率空间,对曲率空间进行主分量提取,然后对点云数据进行压缩。实验结果表明,该算法具有较好的压缩性能。将PCA算法引入三维点云数据压缩,弥补了传统PCA方法的缺陷。     

基于支持向量回归的立体图像客观质量评价模型

立体图像质量评价是评价立体视频系统性能的有效途径,而如何利用人类视觉特性对立体图像质量进行有效评价是目前的研究难点。该文根据图像奇异值有较强稳定性的特点,结合立体图像的主观视觉特性,提出了一种基于支持向量回归(Support Vector Regression, SVR)的立体图像客观质量评价模型。该模型通过分析立体图像的视觉特性,提取左右图像的奇异值作为立体图像的特征信息,然后根据立体图像的不同失真类型情况对其特征进行融合,通过SVR预测得到立体图像质量的客观评价值。实验结果表明,采用该文提出的客观评价模型对立体数据测试库进行评价,Pearson线性相关系数值在0.93以上,Spearman等级相关系数值在0.94以上,均方根误差值接近6,异常值比率值为0.00%,符合人眼视觉特性,能够很好地预测人眼对立体图像的主观感知。     

基于ICA的数字水印的方法

数字水印是现在多媒体信号处理研究的一个热点,已经有许多关于数字水印嵌入和提取的方法.增强数字水印的鲁棒性是数字水印问题的关键.本文将独立分量分析用于数字水印,即把承载图像和水印图像在空间域直接混叠,并利用独立分量分析(ICA)的方法提取数字水印,得到了很好的结果.计算机实验结果表明这是一种鲁棒性极强的新方法.     

结合高斯回归模型和隐马尔可夫随机场的模糊聚类图像分割

为了克服经典模糊聚类图像分割算法对图像噪声的敏感性,该文提出结合高斯回归模型(GRM)和隐马尔科夫随机场(HMRF)的模糊聚类图像分割算法。该算法用信息熵正则化模糊C均值(FCM)的目标函数,再用KL(Kullback-Leibler)信息加以改进,并将HMRF和GRM模型应用到该目标函数中,其中HMRF模型通过先验概率建立标号场邻域关系,而GRM模型则在中心像素标号与其邻域像素标号一致的基础上建立特征场邻域关系。利用提出的算法和其它经典算法分别对模拟图像、真实SAR图像以及纹理图像进行了分割实验,并对分割结果进行精度评价。实验结果表明,该文提出的算法具有更高的分割精度。     

基于加权Boosting的核偏最小二乘图像超分辨率重建

核偏最小二乘(KPLS)算法对每个图像块选用全部主元成分进行图像重建,导致图像超分辨率算法的计算量大。兼顾图像重建质量和时间效率,该文提出一种加权Boosting的图像超分辨率重建算法。为自适应地选取每个图像块主元成分的最佳数目,利用加权Boosting原理对KPLS回归预测量进行补偿,推导给出补偿权重系数的数学表达式。讨论不同Boosting阈值情况下的重建性能,在合适的下,选取出主元成分的最佳数目m更好地满足KPLS回归模型的精度要求。实验结果表明,该文算法的超分辨率重建质量优于传统算法。