流形核与LPP相结合的毛杆折痕识别方法

针对毛杆折痕难以检测问题,将非线性流形的思想引入到折痕识别领域。提出运用流形核函数与局部保持投影相结合的方法进行毛杆特征提取。首先基于区域图像构造协方差矩阵作为图像特征,利用仿射不变度量作为样本点的距离测度。然后通过定义的黎曼核函数选择流形上的近邻点,使得近邻点的选择符合数据呈非线性流形的假设,并结合数据类别信息构造相应的核矩阵。最后利用局部保持投影算法对毛杆图像进行降维。实验结果表明,本文算法能够有效克服光照不均和残余绒毛等外部因素影响,具有较好的稳健性和较高的识别率。     

基于曲波域与核主成分分析的人脸识别

针对小波变换不能充分描述人脸曲线特征的缺点,本文提出一种基于曲波域与核主成分分析(KPCA)的人脸识别算法.采用多尺度、多方向的曲波(Curvelet)变换提取图像特征,不仅具有更高的逼近精度和更好的稀疏表达能力,而且其变换系数能有效表示沿曲线的奇异性.进一步使用核主成分分析(KPCA)将曲波特征系数投影到更具表达力的...     

基于核最小距离鉴别投影的人脸识别算法

针对人脸图像的非线性分布特征,本文在最小距离鉴别投影(MDP)算法的基础上,提出了一种新的核最小距离鉴别投影算法.该方法首先通过核方法将样本映射到高维非线性空间,继而在得到的高维非线性空间上进行最小距离鉴别投影并计算其相应的投影矩阵,使得样本与类内、类间中心距离达到最优.最后采用最近邻分类方法对样本进行分类识别.通过在ORL和YALE人脸库上进行的实验,验证了该算法取得的识别效果优于其他方法.     

基于监督式等距映射的人脸和表情识别

提出了一种基于监督式等距映射的人脸和表情识别方法,该方法能同时完成身份和表情的识别.首先,运用监督式等距映射,将训练集中的人脸表情图像投影到低维流形空间,在这个流形空间里,图像的投影不仅实现了按其身份的分离,同时在同身份图像的内部,又实现了按其表情的聚类.然后,用非线性投影,将待测图像嵌入到流形空间.最后,采用加权knn分类器,识别出它的身份和表情.在Coln-Kanade和JAFFE人脸库上的实验表明,该方法对人脸和表情的识别的准确率比较高.     

基于小波函数的核主元特征约简方法研究

提出一种基于小波核函数的核主元特征约简方法,核函数是核主元分析的关键,将Mexican hat小波函数引核主元分析中,以增强核主元分析的非线性映射能力.用转子在正常、油膜涡动、不平衡和径向碰摩状态下的实验数据对该方法进行了检验,比较了主元分析、核主元分析与小波核主元分析的效果.结果表明,小波核主元分析方法能有效地区分转子故障模式,更适合于故障诊断中的非线性特征约简.     

核最小二乘算法检测红外点目标(英文)

对于背景呈非线性变化的复杂图像,用背景预测的方法对红外点目标进行检测时,传统的线性最小二乘法(Least Squares,LS)的效果比较差.文章使用核方法(Kernel Methods,KMs)推导了最小二乘法的非线性版本:核最小二乘算法(Kernel Least Squares,KLS);进一步推导出了更适合动态系统时序预测的指数加权形式的核最小二乘算法(Kemel Exponential wleighted Least Squares,KEWLS).提出了一种基于核方法的红外点目标检测算法,先用KEWLS非线性回归算法预测红外图像背景,再通过自适应门限检测残差图像中的目标,非线性函数回归和红外序列图像检测实验表明核方法较大地改进了算法的非线性函数估计与红外背景预测能力.     

基于新核函数的支持向量机在物体分类中的应用

在基于视的物体识别中,将图像的局部信息引入到图像的相似性度量,提出了一种新的图像距离度量,并把它嵌入到支持向量机的核函数中,得到了一种新的核函数--基于局部卡方距离(Chi-square distance)的核函数.物体分类实验结果表明,新算法优于非线性支持向量机,区别张量一阶分解(DTROD),稀疏网络模型(SNW)等方法.     

转子故障数据集降维的CKLPMDP算法研究

针对传统的数据降维方法难以兼顾局部流形结构和多流形判别结构学习的问题,提出一种相关熵测度核局部保持多流形判别投影算法(correntropy kernel locality preserving multi-manifold discriminant projection, CKLPMDP)的转子故障数据集降维方法。该方法的显著特点是采用相关熵测度监督近邻图的构建,首先将数据集映射到高维核空间,然后在核空间中综合考虑数据集的局部流形结构和多流形判别结构信息,提取出最优表征故障数据集的低维敏感特征矢量,采用三维图直观地显示出低维分类效果,并以低维敏感特征矢量输入K近邻分类器(K-nearest neighbor, KNN)中的辨识率和聚类分析中类间距S_b、类内距S_w作为衡量降维效果的指标。通过双跨转子实验台的振动信号数据集进行验证,与其他几种典型特征提取方法对比,该方法能更有效地提取出局部流形和多流形判别信息,在转子故障辨识中表现出更好的分类性能。     

空间平滑局部保持投影用于ISAR目标识别

由于目标运动及其所处环境的复杂性,雷达目标数据之间往往呈现出局部的非线性,如果采用传统的线性子空间方法降维,必将会使雷达目标识别性能有所下降.基于以上原因,论文在详细分析ISAR二维像非线性流形结构特点的基础上,将流形学习方法中的空间平滑局部保持投影(Spatially Smooth Locality Preserving Projections,SSLPP)算法应用于ISAR二维像的特征提取和维数约简,并采用k近邻分类器对三类飞机目标进行了识别.与传统的子空间方法相比,SSLPP算法充分考虑了图像中各相邻像素之间的相关性,因而可获得更多的图像空间局部信息.仿真实验结果表明,与PCA、LDA、LPP等算法相比,该方法具有更好的识别性能.     

基于行灰度投影相关的快速角度矢量估计算法

针对现存电子稳像算法估计图像旋转角度矢量的不足,提出了一种基于行灰度投影相关的快速图像旋转角度矢量估计算法。通过在当前帧图像中心位置选取灰度投影区域和参考帧图像相应区域作行灰度投影相关计算,估算出当前帧图像相对于参考帧图像的角度运动矢量。论述了灰度投影区域选取原则;分析了行、列灰度投影相关曲线的差异,得出行灰度投影相关曲线具有单峰性的结论;阐述了快速搜索算法的原理及其在本算法中的应用。实验表明,算法实现了对旋转图像序列角度运动矢量的快速估计（在PⅣ2.67GHZ,内存512M的PC机上,估算速度为37.7ms）,可对任意角度的角度矢量进行高精度的估计。     

基于相空间重构和非线性流形的滚动轴承复合故障诊断

针对滚动轴承振动信号的非平稳以及非线性特点,提出了一种基于相空间重构和非线性流形的滚动轴承复合故障诊断方法。该方法首先将滚动轴承一维振动信号重构到高维相空间,然后计算重构信号协方差矩阵的特征值,以此组成轴承故障诊断原始特征集;采用局部切空间排列算法对原始特征集作特征压缩后,将获得的新的特征输入到K-means分类器中进行轴承故障的识别与聚类。实验结果表明,与经典的线性分析方法PCA相比,该方法的聚类效果更好。     

Hidden feature extraction for unstructured agricultural environment based on supervised kernel locally linear embedding modeling

An online hidden feature extraction algorithm is proposed for unknown and unstructured agricultural environments based on a supervised kernel locally linear embedding (SKLLE) algorithm. Firstly, an online obtaining method for scene training samples is given to obtain original feature data. Secondly, Bayesian estimation of the a posteriori probability of a cluster center is performed. Thirdly, nonlinear kernel mapping function construction is employed to map the original feature data to hyper-highdimensional kernel space. Fourthly, the automatic determination of hidden feature dimensions is performed using a local manifold learning algorithm. Then, a low-level manifold computation in hidden space is completed. Finally, long-range scene perception is realized using a 1-NN classifier. Experiments are conducted to show the effectiveness and the influence of parameter selection for the proposed algorithm. The kernel principal component analysis (KPCA), locally linear embedding (LLE), and supervised locally linear embedding (SLLE) methods are compared under the same experimental unstructured agricultural environment scene. Test results show that the proposed algorithm is more suitable for unstructured agricultural environments than other existing methods, and that the computational load is significantly reduced.The full text can be downloaded at https://link.springer.com/article/10.1007/s40436-018-0227-8     

基于Laplacian特征映射的被动毫米波目标识别

针对传统被动毫米波金属目标识别方法中特征提取、选择的缺点,采用Laplacian特征映射流形学习算法发现了金属目标回波信号短时傅立叶谱中低维流形的存在,并研究了其特性。通过比较测试样本与正类样本低流形的匹配程度进行分类识别,与其他性降维及基于核的非线性降维算法相比,识别率更高,且对数据混叠分布鲁棒性好。     

覆冰四分裂输电线舞动研究

建立四分裂覆冰输电线的面内垂直和扭转两个方向的连续体耦合非线性动力学偏微分方程,利用Galerkin方法将偏微分方程转换为常微分方程.选初始攻角和面内结构阻尼为参数,应用中心流形理论并借助符号运算软件Mathematica程序,得到系统在分岔点处中心流形上的约化方程,并应用规范形理论对约化方程进行化简,得到系统极坐标下的Hopf分岔方程,研究了参数连续变化对系统稳定性及舞动幅值的影响.对系统进行数值分析得到了系统的运动相图和时程曲线,结果表明系统收敛于稳定的极限环.     

基于核形态成分分析的齿轮箱复合故障诊断研究

形态成分分析（MCA）是最新提出的一种基于稀疏表示的信号和图像分解(分离)方法,该方法的主要思想是利用信号组成成分的形态差异性（可以由不同的字典稀疏表示）进行分离。结合核函数把基于MCA的线性盲分离方法拓展到非线性混叠情况,给出了一种非线性混叠信号盲分离算法。该算法通过非线性映射将混叠信号投影到高维特征空间,将样本空间的非线性混叠问题转化成高维特征空间的线性混叠问题,然后应用MCA算法对高维特征空间中的混叠信号进行分离。通过对齿轮齿根裂纹、轴承内圈、外圈复合故障的实验信号的分析,表明该方法能有效地分离出齿轮箱的复合故障。     

提升KPCA方法特征抽取效率的算法设计

在PCA基础上发展出的KPCA方法能抽取样本的非线性特征分量。然而, 基于KPCA的特征抽取需计算所有训练样本与待抽取特征的样本间的核函数, 因此, 训练集的大小制约着特征抽取的效率。为了提高效率，假设特征空间中变换轴可由一部分训练样本(节点)线性表出，并设计了改进的KPCA算法(IKPCA)。该算法抽取某样本特征时，只需计算该样本与节点间的核函数即可。实验结果显示，IKPCA在对应较好性能的同时，具有明显的效率上的优势。     

基于流形嵌入分布对齐的滚动轴承迁移故障诊断方法

针对变工况下滚动轴承不易获取带标签的振动信号,导致故障诊断准确率低等问题,提出一种基于自适应噪声完整经验模态分解(CEEMDAN)与流形嵌入分布对齐的滚动轴承迁移故障诊断方法。采用CEEMDAN对不同工况下滚动轴承振动信号进行分解,得到若干内禀模态分量(IMF);提取峭度较大的IMF分量的时域和频域特征构造多特征样本集,将所提特征嵌入流形空间进行流形特征变换,同时,对变换后的流形特征动态分布对齐;利用源域数据和目标域数据训练分类模型,以获得未知标签的滚动轴承故障诊断结果。实验表明,所提方法能够最小化域间特征分布差异,有效提高滚动轴承状态识别的准确率。     

核主成分分析的高炉故障检测研究

由于高炉冶炼系统的复杂性,传统的故障检测方法在高炉故障检测中的应用效果不佳.同时,高炉冶炼过程中的数据具有明显的非线性特征,利用主成分分析(PCA)等线性多元统计方法也难以取得良好的故障检测效果.针对这种情况,提出了利用核主成分分析(KPCA)方法对高炉冶炼过程中的故障进行检测,以适应高炉的非线性特征,实现对高炉故障的快速检测.     

Nonlinear model order reduction based on local reduced‐order bases

A new approach for the dimensional reduction via projection of nonlinear computational models based on the concept of local reduced‐order bases is presented. It is particularly suited for problems characterized by different physical regimes, parameter variations, or moving features such as discontinuities and fronts. Instead of approximating the solution of interest in a fixed lower‐dimensional subspace of global basis vectors, the proposed model order reduction method approximates this solution in a lower‐dimensional subspace generated by most appropriate local basis vectors. To this effect, the solution space is partitioned into subregions, and a local reduced‐order basis is constructed and assigned to each subregion offline. During the incremental solution online of the reduced problem, a local basis is chosen according to the subregion of the solution space where the current high‐dimensional solution lies. This is achievable in real time because the computational complexity of the selection algorithm scales with the dimension of the lower‐dimensional solution space. Because it is also applicable to the process of hyper reduction, the proposed method for nonlinear model order reduction is computationally efficient. Its potential for achieving large speedups while maintaining good accuracy is demonstrated for two nonlinear computational fluid and fluid‐structure‐electric interaction problems. Copyright © 2012 John Wiley & Sons, Ltd.     

Manifold Learning Using Linear Local Tangent Space Alignment (LLTSA) Algorithm for Noise Removal in Wavelet Filtered Vibration Signal

A denoising procedure is proposed to remove both out-band and in-band noise for extraction of weak bursts in signal obtained from defective bearing. Energy of continuous wavelet scalogram is computed and the band having higher energy is selected to remove the out-band noise. Signals of selected band are brought together to form a high-dimensional waveform feature space. Further, low dimensional waveform manifold is formed using linear local tangent space alignment (LLTSA) algorithm to remove in-band noise. A criterion, entitled as frequency factor is also proposed to determine the optimum neighbour size of LLTSA. The two complicated conditions are chosen to demonstrate the effectiveness of the technique in the extraction of bursts in the noisy situations. A significant improvement in the signal to noise ratio is observed when in-band noise is removed using manifold learning by LLTSA algorithm. The experimental result reveals the success of the proposed denoising procedure in extraction of defect features, even in the case of noisy condition.