基于概率密度距离的无监督特征选择方法

在模式识别和数据分析中,经常会遇到数据特征的高维问题.为了有效地进行数据分析,特征维数的削减或特征降维就显得异常重要.针对特征选择这一问题,依据概率密度距离准则,提出一个新的无监督特征排序方法.基于交叉验证的实验结果表明,该方法与现有的方法相比更为有效.     

基于概率密度距离的监督特征选择

为了降低特征维数,提高分类效率,提出了一种新的基于概率密度距离的有监督的特征排序方法.首先依次对所有样本的某一维特征进行加权变换,然后对变换后的各类别样本进行概率密度估计,计算由该特征加权变换后所引起的各类别样本的类间概率密度距离,距离越大,则该特征对于区分各类别样本的作用越大,以此来对特征进行排序.实验结果表明,该方法是有效的,而且表现出了比经典的Relief-F特征排序方法更好的性能.     

基于多核支持向量机的概率密度估计方法

提出了一种基于多核支持向量机的概率密度估计方法。其基本思路是从概率密度的定义出发,利用支持向量机求解线性算子方程的方法,直接估计出密度。使用多核支持向量机取代传统的支持向量机方法来估计概率密度,从仿真结果来看,与Parzen窗方法相比,基于多核支持向量机的概率密度估计方法的精度等级与Parzen窗方法类似,同时又具有Parzen窗方法所不具备的稀疏解;与基于传统支持向量机的概率密度估计方法相比,基于多核支持向量机的概率密度估计方法具有更强的鲁棒性,并且其精度更高。     

一种基于混合模型的特征提取方法

图像特征提取是图像过滤的关键步骤之一.对自然的原始图像进行特征提取时,鉴于单一的图像特征不能很好地表征图像视觉信息,因此,对图像的颜色、纹理特征进行分析、处理是十分必要的.针对这一问题,提出了一种基于混合模型的特征提取方法,结合图像颜色及纹理特征的优点,建立混合模型,并采用PCA(Principal Component Analysis)方法对其高维的特征信息进行处理.实验结果表明这种综合方法能够以较好的特征信息来表示图像视觉内容,达到更准确分类过滤的目的.     

基于概率密度逼近的无监督特征排序

依据概率密度逼近提出了一种新的无监督特征排序,应用于特征选择降维.实验证明,这种方法与一些现有的方法相比,更为有效.     

非平坦函数概率密度估计

针对非平坦函数的概率密度估计问题,通过改进支持向量机(support vector machine,SVM)概率密度估计模型约束条件的形式,并引入多尺度核方法,构建了一种单松弛因子多尺度核支持向量机概率密度估计模型。该模型采用合并的单个松弛因子来控制支持向量机的学习误差,减小了模型的计算复杂度;同时引入了多尺度核方法,使得模型既能适应函数剧烈变化的区域,也能适应平缓变化的区域。基于几种典型非平坦函数进行概率密度估计实验,结果证明,单松弛因子概率密度估计模型比常规支持向量机概率密度估计模型具有更快的学习速度;且相比于单核方法,多尺度核支持向量机概率密度估计模型具有更优的估计精度。     

基于信息融合的模拟电路故障的特征提取与融合方法

在模拟电路故障诊断中,故障特征的提取是一个非常重要的环节,其提取结果的好坏将直接影响最终的诊断正确率;对现有文献研究发现,每种特征提取方法单独使用时都有一定的局限性,为了能够更加充分地提取模拟电路故障特征,提出了小波包分析与主元分析并行应用的方法,并将两种方法提取的特征向量依据不同规则进行了三种类型的融合,方便对比实验;为获取最优小波特征,提出了特征偏离度,并以此为标准选择最优小波基;最后,通过设计一种改进的神经网络分类器模型,将融合后的三种特征向量送入其中进行仿真验证,得出最终诊断结果;结果表明,该方法能够有效克服单一特征提取方法提取不充分的缺点,提高故障诊断的正确率,并且融合因子μ适中时诊断正确率最高。     

利用信息融合方法的三维特征提取

本文提出了一种基于信息融合的物体三维特征的提取方法，该方法利用两幅互相配准的三维测距图像和灰度图像，来提取多面体的三维特征。首先，通过分析灰度图像中的灰度变化及测距图像中的测距值变化，分别求取各自图像中物体的特征点及特征边；然后，利用两配准图像之间的对应关系，求得所有特征点、面与多边形在三维测距图像中的三维表示；接着，通过分析三维测距图像中所测得的各候选平面上特定点与边处的曲率及法向，验证候选平面     

基于动态融合的三维模型特征选择算法

随着三维模型在各领域的应用日益增多,如何提高三维模型的检索效率及效果,已经成为研究热点。论文针对三维模型检索的特征提取环节,提出了一种基于动态融合的三维模型特征选择算法。首先,利用先验知识动态计算各特征向量描述该模型特征能力的强弱指数;然后,按其描述能力对各特征向量的进行排序,并赋予权值;最后,利用权值调整方法对多特征进行融合动态形成新的特征向量,计算模型之间的相似度距离。实验表明,基于动态融合的三维模型特征选择算法具有优良的性能。     

基于三维模型的人脸姿态估计方法

提出一种三维人脸姿态估计方法。该方法通过估计三维平面人脸模型到图像平面的单应矩阵来获得人脸相对于摄像机坐标系的旋转矩阵,并利用M-估计优化方法迭代求精。其主要特点是：实施简单,不需要对透视摄像机参数预先进行标定,能够在较大范围内较精确地估计人脸姿态。对模拟数据及真实人脸图像的实验均验证了该方法的有效性。     

基于LS-SVM和核密度估计的概率性风电功率预测

近年来风电在我国发展迅猛,但风速的不稳定性和间歇性,使风电功率也具有同样的性质,这样的电功率注入会带来电力系统运行的不稳定,因此,风电功率的预测对风电并网及使用具有重要意义。鉴于此,开展风电功率的短期预测研究,利用LS-SVM对风电功率进行建模并实现确定性的短期预测,在此基础上使用非参数统计法对确定性预测模型的预测误差进行拟合获得其密度函数,计算各功率段的置信区间以得到概率性预测结果,从而提高风电功率预测结果的实用性和可靠性。与常用的自回归滑动平均模型和BP神经网络模型进行对比实验,证明本方法的性能及优势。     

基于YOLOv3增强模型融合的人流密度估计

为了解决在复杂背景以及人流密集且互相遮挡的场景下,对人流密度进行估计精度低的问题,提出了基于YOLOv3增强模型融合的方法进行人流密度估计.首先将数据集分别进行头部标注和身体标注,生成头部集和身体集.然后用这两个数据集分别训练两个YOLOv3增强模型YOLO-body和YOLO-head,最后使用这两个模型在相同的测试...     

基于面分块的三维人脸特征提取及自动定位

针对三维人脸特征提取中非特征区域干扰的问题,在分析人脸生理结构和人脸共性的基础上,提出了一种基于面分块的三维人脸特征提取方法,即先按照人脸面貌器官分布规则将人脸进行分解,然后得部分单独采取不同的方法进行特征提取,最后合并起来完整地描述人脸特征。试验结果证明该方法提高了特征提取的精确性,并具有强机干扰能力。     

基于局部估计密度的局部离群点检测算法

局部离群点检测是近年来数据挖掘领域的热点问题之一.针对交通数据去噪问题,提出一种基于局部估计密度的局部离群点检测算法,算法使用核密度估计方法计算每个数据对象的密度估计值,来表示该数据对象的局部估计密度,并在核函数的带宽函数计算中引入数据对象的k-邻域平均距离作为其邻域信息,然后利用求出的局部估计密度计算数据对象的局部离群因子,依据局部离群因子的大小来判断数据对象是否为离群点.实验表明,该算法在UCI标准数据集与模拟数据集上都可以取得较好的表现.     

基于二维局部鉴别高斯的特征提取方法

特征提取是人脸识别的关键。特征提取方法一般需要预先把二维图像转化成一维图像向量。然而高维的图像向量会导致不能快速、精确地计算所需的协方差矩阵及其特征向量。针对该问题,提出了一种基于二维局部鉴别高斯的特征提取方法(2D-LDG)。该方法继承一维局部鉴别高斯降维方法的优点,其目标函数是留一交叉验证误差的光滑逼近,并且只考虑训练样本的局部分布,对训练样本的全局分布不做任何假设。同时,2D-LDG直接对二维图像做特征提取,不需要事先把图像转化为维数巨大的图像向量,能快速、精确地计算协方差矩阵及其特征向量。在ORL、YaleB人脸数据库上的实验结果表明,2D-LDG特征提取方法有良好的识别效果。     

基于卷积特征的非平衡人群密度估计方法

人群密度估计在智能监控领域具有重要的应用价值。大量理论和经验研究表明,基于数据驱动的深度神经网络往往优于传统的基于手工特征的方法。但是人群样本的数据规模很小,深层次的网络很难得到较优解。鉴于此,提出了3种解决方法:训练较浅的神经网络,使用预训练深度模型的全连接层特征和使用预训练深度模型的卷积-FV(Fisher Vector)特征。针对样本的不平衡性问题,提出了使用多个分类评估标准的解决方案。在标准数据集PETs2009上的实验结果表明,相比于现有的手工特征,卷积特征具有更好的效果。其次,相比于训练一个全新的卷积模型,基于迁移学习的深度卷积特征是更好的选择。另外,通过层数较少的深度模型获得的较低层特征的迁移性更好。     

基于随机分布估计的点云密度提取

针对目前密度提取方法提取的密度信息不能表现点云局部分布信息和分布随机性的缺陷,提出结合随机分布估计的密度提取方法。该方法采用分块计数法得到每个小分块的密度,结合点云总体的密集度得到一个能够反映点云局部积聚特征的参数,为判另Ⅱ点云分布的随机性、均匀性等提供较好的特征依据。     

一种基于区域划分的人群密度估计快速方法

公共场景监控下的人群密度估计是公共安全管理中的一个重要内容。针对大场景监控情况,研究了一种基于区域划分的智能化人群密度估计快速方法。在帧差提取出的彩色视频背景的基础上,按视觉比例将大场景分成子区域,然后对某个子区域采用像素统计的方法实现人群密度估计,其余子区域采用自适应比例的方法实现人群密度快速估计。实验结果表明该方法在实际应用中简单、有效、快速,能为公共场所的预警系统提供有力的帮助。     

基于积分投影的人脸图像的特征提取

人脸识别是模式识别领域内的重要课题,有着十分广泛的应用前景,人脸特征的自动提取是人脸自动识别过程中重要的一步。该文采用基于人脸几何特征的方法,首先通过边缘检测和阈值技术对人脸图像进行预处理;然后分别采用水平和垂直积分投影的方法确定人脸轮廓,最后利用人脸特征的先验知识,提取出特征点。实验结果表明该人脸特征提取系统能有效地提取头部轮廓和人脸的主要特征点,实现简单,效率高,特别适合于标准证件类型的黑白照的识别。     

Plug-and-Play Based Optimization Algorithm for New Crime Density Estimation

Different from a general density estimation, the crime density estimation usually has one important factor: the geographical constraint. In this paper, a new crime density estimation model is formulated, in which the regions where crime is impossible to happen, such as mountains and lakes, are excluded. To further optimize the estimation method, a learning-based algorithm, named Plug-and-Play, is implanted into the augmented Lagrangian scheme, which involves an off-the-shelf filtering operator. Different selections of the filtering operator make the algorithm correspond to several classical estimation models. Therefore, the proposed Plug-and-Play optimization based estimation algorithm can be regarded as the extended version and general form of several classical methods. In the experiment part, synthetic examples with different invalid regions and samples of various distributions are first tested. Then under complex geographic constraints, we apply the proposed method with a real crime dataset to recover the density estimation. The state-of-the-art results show the feasibility of the proposed model.