基于矩阵分解的高光谱数据特征提取

利用有限的标记样本,将其作为硬性约束加入矩阵分解中;同时构建局部邻域graph,挖掘数据的流形结构并保持局部的不变特性,提出一种基于矩阵分解的高光谱数据特征提取(FEMF)方法.经过矩阵分解,使得原始高维光谱特征空间中相近的数据在低维空间中仍然相近,而相同类别的标记数据则被投影到同一个位置.这样的低维表示具有更强的判别性能,从而得到更好的分类和聚类效果.该方法的求解过程是非凸规划问题,同时给出了一个乘性更新规则获得局部优化解.最后,对真实高光谱数据进行特征提取验证了该方法的有效性.     

基于IMF能量矩特征提取方法

针对辐射源中的信号识别问题中特征提取困难,提出了一种基于总体平均经验模式分解的IMF能量矩特征提取方法,并且与K最近邻分类相结合用于信号识别。首先利用总体平均经验模态分解方法把信号分解成为若干个IMF,再将重要的IMF分量关于时间轴的积分,得到IMF能量矩的特征向量,最后借助K最近邻的分类(KNN)能力对特征向量进行分类,文中对十类FSK仿真信号分类表明,该方法能够有效、准确地识别信号。     

任意偏心率椭圆波导的本征模序列

本文采用自编的程序计算马丢函数及其导数，并用二分法和弦截法直接求解了第一类变型马丢函数及其导数的零点，从而精确求得了具有任意偏心率椭圆波导的本征模序列。文中计算了前１００个本征模截止波长，并给出了前２４个模式的截止波长与椭圆偏心率关系曲线及前１０个模式的多项式拟合公式。     

椭圆波导中的本征模

在椭圆波导的应用中，场量和场图是非常有用的。本文采用将马丢函数展成傅里叶级数的方法，讨论了椭圆波导中的场分布，给出了偏心率E＝0．75时前100个模的场图。这些具有完整电磁力线的场图是严格的和标准的，力线的疏密程度正比于该处的场强。     

弯波导的本征模与角传播常数

本文采用严格的本征模表示矩表截面均匀弯曲波导中的场，文中给出了虚阶Ｂｅｓｓｅｌ函数及其导数的计算公式和计算方法，由此完整地解决了任意半径弯波导本征征模及角传播常数的精确计算问题，典型数值计算结果表明，弯波导中的本征模与直波导中的本征模具有一一对应关系，变波导的等效传播常数与直波导的传播常数在数值上相当接近，模场的径向分布则呈衰减的驻波形式。     

基于经验模态分解的本征熵及其应用研究

以经验模态分解和信息熵理论为基础,可以提出本征熵这一新指标,用于大型设备运行稳定性定量监测。通过在十余家大型企业的实际应用和对应实验表明,本征熵较好地反映了设备运行时不同本征模态的稳定性,为设备的状态监测和诊断提供了运行稳定性的量化数据。     

空间一致性邻域保留嵌入的高光谱数据特征提取

局部线性嵌入(LLE)和邻域保留嵌入(NPE)等流形学习方法可以提取高光谱数据的主要结构特征,有助于对数据的理解和进一步处理。但是,这些方法忽视了高光谱图像中相邻像素之间的相关性。针对这个问题,提出一种基于空间一致性思想的邻域保留嵌入(SC-NPE)特征提取算法,通过一个优化的局部线性嵌入,并考虑相邻像素的相关特性,在高维空间建立数据的局部邻域结构。然后寻找一个优化的变换矩阵,将局部邻域结构投影到低维空间,实现数据的特征提取。与LLE和NPE算法相比,SC-NPE既考虑高光谱数据的流形结构,又考虑了其图像域空间信息,可以更好地应用在高光谱数据的特征提取过程中。实验结果表明,SC-NPE特征提取算法在高光谱图像分类方面的性能明显优于其他同类算法。     

应用监督近邻重构分析的高光谱遥感数据特征提取

针对高光谱遥感数据特征提取方法的研究,提出了一种新的监督近邻重构分析（Supervised Neighbor Reconstruction Analysis,SNRA）算法。该方法首先利用同一类别的近邻数据点对各数据点进行重构;然后在低维嵌入空间中保持该重构关系不变,尽可能地分离开非同类数据点,并利用总体散度矩阵来约束数据间的相关性;最后求解得到一个最佳投影矩阵,进而提取出鉴别特征。SNRA算法不仅保持了同类数据的局部结构而且增强了非同类数据的可分性,同时减少了数据的冗余信息。在Indian Pine和KSC高光谱遥感数据集上的实验结果表明:提出的方法能更好地揭示出高光谱遥感数据的内在特性,提取出更有效的鉴别特征,改善分类效果。     

TE10和TEM模耦合器的本征值表示法

利用本征值平衡条件，导出了ＴＥ１０和ＴＥＭ模耦合器的参数。试验表明，理论与试验结果非常吻合。     

波导本征问题分析的径向基函数方法

 针对网格方法分析波导本征问题时常面临剖分和近似精度低的问题,论文将基于配点原理的径向基函数无网格方法引入进来.给出径向基函数法求解本征值问题的方法、实施步骤和相应的离散方程形式.以矩形、圆形和L形波导的本征分析为例,通过与有限元法比较,反映该方法具有计算量小和精度高的优势,另外,它实施方便并易于推广到高维问题中.     

基于波段选择改进的高光谱端元提取方法

为了解决传统N-FINDR算法降维时破坏像元光谱曲线的物理意义这个问题, 采用波段选择方法中的最佳指数法代替特征提取, 改进N-FINDR算法的降维方式; 利用模拟和真实高光谱数据进行实验, 分别用改进的N-FINDR算法与其它两种算法提取端元, 并用全约束最小二乘法解混。结果表明, 改进的N-FINDR算法的解混精度更高, 用时更少。用波段选择代替特征提取改进降维方式, 保留了光谱曲线的物理意义, 在N-FINDR算法中是可行的。     

一种基于回声隐藏的倒谱提取优化算法

在回声隐藏算法的基础上,提出一种倒谱提取优化算法.新算法改进了传统倒谱对回声位置的判断标准,提高了数据提取正确率.通过引入原始语音数据的倒谱值作为参照量,重新定义回声位置的判断标准,弥补了传统倒谱算法的缺陷.MATLAB仿真结果证明:即便在回声衰减系数较小的情况下,算法依然能明显地提高数据提取的正确率,且稳定性良好.     

基于误差分析的岩芯高光谱数据几何校正方法

南京地质调查中心研制的推扫式岩芯成像光谱仪由可见近红外成像光谱仪、短波红外成像光谱仪以及载有岩芯盘的导轨构成。导轨匀速运动的控制误差、两台独立成像光谱仪不同的空间分辨率不同以及不重合的视场范围,导致所获得的数据存在几何畸变,无法直接进行应用处理。针对上述问题,在分析了畸变产生机理的基础上,提出了基于三角形靶标的拉伸压缩畸变校正方法以及像元级与亚像元级联合配准方法。通过在岩芯盘一侧布设等腰直角三角形靶标,实现无位置姿态参数下的几何拉伸压缩畸变检测与校正;同时将尺度不便特征变化与扩展的相位相关方法相结合进行图像配准,提高图像配准的精度。实验结果表明,利用南京地质调查中心研制的岩芯成像光谱仪的实测高光谱数据进行方法性能验证,经过几何校正处理后的岩芯高光谱数据,拉伸压缩畸变校正精度为0.28个像元,配准精度优于0.1个像元。     

基于正交指数局部保留投影的高光谱图像特征提取

针对高光谱图像,在判别局部保留投影(Discri minant Locality Preserving Projection,DLPP)的基 础上,提出了一种名为正交指数判别局部保留投影(Orthogonal Exponential Discriminan t Locality Preserving Projection,OEDLPP)的特征提取方法。该算法不但保留了DLPP算法的有监督特性,还利用 了指数矩阵(the matrix exponential)来获取更有效的样本信息,避免了小样本问题。同时,OEDLPP 对投影矩阵进行 施密特正交化,解决了特征的冗余性问题。应用OEDLPP算法对高光谱图像进行特征提取后, 并采用支持 向量机(SVM)对降维后的数据进行分类。与主成分分析(PCA)、局部保留投影(LPP)、 判别局部保 留投影(DLPP)、指数判别局部保留投影(EDLPP)、正交判别局部保留投影(ODLPP)等对 比实验结 果表明,本文算法对样本有效信息的获取具有一定的优越性,分类精度提升了2%~3%左右。     

An adaptive graph embedding method for feature extraction of hyperspectral images based on approximate NMR model

This paper introduces an approximate nuclear norm based matrix regression projection (ANMRP) model, an adaptive graph embedding method, for feature extraction of hyperspectral images. The ANMRP utilizes an approximate NMR model to construct an adaptive neighborhood map between samples. The globally optimal weight matrix is obtained by optimizing the approximate NMR model using fast alternating direction method of multipliers (ADMM). The optimal projection matrix is then determined by maximizing the ratio of the local scatter matrix to the total scatter matrix, allowing for the extraction of discriminative features. Experimental results demonstrate the effectiveness of ANMRP compared to related methods.     

基于奇异值分解的岩心高光谱数据降噪研究

为了更有效地消除岩心高光谱数据中的噪声,提出基于奇异值分解的岩心高光谱数据降噪方法,引入奇异值下降率的概念,利用奇异值下降率单调性的突变点来确定表征信号有用奇异值的个数。用该方法对地物光谱仪ASD FieldSpec?4实地采集到的岩心高光谱数据进行降噪处理,并与依据奇异值相对强度确定奇异值突变点的降噪方法进行对比,利用均方根误差(RMSE)、信噪比(SNR)两项指标对降噪效果进行评价。实验结果表明,该方法更能提高信噪比,降低均方根误差,更能有效保持原始岩心高光谱曲线的吸收特征,消除高光谱曲线上的毛噪现象。     

基于Cayley-Menger行列式的高光谱遥感图像端元提取方法

提出了一种基于Cayley-Menger行列式的快速端元提取算法.该算法的目标是寻找包含高光谱数据集的最小体积的单形体.与其它基于单形体几何的算法相比,该方法具有诸多优点.首先,Cayley-Manger行列式的引入使得算法可以便捷地利用Hermite矩阵的特点大大加速搜索过程,进而得到一个稳定的最终解.其次,该算法无须对数据进行降维处理,从而可以避免因数据降维而造成的有用信息的丢失.仿真和实际高光谱数据的实验结果表明,所提出的算法在获得准确解的同时,具有非常快的收敛速度.     

一种基于机载LiDAR数据的山区道路提取方法

为了解决基于机载激光雷达(LiDAR)点云提取道路时多重特征阈值设定难、普适性低的问题, 采用了随机森林分类模型提取道路点云进而获得道路中心线的方法。首先使用渐进加密三角网滤波获取地面点云, 根据山区道路特性, 计算地面点云各点在邻域范围的坡度、粗糙度、高差方差、点密度及反射强度, 组成点的分类特征; 随后手动采集正负样本训练点云随机森林分类模型, 将地面点云通过模型分类得到初始道路点云; 再通过基于密度的噪声应用空间聚类算法去除噪声点精化道路点云; 最后矢量化道路点云获取道路中心线。结果表明, 以Entiat River地区山区LiDAR点云数据进行实验验证, 道路点云提取的正确率达到95.29%, 完整率达到92.96%, 提取质量达到88.88%。该方法能解决多重阈值难以确定的问题, 能较高精度地提取到山区道路点云, 进而获取有效道路中心线, 对山区道路信息的研究有一定的参考价值。     

基于部分标记数据进行人脸图像特征提取

针对无监督特征提取的识别率低与监督特征提取需要大量标记的问题,提出一种基于部分标记数据的半监督判别分析(SSDPA)特征提取法。本文方法能实现图像数据降维,避免线性判别分析(LDA)存在的小样本问题,达到提高识别率的目的。算法对图像进行离散余弦变换(DCT)变换;根据DCT图像的频率分布,利用部分标记数据计算SSDP;优先搜索SSDP高的DCT图像信息。将本文方法与其它方法进行组合,在不同人脸数据库上进行了实验。实验证明了本文方法的有效性,用较低的代价获得了优于传统方法的识别率。