基于二维主分量分析的光谱数据降维方法

高维数据处理是天体光谱自动处理的重要组成部分。提出一种基于二维主分量分析的光谱数据降维方法,通过构造主分量空间将分散在一组变量上的高维光谱数据投影到2个主成分上,得到二维坐标;每一个主成分都是原始变量的线性组合,主成分之间互为正交关系,在剔除冗余信息的同时,通过主成分分析的降维,解决光谱数据的存储和处理问题。     

基于降维算法从少量测量数据中重构温度场

由于测量环境及测量技术的制约,工业中温度信息的获取主要依据少量测点数据,难以得到被测对象完整温度信息。计算方法可以获得被测对象完整温度信息,但计算量大,信息再现实时性差。为了解决这个问题,实现快速、有效、准确的实时温度分布测量,提出一种基于Gappy POD低维表示的温度分布降维重建算法,从少量局部温度测量数据准确中重建温度场,并分析采用上述算法进行温度场重构时POD基个数、测点数量和测点位置对其的影响。通过双峰温度场模型重建结果和误差分析表明,重建误差在1×10^-10以下,且该算法显著地减少了测量传感器的数量,降低了温度分布测量的复杂性与测量成本,为工业测量中数据缺失提供新的解决思路。     

高维数据降维技术及研究进展

降维技术旨在将高维数据映射到更低维的数据空间上以寻求数据紧凑表示,该技术有利于对数据做进一步处理。随着多媒体技术和计算机技术的高速发展,数据维度呈爆炸性增长,使得机器学习、图像处理等研究领域的数据分析变得为越来越困难。为消除上述问题造成的维度灾难,研究学者提出了一系列的解决方法。文中为探索这些降维技术的实用性,介绍了传统的降维技术以及近年推出的降维技术,分析了典型降维技术的性能,指出降维技术仍存在的问题并分析了未来值得关注的研究方向。     

多维数据降维方法

本文对数据降维方法进行了概述,简要分析了现有数据降维方法,并指出数据降维方面的关键问题。同时对线性降维方法主成分分析分析方法、稀疏主成分分析方法及非线性降维方法等距特征映射方法、局部线性嵌入方法的具体步骤进行了详细阐述。     

融合协作表达和重构判别分析的数据降维算法

数据降维是处理高维数据的有效手段。子空间学 习算法由于其计算量小,性能较为出 色而广泛应用于模式识别等领域,传统的子空间学习算法均可归纳为图嵌入算法框架中。稀 疏表达是近年来的一个研究热点,并广泛应用于信号处理和模式识别等领域,但计算复杂度 较高。在稀疏表达的基础上,研究者提出了协作表达。相比稀疏表达,协作表达算法由于其 有一个闭式解,因而计算量较小且判别性能较好,可以看成是数据表达的一种有效方法。本 文从协作表达的角度来解释图嵌入算法,将图嵌入算法看作是一类回归模型。通过最小化类 内重构误差散度的同时最大化类间重构误差散度,提出了一种新的图嵌入算法,即重构判别 分析,并将它应用于该回归模型中,然后将问题归结为一广义的特征值问题,算法在某种程 度上能有效避免子空间学习过程中矩阵的奇异性问题。在人脸识别上的实验验证了算法的正 确性和有效性。     

时间约束NMF算法及其在脑动态功能网络降维中的应用

为了保证高维数据中的时间属性在降维过程中得以保持,提出了一种时间约束非负矩阵分解算法（Time constraint Non-negative Matrix Factorization,TNMF）。该算法通过融合时间序列信息、数据维度,分解误差等约束条件,共同构建时间属性约束模型,计算最优基矩阵维度,能在降维的同时最大限度地保留原始高维数据的空间结构和时间序列信息。将其用于脑动态功能网络降维的实验结果表明,该算法在时间特征提取、聚类可视化效果和聚类指标上明显优于目前常用的降维聚类算法。      

基于网络编码的数据通信技术研究

在这个信息化高速发展的时代,通信技术也在不断发生变化,通信作为我国当前社会发展的重大行业之一,随着人们生活水平的提高,人们对通信性能的要求也越来越高。为了更好地满足当代人们对网络通信的需求,作为通信企业,就必须加强通信技术研究,保障通信质量。文章对基于网络边挖的数据通信技术进行了相关的研究。     

基于降维子空间重构的双基地MIMO雷达角度估计算法

根据双基地MIMO雷达的工作原理和回波模型,结合阵列信号处理,提出了降维子空间重构的角度估计算法,并给出了算法有效性证明。理论分析表明,该算法可以有效解决二维空间搜索计算成本高,矩阵运算量大和低快拍数下算法适应性差的问题,并通过蒙特卡罗实验对不同信噪比、快拍数和接收阵元数等情况下角度估计的方差进行了仿真,证实了理论分析的正确性。     

基于SAR 数据的三维散射中心模型位置重构方法

该文面向目标识别应用阐述了基于SAR 数据的3 维散射中心模型位置重构的基本方法。首先阐述了如何从SAR 数据中重构出目标的3 维散射中心模型的基本框架,然后提出了基于散射中心模型2 维参数的3 维散射中心模型重构方法,最后通过仿真实验验证了该方法的正确性。      

基于图论的人脸图像数据降维方法综述

近几年基于图论的降维方法越来越得到人们的关注,本文针对人脸识别中的核心问题即对高维数据进行降维的目的,首先介绍了有关图论的基本概念,通过总结各种人脸图像降维的方法,将这些方法统一到图嵌入框架中。然后结合线性与非线性的角度分析了各种算法的优缺点,得出了非线性图嵌入算法在挖掘人脸图像中的非线性特征以及在数据降维方面均优于传统的方法。最后针对现有的构图方式所存在的问题对今后的研究与发展方向进行了讨论。     

Dimensionality Reduction for Hyperspectral Data Based on Sample-Dependent Repulsion Graph Regularized Auto-encoder

To achieve high classification accuracy of hyperspectral data, a dimensionality reduction algorithm called Sample-dependent repulsion graph regularized auto-encoder (SRGAE) is proposed. Based on the sample-dependent graph, by applying the repulsion force to the samples from different classes but nearby, a sampledependent repulsion graph is built to make the samples from the same class will be projected to samples that are close-by and the samples from different classes will be projected to samples that are far away. The sampledependent repulsion graph can avoid the neighborhood parameter selection problem existing in the nearest neighborhood graph. By integrating advantages of deep learning and graph regularization technique, the SRGAE can maintain the learned deep features are consistent with the inherent manifold structure of the original hyperspectral data. Experimental results on two real hyperspectral data show that, when compared with some popular dimensionality reduction algorithms, the proposed SRGAE can yield higher classification accuracy.     

基于非负稀疏图的高光谱数据降维

为减少因大量的光谱信息带来的计算复杂及数据冗余带来的高光谱数据分类性能降低,该文提出一种非负稀疏图降维算法。首先,构建超完备块字典对高维高光谱数据进行非负稀疏表示。然后,根据块非负稀疏表示,分别构建内部非负稀疏图和惩罚非负稀疏图,基于单调递减函数定义边的权重以体现样本间的相似程度。最后,通过同时最大化异类和最小化同类非负稀疏重构样本间的距离,得到从高维到低维的最优映射关系,从而实现对高维高光谱数据的降维。AVIRIS 92AV3C高光谱数据上的实验结果表明,所提算法能以较少的训练样本获得较高的整体分类精度和Kappa系数。     

基于自编码网络特征降维的轻量级入侵检测模型

基于支持向量机(SVM)的入侵检测方法受时间和空间复杂度约束,在高维特征空间计算时面临“维数灾害”的问题.为此,本文提出一种基于自编码网络的支持向量机入侵检测模型(AN-SVM).首先,该模型采用多层无监督的限制玻尔兹曼机(RBM)将高维、非线性的原始数据映射至低维空间,建立高维空间和低维空间的双向映射自编码网络结构,进而运用基于反向传播网络的自编码网络权值微调算法重构低维空间数据的最优高维表示,从而获得原始数据的相应最优低维表示;最后,采用SVM分类算法对所学习到的最优低维表示进行入侵识别.实验结果表明,AN-SVM模型降低了入侵检测模型中分类的训练时间和测试时间,并且分类效果优于传统算法,是一种可行且高效的轻量级入侵检测模型.     

稀布圆阵的降维优化方法

针对有阵列孔径,阵元数目和最小阵元间距3种约束下的稀布圆形阵列综合问题,该文提出了一种基于修正遗传算法的降维优化方法。为了充分利用阵元布阵的自由度,同时使稀布阵列满足多个设计约束,在阵元排布时将2维平面阵列优化设计降维成1维的稀布直线阵列,计算阵列性能时再还原为平面阵列。该方法改进了现有圆阵综合方法中轨迹圆半径和轨迹圆上阵元数分布优化的不足,实现了全部阵元的联合优化,降低了算法的复杂性,同时保证了阵列的旁瓣性能,仿真结果证明了该方法的有效性。     

Unsupervised,Supervised and Semi-supervised Dimensionality Reduction by Low-Rank Regression Analysis

Techniques for dimensionality reduction have attracted much attention in computer vision and pattern recognition.However,for the supervised or unsupervised case,the methods combining regression analysis and spectral graph analysis do not consider the global structure of the subspace;For semi-supervised case,how to use the unlabeled samples more effectively is still an open problem.In this paper,we propose the methods by Low-rank regression analysis (LRRA) to deal with these problems.For supervised or unsupervised dimensionality reduction,combining spectral graph analysis and LRRA can make a global constraint on the subspace.For semi-supervised dimensionality reduction,the proposed method incorporating LRRA can exploit the unlabeled samples more effectively.The experimental results show the effectiveness of our methods.     

基于数据归约和面向属性归纳的网络流量分析系统

为了满足网络流量分析系统对海量数据快速查询和提取的要求,主要应用数据挖掘技术中的数据归约和面向属性归纳方法,对采集到的海量数据进行了相关的前期处理,主要包括数据归约和数据泛化,使得前端系统与后台数据库间的数据交互得以高效便捷地完成。最后,利用某运营商提供的奥运专网数据对所设计的系统进行了实际测试,测试结果表明,系统运行稳定,效果良好。     

基于正则化的半监督等距映射数据降维方法

针对等距映射(ISOMAP)算法无监督,不能生成显式映射函数等局限性,该文提出一种正则化的半监督等距映射(Reg-SS-ISOMAP)算法。该算法首先利用训练样本的标签样本构建K联通图(K-CG),得到近似样本间测地线距离,并作为矢量特征代替原始数据点;然后通过测地线距离计算核矩阵,用半监督正则化方法代替多维尺度分析(MDS)算法处理矢量特征;最后利用正则化回归模型构建目标函数,得到低维表示的显式映射。算法在多个数据集上进行了比较实验,结果表明,文中提出的算法降维效果稳定,识别率高,显示了算法的有效性。     

一种用于RaptorQ码的降维快速译码算法

针对新型高效数字喷泉码RaptorQ码译码复杂度高的问题,利用它是系统码的特性,该文提出一种降维快速译码算法。该算法利用预先计算的逆矩阵,将译码过程中对接收编码约束矩阵的求逆转化为对更小维数矩阵的求逆,以降低译码复杂度。算法译码效果与现有译码算法等价。仿真结果表明,在信道符号删除概率较低(小于0.2)时,该算法的译码速度显著高于现有算法。