基于核主成分分析的人脸识别

在标准PCA原理基础上,提出了核主成分分析算法进行人脸识别。在进行非线性映射之前,首先利用经典的主分量分析降维,然后再执行核主分量分析（KPCA）。为了进一步降低经典PCA的处理时间,使本算法具有更高的效率,在ORL标准人脸库上的实验结果验证了所提算法的有效性。     

主成分分析的入侵检测方法研究

直接将入侵检测算法应用在粗糙数据上,其入侵检测分析的效率非常低.为解决该问题,提出了一种基于主成分分析的入侵检测方法.该方法通过提取网络连接中的相关信息,对它进行解码,并将解码的网络连接记录与已知的网络连接记录数据进行比较,发现记录中的变化和连接记录分布的主成分,最后将机器学习方法和主成分分析方法结合实现入侵检测.实验结果表明该方法应用到各种不同KDD99入侵检测数据集中可以有效减少学习时间、降低各种数据集的表示空间,提高入侵检测效率.     

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...     

基于主元分析的制冷系统渐变故障检测

针对制冷系统渐变故障的特性和监测参数维数过大、变量间相关严重、易受干扰而信噪比低造成系统故障检测困难的难题,建立了基于主元分析的制冷系统渐变故障检测模型.应用实验数据对模型进行了验证和评估.结果表明,基于主元分析的制冷系统渐变故障检测模型具有良好的检测性能,对早期故障具有非常好的敏感性和及时捕捉的能力,并能够清晰地呈现出渐变故障发展的过程和趋势.     

一种基于核主成分分析和组合分类器的虹膜识别方法

提出了一种新的虹膜特征提取与识别方法,该方法利用核主成分分析(KPCA)在高维空间具有较强的特征选择能力来提取虹膜图像的纹理特征。采用了一种距离度量和支持向量机相结合的两级分类方法,前级采用欧式距离来度量图像间的相似性,若符合条件,给出分类结果,否则拒绝,并转入后一级分类器——支持向量机分类,以减少进入支持向量机的样本数目,该组合分类方法充分利用了支持向量机识别率高和距离度量速度快的优点。实验结果表明,该方法提高了虹膜识别率,是一种有效的虹膜识别方法。     

主成分分析法在发电设备故障检测与诊断中的研究

运用主成分分析方法,经过矩阵变换,降低维数以提取故障信息的主要特征,实现对发电设备故障数据二维可视化,之后使用支持向量机来获取最优分类面进行诊断分析。仿真数据表明,在有用信息量损失较小的前提下,该方法可以提炼故障信息而不影响分析结果,是解决多变量高维复杂系统简便有效的一种识别方法。     

基于线性核主成分分析和XGBoost的脑电情感识别

本文通过引入线性核的主成分分析和极端梯度提升(XGBoost)模型,给出了一种连续视听刺激下脑电(EEG)情感四分类识别算法.为体现适普性,文中使用传统的功率谱密度(PSD)作为脑电信号特征,并结合XGBoost学习得到weight指标下的特征重要性度量,然后使用线性核的主成分分析对经阈值选择的重要特征进行处理后送入X...     

粗糙主成分分析在齿轮故障特征提取中的应用

采用粗糙集理论对输入征兆进行甄别，约简与诊断无关或关系不大的征兆，并在约简过程中结合启发式知识以解决约简过程中出现的NP问题。研究结果表明：在主成分分析中结合粗糙集理论可以排除干扰量的影响，并有效地进行特征量的提取。     

结构损伤响应时程主成分及其相关性分析

基于结构动态响应时程和主成分分析技术对结构损伤识别和结构健康状态在线监测进行研究。采用相关性分析方法,提出了一种新的损伤敏感指标——主成分置信度。首先分别对各测点实测时域响应数据进行分段、重组并形成矩阵形式,再进行标准化处理;其次,利用主成分分析提取各测点的主成分,对主成分进行相关性分析,并计算主成分置信度;最后,通过若干结构损伤仿真计算和试验验证了该方法的正确性和有效性。该方法仅需提取结构基准状态和待测状态的时域响应特征,即可进行损伤判别,计算量小且不限于结构型式,因此,非常有利于结构在线监测。     

基于有监督核函数主元分析的故障状态识别

介绍一种有监督核函数主元分析算法(SupervisedKernelPrincipalComponentAnalysis,SKPCA),通过将样本类内差和类间差融入总体方差中,从而达到更好的分类目的.在齿轮故障诊断实验中,采用SKPCA提取故障信号的非线性特征,实验结果表明SKPCA相比KPCA前两个主元贡献更为集中,故障识别结果更为理想.     

KPCA和耦合隐马尔科夫模型在轴承故障诊断中的应用

针对多通道数据的有效融合能够更加准确地诊断轴承的故障,提出了一种基于KPCA和耦合隐马尔可夫模型(CHMM)的轴承故障诊断方法。首先,分别对轴承各通道的振动信号进行特征提取,获得特征向量。然后采用KPCA对各通道的特征向量分别进行特征约减,获取主要的信息成分。最后,利用CHMM对多通道信息进行融合和故障诊断。通过对滚动轴承在正常、内圈故障、外圈故障和滚动体故障状态下实验数据的分析表明,该方法能够更加有效地诊断轴承的故障。     

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。     

基于核主元分析与纠错输出编码SVM的齿轮故障诊断

摘要：为提高齿轮故障诊断的准确率,提出了核主元分析和纠错输出编码支持向量机相结合的方法。首先采用基于核主元分析方法对原始样本向量进行预处理,实现对原始样本向量的降噪及冗余消除。然后采用基于纠错输出编码矩阵构造出若干个互不相关的子支持向量机,以提高分类模型的整体容错能力。最后,把经过核主元处理后的新向量作为纠错输出编码支持向量机的训练及测试样本,实现对不同故障状态齿轮的识别。结果表明,该方法能够提取更有效的分类样本向量,故障诊断效果更好。
     

Alzheimer disease classification using KPCA,LDA, and multi‐kernel learning SVM

Early diagnosis of Alzheimer disease (AD) and mild cognitive impairment (MCI) is always useful. Preventive measures might have an impact on reducing AD risk factors. Structural magnetic resonance (MR) imaging, one of the vital sensitive biomarkers for cerebral atrophy in the brain, is used to extract volumetric feature by FreeSurfer and the CIVET toolbox. All of the structural magnetic resonance imaging (s‐MRI) data that we used were downloaded from the Alzheimer's disease Neuroimaging Initiative (ADNI) database (adni.loni.usc.edu) of imaging data. This novel approach is applied for the diagnosis of AD and MCI from healthy controls (HCs) combining extracted features with the MMSE (mini‐mental state examination) scores, applying a two sample t‐test to select a subset of features. The subset of features is fed to kernel principal component analysis (KPCA) module to project data onto the reduced principal component coefficients at higher dimensional kernel space to increase the linear separability. Then, the kernel PCA coefficients are projected into the more efficient linear discriminant space using linear discriminant analysis. A multi‐kernel learning support vector machine (SVM) is used on newly projected data for stratification of AD and MCI from HCs. Using this approach, we obtain 93.85% classification accuracy when detecting AD from HCs for segmented volumetric features (using FreeSurfer) with high sensitivity and specificity. When distinguishing MCI from HCs and AD using volumetric features after subcortical segmentation, the detection rate reaches 86.54% and 75.12%, respectively.     

Silicon Transmission in Blast Furnace

Based on thermodynamic calculation,oper-ating data and experiments,Si transmission in B.F.is described in this paper.The Si in hot metal is con-trolled by both reduction and reoxidation.Equilib-rium calculation gives a tapping value and the pro-file of Si content of the hot metal in B.F.The firstimportant factor to control Si content is reactiontemperature.The coke reactivity and solution lossare more sensitive to in-situ coke reduction and Sicontent.     

基于LMI的结构主动控制系统故障诊断与隔离设计

基于H∞鲁棒控制原理,提出了结构主动控制系统故障检测器的设计方法,形成了结构主动控制系统的故障诊断与隔离技术(fault detection and isolation,FDI)。首先根据H∞控制目标提出了FDI系统的模型,将故障信号的检测问题转化为一个鲁棒控制问题,应用线性矩阵不等式(linear matrix inequality,LMI)算法解出H∞最优控制器,即故障检测器。通过一个三层框架结构的数值算例验证了设计的有效性。该研究工作为结构主动控制系统的健康检测提供了参考,为进一步进行容错控制的研究奠定了基础。     

Sensor fault identification based on time-lagged PCA in dynamic processes

Principal component analysis (PCA) is widely employed as a multivariate statistical method for fault detection, isolation and diagnosis in chemical processes. Previously, PCA has been successfully used to identify faulty sensors under normal static operating conditions. In this paper, we extend the reconstruction-based sensor fault isolation method proposed by Dunia et al. to dynamic processes. We develop a new method for identifying and isolating sensor faults in an inherent dynamic system. First, we describe how to reconstruct noisy or faulty measurements in dynamic processes. The reconstructed measurements are obtained by simple iterative optimization based on the correlation structure of the time-lagged data set. Then, based on the sensor validity index (SVI) approach developed by Dunia et al., we propose an SVI for fault isolation in dynamic processes. The proposed method was applied to sensor fault isolation in two strongly dynamic systems: a simulated 4×4 dynamic process and a simulated wastewater treatment process (WWTP). In these experiments, the proposed sensor fault identification method correctly and rapidly identified the faulty sensor; in contrast, the traditional PCA-based sensor fault isolation approach showed unsatisfactory results when applied to the same systems.     

Activity of MnO in Blast Furnace-type Slags

The activity of MnO in blast furnace-typeslags CaO-SiO_2,CaO-SiO_2-Al_2O_3 andCaO-SiO_2-Al_2O_3-MgO at 1500℃ has been measuredin a graphite crucible with Ag and Sn as solventmetals.The agreement between the values ofγMnO obtained from the experimental resultsusing Ag and Sn separately as the solvent metalis excellent.The major errors in the previousstudies have proved to be the failure to takeinto account the exchange reactions involvingSi and Mn and insufficient time for theestablishment of equilibrium between slag andsolvent metal.A new method is suggested for determiningthe activities of elements in metallic solutions.The method involves the separate equilibrationof two metallic alloys,one of which containsthe component of interest at a known activity,with a single slag.     

时滞数据动态过程传感器故障诊断的改进方法

提出利用不断更新的时滞数据矩阵建立变化的动态主元模型对某些动态系统内的传感器故障进行检测，利用变量贡献图的样本平均对故障进行识别的方法．该方法克服了传统静态主元分析方法不适于分析具有动态特性的系统传感器故障的缺陷，而且改善了常用的基于时滞数据建立的动态主元分析法对于分析变量间关系不确定的动态系统存在的局限性．最后给出了3种方法的实验比照结果，验证了方法的有效性，     

炼铁高炉炉衬爆破拆除

本文介绍靶钢炼铁厂１１＾＃高炉大修工程中爆破拆除高炉炉衬的过程。采用爆破方法先破坏炉衬环型砌体结构,再爆破冷却壁之上衬砖,使衬砖局部悬空,在重力作用下脱落,达到安全,快速拆除衬砖的目的。