鲁棒核主元分析的数据重构

针对野值点噪声对样本均值和协方差估计带来的不利影响,在线性鲁棒M位置估计方法的基础上,结合了核原理来估计协方差,提出了一种新型的鲁棒KPCA(核主元分析)算法.将所提出的算法应用于数据重构仿真实验,仿真测试结果表明当样本数据中存在野值点噪声时,由所提出的鲁棒KPCA算法实现样奉数据重构时,要比KPCA具有更高的重构精度,抗野值点噪声性能更强.     

鲁棒主元分析在掌纹识别中的应用

为了对存在异常值的图像构建低维线性子空间的描述,提出用鲁棒主元分析(RPCA)的新方法进行掌纹识别。运用图像下抽样方法降低掌纹空间的维数,在低维图像上应用RPCA提取低维的投影向量,然后将训练图像和待识别图像向投影向量上投影得到鲁棒主元特征,计算特征向量间的余弦距离进行掌纹匹配。运用PolyU掌纹图像库进行测试,结果表明,与主元分析(PCA)、独立元分析(ICA)和核主元分析(KPCA)相比,RPCA算法的识别率最高为99%,特征提取和匹配总时间0.032 s,满足了实时系统的要求。     

鲁棒的加权核主成分分析算法

为减弱离群点对数据处理的影响, 提出了一种鲁棒的加权核主成分分析算法。利用核函数将样本投影到核空间, 在核空间构建一个样本加权重建误差最小模型, 最大限度地提取数据中的非线性信息并降低离群点样本的干扰。在Yale人脸库和UCI数据集上的实验表明, 该方法具有很好的识别率, 尤其对离群点样本具有较好的鲁棒性。     

基于鲁棒主成分分析的人脸子空间重构方法

子空间方法是人脸识别中的经典方法,其基本假设是人脸图像处于高维图像空间的低维子空间中.但是,由于光照变化、阴影、遮挡、局部镜面反射、图像噪声等因素的影响,使得子空间假设难以满足.为此,提出一种基于鲁棒主成分分析的人脸子空间重构方法.该方法将人脸图像数据矩阵表示为满足子空间假设的低秩矩阵和表征光照变化、阴影、遮挡、局部镜面反射、图像噪声等因素的误差矩阵之和,利用鲁棒主成分分析法求解低秩矩阵和误差矩阵.实验结果表明,文中方法能够有效地重构人脸图像的低维子空间.     

卷积鲁棒主成分分析

鲁棒主成分分析(RPCA)是一种经典的高维数据分析方法,可从带噪声的观测样本中恢复出原始数据.但是,RPCA能工作的前提是目标数据拥有低秩矩阵结构,不能有效处理实际应用中广泛存在的非低秩数据.研究发现,虽然图像、视频等数据矩阵本身可能不是低秩的,但它们的卷积矩阵通常是低秩的.根据这一原理,提出一种称为卷积鲁棒主成分分析...     

基于鲁棒主成分分析的智能电网虚假数据注入攻击

基于主成分分析（PCA）的盲攻击策略仅对具有高斯噪声的测量数据有效,在存在异常值的情况下,上述攻击策略将被传统的坏数据检测模块检测。针对异常值存在的问题,提出一种基于鲁棒主成分分析（RPCA）的盲攻击策略。首先,攻击者收集含有异常值的测量数据;然后,通过基于交替方向法（ADM）的稀疏优化技术从含有异常值的测量数据中分离出异常值和真实的测量数据;其次,对真实测量数据进行PCA,得到系统的相关信息;最后,利用获得的系统信息构造攻击向量,并根据得到的攻击向量注入虚假数据。该攻击策略在IEEE 14-bus系统上进行了测试,实验结果表明,在异常值存在的情况下,传统的基于PCA的攻击方法将被坏数据检测模块检测,而所提方法基于鲁棒PCA的攻击策略能够躲避坏数据检测模块的检测。该策略使得在异常值存在的情况下虚假数据注入攻击（FDIA）仍然能够成功实施。     

基于误差模型的自适应鲁棒主成分分析

研究了改善主成分分析(PCA)算法鲁棒性的一种实现途径.通过对误差函数的建模分析,得到一种改进的目标函数.提出一种新的在线自适应式的鲁棒PCA运算规则.该方法基于单层线性神经网络(NN)结构,但是权值的训练算法是非线性的.从而在迭代训练中对"劣点"样本加以适当处理来排除对运算精度和收敛性的影响.     

基于核主元分析–主元分析的多阶段间歇过程故障监测与诊断

具有过渡特性的多阶段间歇过程故障监测是一个复杂的问题,既需要考虑稳定阶段下的故障监测,也需要考虑不同阶段间的过渡故障监测.为克服传统硬划分方法导致误警和漏报率高的缺陷,同时也为实现更加精确、有效的故障监测与诊断,提出一套完整的基于核主元分析-主元分析(KPCA-PCA)的多阶段间歇过程故障监测与诊断策略.该方法依据数据相似度实现阶段划分,定义模糊隶属度辨识相邻阶段间的过渡,最后对稳定阶段和过渡过程分别建立具有时变协方差的PCA和KPCA故障监测与诊断模型.通过对青霉素发酵过程的仿真平台及工业应用研究表明,该方法具有更可靠的监控性能,能及时、准确的检测出过程中存在的异常情况.     

基于鲁棒估计的动态传感数据校正方法

为实现IEEE1451网络化智能传感器输出数据与输入信号随时间的变化曲线保持一致,解决智能传感中的非线性问题,根据数据校正与数据回归的相似性,引入并改进在数据回归中应用较好鲁棒估计方法,结合非线性动态数据校正的DAEs模型,为传感器的校正引擎构建了相应的鲁棒估计目标函数。应用实例可得,校正后的结果与模型值的均方差MSE＆lt;0.003,表明在数据校正方法中引入鲁棒估计方法,可以使目标函数对偏离理想条件的数据不敏感,能显著减小异常数据点对传感数据校正的不利影响,实现高效的数据自校正。     

核主元分析及其在人脸识别中的应用

传统的基于数据二阶统计矩的特征脸法(Eigenface)或主元分析法(PCA)是一种有效的数据特征提取方法,是基于原始特征的一种线性变换。但是,当原始数据中存在非线性属性时,用主元分析法后留下的显著成分就可能不再反映这种非线性属性。而核主元分析则是基于原始数据的高阶统计量,是一种非线性变换,在图像识别中它可以描述多个像素之间的相关性。该文采用KPCA法提取人脸特征,利用线性支持向量机设计分类器,实验结果表明,基于核主元分析方法的识别正确率明显优于基于主元分析法。     

周期时变线性系统的一般线性二次型最优控制

讨论周期时变线性系统的一般线性二次型最优控制问题, 即状态方程为非齐次方程且二次型性能指标包含线性项的一般情况. 给出了该问题可解的一系列充分必要条件, 同时给出了最优控制的解析构造以及最优性能指标值.     

Impulse Analysis of Linear Time-Varying Singular Systems

Impulsive part of solution to initial value problem of linear time-varying singular systems is given explicitly. Impulse observability and impulse controllability for the systems are redefined     

约束多传感器线性系统的RMPC容错控制

针对一类约束多传感器线性故障系统,提出了一种基于鲁棒预测控制策略的容错控制方案．首先为多传感器线性系统设计了观测器,然后离线设计不变集列,使得时变的状态估计误差存在于相应的不变集列中,利用不变集的理论提出了一种新的故障检测的方法,最后基于鲁棒预测控制策略为故障系统设计了容错控制器,给出了闭环系统鲁棒稳定性的证明．仿真结果证明了方法的可行性。     

方块脉冲函数用于线性时变系统的分析和最优控制

本文给出了方块脉冲函数的一些运算性质.利用这些性质求解线性时变系统的状态方程和基于二次型性能指标的最优控制规律,得出了便于应用的均匀分段恒定解答.较沃尔什函数逼近法容易导出形式简明的递推算法,且子区间的分段数可选取任意整数,因而节省计算机内存和机时,有助于提高计算和控制的精度.     

时变线性系统最优控制的Walsh级数分析法

本文应用Walsh级数把最优控制问题转化成了一般代数极值问题,算法简洁明了,适合计算机求解,并解决了以前用Walsh级数分析时一直难以处理的末端条件问题[1],同时给出了计算实例,结果令人满意.     

带时滞的线性时变奇异系统的稳定性

通过比较方法建立了一类带时滞的线性时变奇异系统的稳定性判据,并讨论了相应的带有时滞的时变区间奇异系统的稳定性,给出了一个稳定性的比较定理。     

广义双线性系统的最优控制

最优控制是自动控制理论的重要研究分支,本文首次对广义双线性系统的最优控制问题进行研究.利用李雅普诺夫稳定性理论和广义李雅普诺夫方程的解来设计最优控制器,使得闭环系统全局渐近稳定且使广义二次性能指标最小.此外,还给出最优化控制器的设计方法,整个设计过程简单,具有较少的保守性,例子表明设计方法的有效性和合理性.     

广义离散随机线性系统最优递推估计

运用新息理论和射影的方法，提出了广义离散随机线性系统阳优递推滤波，预报和平滑估计算法，在一定条件下证明了最优递推估计的渐近稳定性。所得的结果可用于正常离散随机线性系统。‘     

广义离散随机线性系统自校正最优预报器

运用现代时间序列分析[1]的方法研究广义离散随机线性系统最优及自适应状态估计.将状态估计转化为输出预报和白噪声估计,从而提出了系统的最优预报器,并且证明最优预报器对于初始值的选取渐近稳定.在噪声统计未知时提出了自校正预报器.仿真例子说明了其有效性.