一种基于SLLE的手写体数字识别算法

流形学习是一种新的非监督学习方法,可以有效地发现高维非线性数据集的内在维数并进行维数简约。本文基于流形学习技术的研究,针对在手写字符识别中由于书写习惯和风格的不同造成字符模式不稳定的问题,提出了一种基于流形学习的手写体数字识别方法。并在原有流形学习非监督的基础上引入了监督信息,从而保证高维到低维的映射在保留流形某些结构的同时,也进一步分离了不同类别的流形。算法首先利用基于监督的局部线性嵌入（SLLE）对手写体数字图像进行字符特征的降维,然后再对降维后的特征进行分类识别。通过对MINST库中手写体数字数据库上的实验结果表明,利用SLLE降维以后的特征能够有效地区分字符,具有较好的识别率,能够发现高维空间的低维嵌入流形,识别率达到93.27％,为手写体数字识别的研究提供了一条有效的新途径。     

基于SVMD与SLLE的机械设备齿轮箱故障诊断方法

针对机械设备齿轮箱故障识别难度较大,且采集的信号通常受到强背景噪声干扰等问题,提出一种将连续变分模式分解(SVMD)和监督局部线性嵌入(SLLE)相结合的算法,用于机械设备齿轮箱的故障诊断。首先通过SVMD对采集到的振动信号进行分解,得到特定的期望模式分量;然后再获取这些分量的类标签信息,并利用这些类标签信息来缩放不同类别分量间的欧几里德距离;最后通过SLLE对这些处理后的样本数据进行降维处理,从而准确识别机械设备齿轮箱的故障类型。通过对模拟仿真信号和从齿轮箱故障模拟实验平台采集到的振动信号进行分析,聚类识别的正确率可以达到95.27%,验证了所提出方法的可行性。     

模式分类器在手写体数字识别中的应用比较研究

贝叶斯分类器、线性分类器和K近邻分类器是模式识别中三种典型的模式分类器.比较三种分类器在识别手写阿拉伯数字过程中的性能优缺点,进一步对识别数据进行详尽的分析挖掘,通过对算法精确度、识别速度及计算存储需求等方面的比较,深入探讨三种监督式分类器的差异和特点,最终得到不同的分类结果,从而寻求最优化的决策方案.     

基于非线性流形学习的磨粒特征提取方法

针对磨粒特征参数多、非线性突出的问题,提出一种基于非线性流形学习的磨粒特征提取方法。该方法将磨粒特征重构到高维相空间中,利用局部线性嵌入算法提取出隐藏其中的低维流形,并根据数据流形的弯曲性和邻域参数的关系,实现高维相空间中局部邻域参数的自适应选取。实验结果表明,该方法有效地克服了主成分分析和核主成分分析方法的不足,提取的磨粒特征敏感性更好,从而提高了磨粒识别的精度。     

模式分类器在手写体数字识别中的应用比较研究

贝叶斯分类器、线性分类器和K近邻分类器是模式识别中三种典型的模式分类器.比较三种分类器在识别手写阿拉伯数字过程中的性能优缺点.进一步对识别数据进行详尽的分析挖掘.通过对算法精确度,识别速度及计算存储需求等方面的比较,深入探讨三种监督式分类器的差异和特点.最终得到不同的分类结果,从而寻求最优化的决策方案.     

基于有监督的核局部线性嵌入的面部表情识别

流形学习方法可以有效的发现存在于高维图像空间的低维子流形并进行维数约简,近年来越来越受到生物特征识别和认知科学领域的研究者的重视。但是流形学习是一种非监督学习方法,其鉴别能力反而不如传统的维数约简方法,而且流形学习方法大多没有明晰的投影矩阵,很难直接对新样本进行维数约简。针对这两个问题,本文提出一种新的有监督的核局部线性嵌入算法(supervised kernel local linear embedding,SKLLE),并将算法应用于面部表情识别。该算法通过非线性核映射将人脸图像样本投影到高维核空间,然后将人脸图像局部流形的结构信息和样本的类别信息进行有效的结合进行维数约简,提取低维鉴别流形特征用于表情分类。SKLLE算法不仅能发现嵌入于高维人脸图像空间的低维表情子流形,而且增强了局部类间的联系,同时对新样本有较好的泛化性,实验结果表明该算法能有效的提高面部表情识别的性能。     

基于分维LLE和Fisher判别的故障诊断方法

针对非线性系统故障诊断难以解决的问题,通过改进的局部线性嵌入映射算法解决了非线性数据的特征映射问题。首先,通过线性拟合改进了基于分形维估计的内在维数的估计。然后,将故障状态与空间分布结合起来,通过确定数据点在空间超球内的分布完成故障的检测,在这个过程中将超球的确定与LLE算法中基于核函数的样本外数据扩展结合起来,大大减少了计算量,提高了算法的实时性。然后,利用Fisher判别分析进行故障匹配,通过计算最优的投影向量与历史故障数据投影向量的相似度的计算,完成故障识别,从而为复杂非线性系统故障诊断提供了一种新的有效的方法。     

自组织LLE算法及其在人脸识别中的应用

流形学习方法可以有效的发现存在于高维图像空间的低维子流形并进行维数约简,近年来越来越受到生物特征识别和认知科学领域的研究者的重视。针对局部线性嵌入（Local linear embedding,简称LLE）流形学习算法存在的问题,本文提出了一种自组织LLE算法(Self-Organized LLE,简称SO-LLE),该算法不仅能自动确定数据点邻域选择、减少运算量,而且能有效的发现嵌入于高维人脸图像的低维子流形。本文对SO-LLE算法进行了详细的理论分析,并应用各种数据集进行了仿真实验和分析。在公开的人脸数据库上的仿真实验结果表明,该方法能有效的提高人脸识别的性能。     

基于局部边缘判别投影的机械故障诊断方法

针对故障特征集维数过高的问题,提出一种基于局部边缘判别投影(locality margin discriminant projection,简称LMDP)的故障数据集降维算法.该算法定义了局部类间相似度和局部类内相似度,使相邻的异类在低维空间中离的更远、相邻的同类样本在低维空间中离的更近.分别提取转子振动信号的时域和频...     

基于流形学习算法的齿轮变速箱故障特征提取

流形学习算法是一种非线性的数据降维方法,可以获得数据的低维几何结构,能很好的体现系统的本质。为了提高齿轮变速箱振动故障信号的可分性,应用流形学习方法对齿轮变速箱振动信号进行故障特征提取。研究结果表明,流形学习方法可以有效地提取齿轮变速箱振动故障的特征信息,并能有效区分不同故障类型的特征信息。运用流形学习方法进行故障特征提取后的诊断结果与时域统计特征提取方法相比,提高了故障诊断的正确率。     

基于加权判别局部多线性嵌入的人脸识别

张量算法克服了传统向量算法的维数灾难和小样本问题,在人脸识别中取得了较好的效果.尽管如此,现有张量算法容易导致邻近类别在低维空间中重叠,为此,提出了一种加权判别局部多线性嵌入算法.该算法设计了一种自适应加权的判别准则,结合类别信息,保持了同类人脸图像之间的局部流形结构,同时利用高斯基函数作为加权函数,根据人脸图像对其他类别的影响,自适应产生权重系数,加大了类间样本的区分度.此外,该算法采用张量形式表示图像数据,保留了图像的结构,继承了张量算法的优点,并且有效地解决了out-of-sample问题.人脸识别实验表明,对于光照,姿态和表情的变化,该算法具有较好的稳健性和较高的识别率.     

Supervised locally linear embedding projection (SLLEP) for machinery fault diagnosis

Following the intuition that the measured signal samples usually distribute on or near the nonlinear low-dimensional manifolds embedded in the high-dimensional signal space, this paper proposes a new machinery fault diagnosis approach based on supervised locally linear embedding projection (SLLEP). The approach first performs the recently proposed manifold learning algorithm supervised locally linear embedding (SLLE) on the high-dimensional fault signal samples to learn the intrinsic embedded multiple manifold features corresponding to different fault modes, and map them into a low-dimensional embedded space to achieve fault feature extraction. For dealing with the new fault sample, the approach then applies local linear regression to find the projection that best approximates the implicit mapping from high-dimensional samples to the embedding. Finally fault classification is carried out in the embedded manifold space. The ball bearing data and rotor bed data are both used to validate the proposed approach. The results show that the proposed approach obviously improves the fault classification performance and outperform the other traditional approaches.     

数字识别技术在钢卷尺自动检定系统中的应用

为了更好地实现对钢卷尺上数字的识别,采用了具有强大图像处理能力的 TMS320DM642 数字处理器,完成了钢卷尺自动检定系统的硬件设计,并在此基础上对原始图像进行了灰度化、二值化等预处理,采用模板匹配的方法在VC 中完成了数字识别仿真.仿真结果表明,采用此方法可获得钢卷尺上数字良好的识别效果.     

基于BP神经网络的数显仪表动态字符识别系统

在化工、冶金等行业以及较为恶劣的环境场合下进行仪表数据的自动化采集,需要对仪表显示的动态数据进行自动识别,以判断是否满足控制条件。因此根据数字仪表图像的特点,运用区域生长算法定位仪表图像中的数据区域,并取得理想的效果,采用投影法对字符串进行分割,最后应用BP神经网络法进行分类识别数字字符,实验结果表明,其正确识别率达到96%。     

用于英文字母识别的三种人工神经网络的设计

分别采用单层感知器、BP网络和霍普菲尔德网络三种神经网络对26个英文字母进行识别,通过实验给出各网络的识别出错率,从中可以看出三种人工神经网络各自的优缺点,为选择神经网络进行字符识别提供了一定的依据.     

发动机曲轴箱制造中复杂特征识别实现

本文阐述了数字化工厂工艺规划系统中的特征识别原理和种类,着重研究了加工过程中的复杂特征及其识别方法.以发动机曲轴箱制造过程为例,说明该方法能有效解决数字化加工中CAD/CAM沟通难以及现有特征识别中存在的鲁棒性较差、复杂特征不易识别的问题.     

车牌字符分割与识别算法的研究与实现

本文在车牌定位的基础上。利用迭代法进行车牌图片二值化。然后利用基于连通区域标记的方法对图片进行目标区域标记。结合车牌先验知识对车牌字符进行切分。提取字符的13特征。利用BP神经网络进行字符识别。实验结果表明,本文采用的字符分割和识别算法效果良好。     

基于构成模式的煤气表读数字符识别技术研究

对煤气表检定装置中的表值读数字符识别进行了研究,应用图像处理和模式识别技术来完成煤气表读数识别,设计编制了相应软件.针对煤气表读数滚动变化特点而形成的不同区域字符构成模式,采用不同识别策略与算法.对完整型字符采用结构特征判别法识别,对不完整型字符采用模板匹配法进行识别.