基于投影归一化的字符特征提取方法

提出了一种基于投影归一化的字符特征提取方法,该方法首先对字符图像进行横向扫描和纵向扫描生成行投影向量和列投影向量,然后通过对行投影向量和列投影向量进行维数和密度的归一化处理生成双投影归一化向量作为特征向量。聚类和识别实验表明双投影归一化向量不仅计算简单,而且对同种字体不同字号的英文字符识别可达到较好的结果。     

基于样本投影分布的平衡不平衡数据集分类*

提出一种平衡不平衡数据集统一分类方法,首先得到训练样本基于支持向量机（SVM）超平面法线方向上的投影;再借助支持向量数据描述（SVDD）对训练样本投影分布进行描述;测试样本在此基础上实现分类。平衡或不平衡数据集都可采用相同的方法进行分类。实验表明该方法能够同时对平衡或不平衡数据集进行有效的分类。     

扩展变换抖动调制水印算法中投影向量的研究

扩展变换抖动调制（spread transform dither modulation，STDM）是一种性能很好的水印算法，该算法中用于扩展变换的投影向量是影响其性能的一个重要因素。本文研究STDM中的投影向量，对随机投影向量、均匀投影向量、平行投影向量、从频率角度选择的投影向量和从HVS角度选择的投影向量进行了介绍，并对选择各种投影向量时STDM的鲁棒性进行了比较与分析，得到了不同噪声攻击下，使得STDM水印算法的鲁棒性达到最优的投影向量选择方法。此外，为了充分利用HVS的特性，介绍了结合HVS综合选择投影向量的方法，实验结果说明该方法可以进一步改善STDM算法的视觉效果和鲁棒性。     

基于在线磨粒和改进RAGA-PPC传动箱磨损状态评估研究

针对装甲车辆传动箱油液中磨损颗粒收集滞后,数据维数高,设备磨损权重难以确定问题。使用安装在传动箱上的在线油液磨粒传感器采集数据,建立变速箱磨损状态的7个评价指标。采用罚函数法构建投影指标模型（PPC）,降低数据维数。为了避免初始值和初始搜索方向引起的局部收敛,采用改进加速遗传算法（RAGA）求解最佳投影方向。得到最佳投影方向后将7个指标投影到低维数据空间,分析投影边界值得到运行投影范围。通过分析在线数据投影值落点,得到设备的磨损状态。该方法提高了寻优速度和判别精度,实现了更有效的传动箱磨损状态评估。     

面向文本分类的矩阵投影算法

对文本分类中降维技术、提高分类精度和效率的方法进行了研究,提出了一种基于矩阵投影运算的新型文本分类算法——Matrix Projection（MP）分类算法。矩阵运算将训练样例中表示文本特征的三维空间投影到二维空间上,得到归一化向量,有效地达到了降维与精确计算特征项权重的目的。与其他多种文本分类算法对比实验表明,MP算法的分类精度和时间性能都有明显提高,在两套数据集上的宏平均F1值分别达到92.29%和96.03%。     

基于免疫进化算法的投影寻踪聚类在公司债券财务质量评级中的应用

针对公司债券财务质量评级问题,采用投影寻踪聚类(PPC)模型,将多维数据指标转换到低维子空间,并利用免疫进化算法(IEA)优化其投影方向,根据投影函数值的大小评价出样本的优劣,从而做出决策。应用表明,该方法能利用一个综合反映多因素之间复杂关系的特征指标给出客观而直接的评价结果,且根据计算结果还可以分析各个指标对综合评价结果的影响程度,为公司债券财务质量评级提供了一种计算过程简单、直观的新方法。     

投影寻踪建模中关键参数合理值的确定与分析

从理论和实证两个视角分析了四种选取合理的窗宽半径[R]值方案对投影寻踪分类（PPC）建模结果的影响,指出了投影寻踪分类建模中存在的问题,研究结果表明：[R]取较小值[(R0.1Sy)]方案时,通常情况下最优化过程无法求得真正的全局最优解;[R]取较大值[(rmaxR2m)]方案,不仅其证明过程是错误的,而且与PPC建模的基本思想相矛盾;[R]取常数的方案,也与PPC建模选取[R]值的要求不一致;只有[R]取中间适度值[(rmax/5Rrmax/3)]方案是合理和正确的,既符合PPC建模的基本思想和选取[R]值的要求,最优化过程也能求得真正的全局最优解。     

基于三维GIS的现代化营房快速建模方法

因现代化营房范围大、区域多,增加了建模的工作量与复杂度,极大程度影响建模速率,为此,本研究以三维GIS(Geographic Information System,地理信息系统)为技术背景,设计出一种现代化营房快速建模方法。利用数字高程模型表面表达式与不同表面性质的建模通用多项式函数,构建双线性数字高程模型表面。基于格网数据与土坑底点以及外沿线的高程数据,获取抛物曲面表面。将营房框架拆解成屋顶、门廊、建筑主体等简易对象,得到简易对象的点、线、面状等几何表达形式。采用投影中介平面法向量,架构各墙面法向量表达式,求取中介平面上墙面顶点投影坐标。在中介平面中架构二维平面坐标系,得到二维坐标系内各投影点的相对坐标,归一化纹理坐标,映射全部顶点至纹理空间,实现模型构建。经过实验结果证明,该方法具有较好的建模效果,总建模时长为64.82 s,大幅度提升了建模速度。     

基于投影算子的图书索书号自动识别

图书书脊和索书号的识别是图书馆自动存取书机器人的关键技术,提高书脊和索书号识别的效率是研究的热点.研究一种简单的投影算子将其应用于书脊和索书号的识别以提高了识别效率和速度;以书架图书二值化图内容为基础,构建图书列向量,在列投影算子的作用下求得列投影向量,根据列投影向量曲线的情况快速准确识别图书书脊;以单本书脊二值化图内容为基础,分别构建书脊行向量和列向量,通过行投影算子得到行投影向量,根据行投影向量曲线的变化情况识别索书号元素的行位置信息,通过列投影算子得到列投影向量,根据列投影向量曲线的变化情况识别出索书号元素的列位置信息,根据行、列位置信息切分出索书号元素图片,在归一化后计算待识别索书号元素图片与字符标准模板的匹配度,将最大匹配度所对应的字符标准模板映射的字符作为识别结果;经实验证明基于投影算子的书脊和索书号识别的速度快,准确率高.     

改进的局部保持投影算法的多模型软测量

针对化工生产过程中软测量模型估计精度的问题,提出一种基于改进的局部保持投影算法的多模型建模方法。该方法通过有监督自适应权值的局部保持投影算法对输入数据空间进行特征提取,并结合最近邻分类器算法进行输入空间的划分,最后融合支持向量机实现多模型建模。仿真应用结果表明:将改进的局部保持投影算法应用在UCI数据库的Iris数据集的分类中,其分类精度高于基本的局部保持投影算法的分类精度;同时将改进的局部保持投影算法的多模型建模方法应用于双酚A生产的软测量多模型建模中,该方法能够有效的进行输入空间地划分,构建回归模型的数据更加合理,使得模型估计精度得到了提高,并具有更强的泛化能力。     

面向脑电情感识别的改进多分类RVM模型研究

从相关向量机（RVM）和支持向量机（SVM）的相似性以及RVM的稀疏特性出发，将RVM应用于脑电信号（EEG）的情感识别中。针对一对一（OAO）和一对多（OAA）两种多分类方法各自的特点和不足，提出了一种全新的两层多分类模型（OAA-OAO），改进现有OAO算法中无效投票影响最终决策的现象。设计情感EEG信号识别对比实验，验证基于RVM的改进多分类算法在脑电信号情感识别中的应用。对于实验室采集的情感脑电信号，提取其非线性特征（功率谱熵、样本熵和Hurst指数）并采用主成分分析法进行降维。将OAA-OAO-RVM算法分别和OAO-SVM、OAO-RVM两种识别网络进行对比，分析RVM的识别性能以及OAA-OAO多分类算法的分类性能。结果表明，采用降维后的最优特征集合作为识别网络的输入向量得到的识别性能更高，且RVM表现出的性能优于SVM。同时，改进后的OAA-OAO算法较传统OAO模型的平均识别率提高了7.89%，证明OAA-OAO算法可有效去除一部分无效投票从而使分类精度得到显著提高，验证了此模型是一种有效的多分类模型。     

基于混合分类器的表情识别方法

根据隐马尔可夫模型(HMM)适用于处理连续动态序列信号、支持向量机(SVM)与K近邻分类器(KNN)擅长模式分类的特点,设计一种(HMM+KNN)+SVM的混合分类器。利用HMM与KNN对测试样本进行判决。当判决结果相同时,直接输出判决结果,否则引入SVM对测试样本进行再判决。实验结果表明,该方法所确定的分类器优于单一的分类器判决,能有效实现表情识别。     

地球同步轨道SAR快速BP成像算法

地球同步轨道合成孔径雷达（Geosynchronous Synthetic Aperture Radar，GEO SAR）轨道高，合成孔径长，采用局部近似处理的后向投影算法（Local Back Projection，LBP）不再适用。结合传统LBP算法原理，构建了基于LBP的GEO SAR相位误差模型，提出了适用于GEO SAR的LBP成像处理方法。仿真结果表明改进后的LBP算法在保证成像质量与传统BP算法基本相近的同时，将计算效率提升了75倍。     

基于网络度量的三分支孪生网络调制识别算法

针对基于孪生网络的小样本调制识别算法存在相似识别类别混淆的问题,提出一种基于网络度量的三分支孪生网络调制识别算法。通过三分支孪生神经网络（Triplet Siamese Neural Network,TSN）将输入三元样本组的原始特征映射至特征子空间中。将正负样本与参考样本特征并联输入至两个参数共享的关系网络（Relation Network,RN）,学习一个非线性的度量函数。通过各个类别的特征向量生成各类别的类原型,作为测试过程中的类特征输入。为降低信道噪声和信号接收误差对均值类原型表达的影响,采用局部异常因子算法（Local Outlier Factor,LOF）剔除类别中偏差数据。在公开的调制数据集DeepSig中进行验证,仿真结果表明,TSN-RN-LOF算法模型可以充分利用相似类别之间的差异信息,提取更具辨识度的特征,取得更优的识别性能。     

距离加权极端支持向量机

由于极端支持向量分类机（ESVM）在对样本进行分类时并没有考虑到数据集中样本点的分布情况,对所有样本点的误差项都给予了相同的惩罚因子,使得分类器的分类效果很容易受到噪声、野值数据的干扰,针对这个问题,在ESVM的基础上提出了一种基于距离加权的极端支持向量机（WESVM）。由于不同的样本到其类中心距离的不同,因此对不同的样本给予不同的权重。分类实验结果表明WESVM与ELM、ESVM相比具有更好的分类精度。     

MIMO/SA多天线空时信道建模

运用相关矩阵法,通过计算2根天线之间的相关系数、多输入多输出(MIMO)的相关矩阵,得到MIMO信道系数矩阵,在其中加入智能天线(SA)的导向向量和赋形向量,得到MIMO/SA矩阵,由此实现对MIMO/SA多天线空时信道的建模。利用Matlab搭建一个仿真平台,从空间、时间、频率3个方面分析MIMO/SA多天线信道模型,结果表明,该模型具有较好的信道方向性增益,信道的空时频特性符合3GPP 25.996的要求,可用于MIMO/SA多天线的设计、优化和信道容量分析。     

混合词汇特征和LDA的语义相关度计算方法

文本语义相关度计算在自然语言处理、语义信息检索等方面起着重要作用,以Wikipedia为知识库,基于词汇特征的ESA（Explicit Semantic Analysis）因简单有效的特点在这些领域中受到学术界的广泛关注和应用。然而其语义相关度计算因为有大量冗余概念的参与变成了一种高维度、低效率的计算方式,同时也忽略了文本所属主题因素对语义相关度计算的作用。引入LDA（Latent Dirichlet Allocation）主题模型,对ESA返回的相关度较高的概念转换为模型的主题概率向量,从而达到降低维度和提高效率的目的;将JSD距离（Jensen-Shannon Divergence）替换余弦距离的测量方法,使得文本语义相关度计算更加合理和有效。最后对不同层次的数据集进行算法的测试评估,结果表明混合词汇特征和主题模型的语义相关度计算方法的皮尔逊相关系数比ESA和LDA分别高出3%和9%以上。     

公共空间模式算法结合经验模式分解的EEG特征提取

常规的公共空间模式分解方法需要大量的输入通道、缺乏频域信息,发展受到限制。为了克服以上缺点,将经验模式分解（Empirical Mode Decomposition,EMD）和公共空间模式算法结合,改变CSP滤波器成分选择方式,提出EMD-CSP算法来获取特征向量。该算法对预处理后的信号进行经验模式（EMD）分解,得到固有模态函数（Intrinsic Mode Functions,IMFs）,观察并计算每个IMF分量的能量谱,筛选有效的IMF频段（5~28 Hz）,使用改进的CSP滤波器进行滤波获取特征,最后使用支持向量机（Support Vector Machine,SVM）进行分类。分类结果得到9位受试的想象运动平均分类正确率为92%,证实了该算法的可行性与有效性。     

二维离散分数余弦变换的改进形式

将一维离散余弦变换的变换核扩展到二维分数形式,得到Pei形式的二维离散分数余弦变换。通过整数阶余弦变换的线性叠加构造一种改进形式的二维离散分数余弦变换,并基于特征值和特征向量理论,分析2种离散分数余弦变换的周期关系。数值仿真结果表明,2种形式可以达到相同的变换结果,适用于图像编码、数字水印等领域。     

基于危险理论和DCA的WSNs入侵检测系统模型

针对无线传感器网络(WSNs)由于自身特点易于遭到入侵且传统被动的安全机制无法完全应对这一问题,对人工免疫系统(AIS)进行研究,设计一种新的入侵检测系统(IDS)模型。模型采用危险理论和适用于WSNs的改良树突状细胞算法(DCA),可使节点之间彼此分工合作共同识别入侵,加强了网络的鲁棒性。仿真结果显示:与早期的自我—非我(SNS)模型相比,研究的模型在检测能力和能耗上均有很好的表现。