基于广义主成分分析的步态识别算法研究

步态识别是根据人行走方式的不同对人的身份进行识别的.通过背景减除实现人体检测,运用形态学操作和图形几何变换实现了图像的标准中心化.在特征提取阶段使用步态能量图(GEI)来描述每个步态序列,分别使用主成分分析、二维主成分分析、完全的二维主成分分析以及加权完全的二维主成分分析对特征进行降维,最后采用最近邻分类器来测试识别结果作对比研究.实验结果表明权衡计算量和识别率,二维主成分分析对于GEI的步态识别比较有效,识别率可达95.43%.     

基于多元函数主成分表示的识别学习

针对识别学习中的多维信息融合问题, 提出一种基于多元函数主成分表示识别方法。给出多元函数主成分的数值计算方法, 利用联合协方差算子计算特征值与特征向量, 提取关键区分特征。基于这些综合特征应用随机森林方法对多元函数型数据进行识别学习。在模拟数据和真实数据上比较多元函数主成分表示方法与其他几种表示方法的识别性能。试验结果表明, 在模拟数据集、英文手写体数据集和中文手写体数据集中, 准确率为1, 在运动数据集中, 准确率为0.954 4。相较于其他方法, 多元函数主成分分析这一特征抽取方法的识别效果更好, 有效地提高了识别准确率。     

基于图像模糊度与主成分分析的车牌汉字识别

针对车牌汉字字符结构复杂且图像品质差异大而导致识别率不高的情况,提出了一种基于图像模糊度的主成分分析(PCA)子空间车牌汉字字符识别方法。首先通过三角模和非模糊基数计算字符图像的模糊度,然后根据模糊度将训练样本分成不同的子集并生成相应的PCA子空间族,最后以待识别字符的模糊度为依据选择相应的子空间族进行识别。实验数据表明,本文方法使得子类的类内距离变小类间距离增大,从而可以获得较高的识别率。与其他算法的对比实验进一步表明,本文算法能更好地同时满足精度和实时性的要求,具有良好的综合性能。     

基于主成分分析的BP神经网络在岩性识别中的应用

提出一种将主成分分析和BP神经网络相结合的方法对测井资料进行岩性识别。首先将原始测井数据进行主成分分析,分析结果作为PCABP神经网络的学习样本进行训练,建立测井解释的PCA—BP神经网络岩性识别模型．并用该模型对测试样本进行识别。结果表明该方法同传统的BP神经网络相比．不仅简化了网络结构（网络的输入神经元个数由5个减少为2个）,网络收敛速度也加快了21％．而且识别的准确率提高了25％。     

基于主成分分析的特征简化

特征评述与简化是模式识别研究中至关重要的任务,本文介绍了降维映射的主成分分析特征评选与简化方法,提出了以神经网络实现主要成分分析的结构和算法,为模式识别特征简化提供了一条有效途径。     

基于水化学数据的矿山涌水水源识别:主成分分析与残差分析

涌水是矿山安全生产的重要威胁之一,掌握涌水的水源是预防这类灾害的重要依据。基于多期次的水化学监测数据,提出了利用主成分分析(PCA)和残差分析来识别涌水的水源数量和水源类型。主成分分析能够充分提取高维数据的结构信息,消除变量冗余。残差分析利用主成分分析结果,提取不同的主成分个数重构离子浓度,得出重构离子浓度和原始离子浓度之间的残差,利用残差的结构性信息来判断可能的涌水水源数量和水源类型。结果表明:随保留主成分个数的增加,重构离子浓度的精度越高,离子残差的结构性得到消除且表现出随机性。在实例应用中,通过利用5个主成分重构离子浓度消除了所有主要离子残差结构性,保证了信息的最大程度提取,因此,确定研究矿山涌水水源数量为5个; 同时,利用每个主成分对残差结构性的影响程度及离子相关性分析,确定了这5个水源类型为海水、第四系孔隙水、富钙基岩水、富镁基岩水和淡水。     

基于主成分分析方法的变电工程造价关键影响因素识别

影响变电工程造价的因素十分广泛,各因素间的关系也错综复杂。基于某省2019—2021年变电工程造价决算数据,利用主成分分析方法对变电工程造价的影响因素进行分析,并运用多元回归方法进行F检验和t检验,筛选出主变容量、高压侧配电型式、本期高压侧出线回数、低压电容器数量、二次设备单价5个指标为关键影响因素。在前期阶段要充分论证此类参数,为公司合理地控制变电工程造价和实现精准投资提供科学依据。     

基于主成分分析和图论的低压配电网相户关系拓扑识别

正确的拓扑识别成为配电网络优化调度的关键任务,但实际过程中随着配电线路的维护和检修,配网拓扑结构随之也发生变化,人工检查效率低且容易产生偏差。选择主成分分析方法对电表量测数据进行降维,利用电能守恒原理,去确定上下级电表关系,结合迭代算法和图论中树的概念,把配电系统低压侧拓扑关系建模问题变为普通单相用户与进线电压相别间线性模型辨识问题,用智能电表的量测值来进行数据挖掘。所改进的拓扑识别算法,结合某农村台区电表数据进行仿真,结果表明所提算法可以较为准确地进行低压配电网的相户关系的拓扑识别。     

主成分分析在回声定位声波识别中的应用

利用主成分分析理论对回声定位声波特征空间进行优化,通过小波包理论对回声定位声波进行预处理,提取能量参数,采用主成分分析法优化特征空间,减少冗余参数.以优化后的特征空间作为识别向量,通过神经网络对回声定位声波进行识别.结果表明,利用主成分分析优化特征空间,能在较高的识别率下有效降低特征空间维数.     

分块鲁棒主成分分析的撞击坑图像检测识别

针对遥感图像地形背景复杂的问题,提出分块鲁棒主成分分析的撞击坑候选区域自动提取方法.基于图像分块,采用交替方向乘子算法进行结构稀疏的低秩分解,低秩成分表示冗余相似的背景,稀疏成分代表包含潜在撞击坑的显著区域.针对显著的区域图采用数学形态运算分割获取候选的撞击坑图像,并通过对候选图像进行稀疏表示的分类,识别出真实撞击坑.基于火星和月球图像的实验结果表明,该方法能有效去除复杂地形和光照的干扰,检测率达到91.7%.     

基于主成分分析的上市公司财务绩效评价

对企业财务绩效的评价方法很多,但其中很多方法含有主观因素。主成分分析方法能够克服一些其他分析方法的缺点,减少主观的因素,使分析结果能够客观地反应事实。利用上市公司财务绩效评价指标体系,应用主成分分析方法对18家石油化工类上市公司进行了综合评价。分析结果显示了上市公司财务绩效的综合排名情况,为投资者提供了投资决策依据。     

基于主成分分析的图像哈希算法

提出了一种基于主成分分析的图像哈希算法.采用主成分分析对样本进行降维,取位于变换矩阵顶端最具有识别信息的少量特征向量构造投影矩阵,再对降维后样本进行局部保持映射,同时,对主成分分析投影矩阵进行随机旋转,形成多个小投影矩阵,采用矩阵拼接方法将小投影矩阵合并构造编码投影矩阵;最后,将训练样本投影到编码投影矩阵,得到降维样本,并对其进行哈希编码,得到最终的二进制编码.实验结果证明,同其他经典算法相比,该算法具有较好的稳定性,可降低内存消耗,并提高效率.     

基于核主成分分析的特征提取方法

为了证实核主成分分析在特征提取中的优越性,利用支持向量机作为分类器,以主成分分析和核主成分分析作为特征提取的工具,以分类器的分类性能作为方案优劣的评判标准设计了六种实验方案进行实验分析。实验数据表明,对特征选择后的数据集利用主成分分析和核主成分分析进行特征提取,可将数据投影到一个更低维的特征空间,实现数据维数的约简和分类器性能的提高。同时还发现,在对数据进行特征提取的能力上,核主成分分析优于主成分分析。     

基于广义主成分分析的图像重建

主成分分析(PCA)在图像识别及高维数据降维中有着普遍的应用.为提升基于主成分分析的图像重建性能,在经典PCA算法的基础上提出了广义主成分分析(TPCA),并利用该算法进行图像重建.该算法利用图像像素的空间邻域构成固定尺寸的数组并将其作为广义标量进行代数运算,可以方便有效地描述各像素的空间约束,从而提升图像的重建效果,...     

基于Hu矩的主成分分析特征目标识别技术算法设计与实现

详细介绍Hu矩,实现结构矩的离散化计算,然后测试Hu矩在对图像加入不同程度模糊下的特征继承性.根据Hu矩的平移、旋转和缩放不变性,设计基于主成分分析的特征目标识别算法.将基于主成分分析的快速匹配算法和基于Hu矩的图像特征识别算法结合,实现了良好的特征辨识和匹配效果.     

基于主成分分析的大理州经济发展分析与评价

在多指标问题分析和评价过程中,主成分分析法是一种有效的工具。以2007—2009年云南年鉴数据为依据,运用主成分分析法对大理州12县市的经济发展实力进行了排序和分类;依据结果分析了大理州12县市经济发展差异的特点及形成原因;评价了大理州12县市经济发展状况,为促进地方经济发展及制定竞争性战略政策提供依据。     

基于主成分分析的吉林省高校信息化评价

根据吉林省高校信息化发展的实际情况,从高校信息化发展的多维度、多层次和综合性的角度出发,构建了高校信息化综合评价指标体系.采用调查问卷和咨询专家的方法,结合吉林省教育统计年鉴获得数据,并采用主成分分析的方法对吉林省高校信息化进行了评价.     

基于主成分分析和人工神经网络的酒类辨识

介绍了人工嗅觉系统对不同酒类样本的定性识别,尝试利用主成分分析(PCA)和人工神经网络(ANN)中改进的BP算法、改进的RBF算法(最近邻RBF与k均值RBF相结合选取中心的算法)和k均值RBF算法,实现对酒类的定性识别.实验结果表明:结合PCA的ANN方式为模式识别、分类提供了快速准确的辨识方法.     

基于主成分分析的神经网络评价模型研究

根据供电企业的特点,建立了适用于评价供电企业营销效果的指标体系,综合运用主成分分析法和BP神经网络方法建立模型,对供电企业的营销效果进行了模拟综合评价。     

基于概率主成分分析的车牌提取方法

提出了一种新颖的采用概率主成分分析的车牌提取方法。该方法是一种基于纹理分析的图像分割算法，适合于彩色及灰度图像。实验表明，该方法能准确地提取图像中的车牌。