基于向量投影的支撑向量预选取

支撑向量机是近年来新兴的模式识别方法,在解决小样本、非线性及高维模式识别问题中表现出了突出的优点．但在支撑向量机中,支撑向量的选取相当困难,这也成为限制其应用的瓶颈问题．该文对支撑向量机的机理经过认真分析,研究其支撑向量的分布特性,在不影响分类性能的前提下,提出了基于向量投影的支撑向量预选取法,从训练样本中预先选择具有一定特征的边界向量来代替训练样本进行训练,这样就减少了训练样本,大大加快了支撑向量机的训练速度。     

基于向量投影的支持向量机增量算法

提出一种新的基于向量投影的支持向量机增量式学习算法.该算法根据支持向量的几何分布特点,采用向量投影的方法对初始样本及增量样本在有效地避免预选取失效情况下进行预选取.选取最有可能成为支持向量的样本形成边界向量集,并在其上进行支持向量机训练.通过对初始样本是否满足新增样本集KKT条件的判断,解决非支持向量向支持向量转化的问题,有效地处理历史数据.实验表明,基于向量投影的支持向量机增量算法可以有效地减少训练样本数,积累历史信息,提高训练的速度,从而具有更好的推广能力.     

决策树支持向量机多分类器设计的向量投影法

针对如何有效地设计决策树支持向量机(SVM)多类分类器的层次结构这个关键问题,提出一种基于向量投影的类间可分性测度的设计方法,并给出一种基于该类间可分性测度设计决策树SVM多分类器层次结构的方法.为加快每个SVM子分类器的训练速度且保持其高推广性,将基于向量投影的支持向量预选取方法用于每个子分类器的训练中.通过对3个大规模数据集和手写体数字识别的仿真实验表明,新方法能有效地提高决策树SVM多类分类器的分类精度和速度.     

基于PCA法向量计算和投影法的圆锥拟合

针对规则曲面特征重构中圆锥曲面重构拟合的问题,提出了一种基于PCA法向量计算和投影法的圆锥拟合方法。为了实现锥面的参数化重构,首先以距离函数的逼近函数模型作为目标函数,确定待计算的锥面拟合参数,然后求解锥面参数初值。计算参数初值时,通过PCA主成分分析法计算点云法向量,生成轴线后采用投影法计算底面圆心,再求解锥面其他参数初值,最后结合Levenberg-Marquardt法迭代重构圆锥面。通过分析锥面散乱点云,使用该方法得到的参数初值进行迭代,迭代次数7次,迭代最终平均误差为1.8804e-04。该方法在散乱点云中应用良好,降低了稀疏数据对初值的影响,改善了迭代初值造成的迭代不收敛性,进而求得更加精确的圆锥参数。     

一种新的基于向量投影的在线故障诊断方法

本文提出一种新的基于向量投影的在线故障诊断方法,此方法的核心是要建立故障信号向量,并利用Latice滤波器算法,通过观察故障信号向量在观测信号空间上的投影来实现故障检测和分离的。本方法除了得到仿真实验的验证外,还在实际的转子模拟实验台上,对三种典型的故障——摩擦、油膜涡动和油膜振荡实现了在线故障诊断。实验结果表明这种方法是有效的,而且比谱分析法对故障有更高的灵敏度。     

基于几何算法的投影孪生支持向量机

投影孪生支持向量机（PTSVM）是最近提出的一种具有较好泛化性能的分类模型,但由于采用内点算法求解二次规划问题,PTSVM的训练速度较慢。针对该缺陷,提出一种快速的、基于几何算法的 PTSVM（GPTS-VM）。遵循 PTSVM的几何思想,提出一种新的二次规划模型,为每类数据产生一个投影方向;然后基于优化理论推导该模型的对偶问题并给予明确的几何解释,并利用计算几何算法求解。实验表明,提出的方法具有更快的训练速度和更好的泛化性能。     

基于投影寻踪和支持向量机的模式识别方法

由于支持向量机(SVM)在处理小样本、高维数及泛化性能强等方面的优势,提出了一种基于投影寻踪(PP)和支持向量机的模式分类方法.利用PP方法把高维数据转换到低维子空间,同时用加速遗传算法获得最佳投影方向和投影值,揭示了高维数据的结构特征,然后在低维空间中用SVM对特征向量进行分类识别,并将其应用到银行信贷风险评估中.选用2005年度80家贷款申请企业的数据样本,对该模型进行验证,通过与神经网络模型的比较,证实了该方法用于模式识别的有效性及优越性.     

权向量投影多平面支持向量机

提出一个多平面支持向量机算法——权向量多平面支持向量机(WMPSVM)。该方法利用差代替Rayleigh商问题,从而避免广义特征值的奇异问题。与传统分类器不同,该方法无需求解具体的超平面,仅求解两个权向量。其决策是将测试样本归为距样本投影均值距离最近的所在的类。从广义支持向量机(GEPSVM)求解目的出发,该方法在保证得到与GEPSVM相当的计算效率的前提下,能较好地求解异或问题以及一些复杂异或问题。最后在人工数据集和UCI数据集上显示,该方法的性能要好于GEPSVM。     

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。     

基于约束投影的支持向量机选择性集成

提出两种基于约束投影的支持向量机选择性集成算法。首先利用随机选取的must-link和cannot-link成对约束集确定投影矩阵,将原始训练样本投影到不同的低维空间训练一组基分类器;然后,分别采用遗传优化和最小化偏离度误差两种选择性集成技术对基分类器进行组合。基于UCI数据的实验表明,提出的两种集成算法均能有效提高支持向量机的泛化性能,显著优于Bagging,Boosting,特征Bagging及LoBag等集成算法。     

基于圆投影与矢量和的旋转不变量检测方案

在工业产品检测中,传统模板匹配方法不适用于元件标志的旋转情况。针对该问题提出基于圆投影与矢量和的旋转不变量检测方案,采用构造模板的方法,乘以模板中的系数实现灰度图像圆周投影统计和一维特征向量矢量圆求和的功能。实验结果证明,该方案可以实现目标发生旋转后的标志匹配,其抗噪能力和处理速度高于SIFT算法。     

基于51单片机的LED点阵音乐频谱显示器

通过使用单片机原理,利用数字信号理论,使音乐频谱分析在单片机上的实现。系统包括：声音接收模块,声音转换模块和LED组成的点阵显示单元。其中声音采集模块,是利用STC12C5A60S2单片机中的声音采集和A／D转换。音频的模拟信号通过声音采集模块接收到,经过A／D转换系统,转换为数字信号,送给下一级处理单元处理。声音转换模块利用STC12C5A60S2单片机内部的资源,进行FFT处理。显示模块接收AD转换后的信号,控制5组,总共有55个LED灯泡,分别完成显示。LED灯的明暗条件,是随着音乐的频率变化所决定的,随时更新做出相应的变化,通过视觉上的灯光显示以实现音乐频谱。     

基于运动矢量投影的帧率转换算法

提出一种基于运动矢量投影的帧率转换算法。在运动估计阶段，采用连续消除算法SEA，将该算法与全搜索相结合，对块匹配准则的计算过程进行优化，可以在保证图像质量的同时减小计算复杂度。在运动矢量场投影过程中，定义一个新的运动矢量选取标准，在匹配准则的基础上添加了块的位置信息，相对于传统标准，本标准更能代表内插块的真实运动，准确性更高。在运动补偿阶段，针对投影过程中产生的重叠现象，采用自适应加权补偿插值算法，考虑所有重叠投影块的运动信息。对于产生的空洞现象，采用运动矢量中值滤波的算法来填充。实验结果表明，该算法可以减少运动信息的丢失，插值效果更加准确。     

基于投影矢量的双组播树高效路由数据收集

现有的节点数据收集算法复杂度高,与路由结合效果不理想,且不能满足无线传感器网络高效能量的节点数据收集,而压缩感知理论具有容错性好、编码简单的优点。基于压缩感知的特性,提出了一种传感器网络中基于投影矢量的双组播树高效路由数据收集,该算法将贝叶斯压缩感知理论与传感器路由相结合,解决现有算法不能满足传感器对能耗敏感的问题。算法的基本思想首先根据初始观测矢量来寻求能量高效并得到合适路由的最优投影。然后利用节点系数能耗最小与广义矢量的主分量作为目标节点,采用微分嫡改变量最大的原则进行求解节点最佳投影系数,最后在sink与目标节点路由问题上采用正逆向组播树进行路由构造。理论和仿真结果表明在保证能耗的条件下取得了较好的重建仿真效果,对无线传感器通信具有一定的实用价值。     

基于球体投影的三维模型检索

针对草图检索三维模型时存在的域不匹配和如何选取视图等问题,提出一种基于球体投影的三维模型检索方法。针对域不匹配问题,提出基于球体投影的二维视图获取方法,并使用高斯差分和贝塞尔曲线完成线图的提取;利用草图和投影图像之间的关系构建分类器,以获取模型的最优视图;通过两个Siamese网络获取草图和二维视图的特征,并用联合贝叶斯（Joint Bayesian）方法来融合二者的输出,从而获得最终结果。实验证明了该方法的可行性,与其他方法相比具有更好的检索效果。     

基于矢量投影法的武器系统模糊多属性决策评估

武器系统效能评估是属于多属性决策问题,一般对武器系统的描述及评判准则通常以语词描述,因此语意不明及模糊不清。为了克服这些问题,文中基于模糊多属性决策法,由武器系统性能规格数据及专家的意见来建立武器系统评判准则和模糊函数,通过将加权后的方案矢量投影到理想解上,再将负理想解投影到方案矢量上,进而在两个投影的基础上构建方案与理想解的相对贴近度,用以确定多属性决策方案的优劣次序。最后以迫击炮系统评估实例来说明评估的过程。     

基于差分投影和梯度向量流场的眼睛特征提取

提出了差分投影的方法确定眼睛区域,并根据人脸图像的边缘梯度图提出了一种新的基于梯度向量流场的眼睛特征提取方法。该算法改进原有的梯度向量流迭代方程求解梯度向量流场,以梯度向量流场中的汇点作为候选点,通过人脸器官的几何位置关系等方法评价候选点以定位眼球。算法能较好地容忍一定的光照变化、人脸的小角度倾斜和旋转、闭眼和眼镜等干扰。在具有以上干扰的ORL人脸库(400幅图像)和JAFFE人脸表情库(213幅图像)上的实验证明该算法具有较好的眼睛特征抽取能力。