基于二维主成分分析的掌纹识别研究

掌纹作为一种新的生物特征可用来进行人的身份识别.论文提出了将二维主成分分析方法(2DPCA)应用于掌纹识别的特征提取,并在PolyU掌纹数据库上利用最近邻分类器与余弦距离度量进行了相应的实验,得到了99.4%的正确识别率.二维主成分分析方法相比主成分分析方法(PCA)方法具有更高的识别率和更快的计算速度,尤其是在小样本训练数据的情况下优势更明显.同时论文也研究了不同应用系统下阈值的选取方法.     

基于非线性主成分分析的车身制造偏差源诊断

对主成分分析在轿车车身制造偏差源诊断方面的不足进行了分析,进而在其基础上提出采用非线性主成分分析,从而更有效、更准确地来对轿车车身制造偏差源进行诊断,并给出了计算实例。实例证明该方法优于主成分分析,并在工程上有较大的可用性。     

主成分分析在空调器风机选型中的应用

采用主成分分析方法，提出了一种空调器多翼离心通风机性能的综合评定方法。为空调风机的选型提供了依据。     

基于主成分分析理论的装载机多源数据特征提取

为缓解工程车辆在复杂作业环境下因特征属性多、信号干扰大,引起运算时的维数灾难,以某5 t装载机为研究对象,在V形循环作业工况下采集压力、流量、转速及转矩等信号;在剔除部分冗余变量、加入衍生变量后基于主成分分析(PCA)理论对多源数据进行特征提取。通过实验分析得出装载机前轴扭矩、后轴扭矩和工作泵功率累计达到了原11种属性97%的贡献率。装载机的前轴扭矩、后轴扭矩和工作泵功率可以代替多源数据变量。通过主成分分析能提高高维运算的速度,同时降低维数灾难的发生率,该方法可用于分析工程机械的大数据样本,从而进行智能识别与人工智能控制,也可应用于机器学习、数据挖掘以及计算机视觉等领域。     

一种基于主成分分析的图像信息隐藏质量评价方法

评价信息隐藏方法的隐藏质量是信息隐藏研究的一个重要部分。针对传统的主客观评价方法存在的缺点和不足,提出了一种图像信息隐藏质量的评价方法。选取对图像信息隐藏比较敏感的10个图像质量评价量(IQMs),作为评价信息隐藏质量的特征量。利用主成分分析法对各特征量进行分析,排除各特征量之间的线性相关性,选择主成分量实现了对几种图像信息隐藏方法的综合评价。该方法灵活、高效,评价结果符合人眼视觉特性,是比较实用的图像信息隐藏质量评价方法。     

基于主成分分析的直线运动模糊参数估计

为了快速准确地估计直线运动模糊图像中的模糊参数,分析了直线运动模糊参数的长度和方向在频率域图像和倒谱图像中的表现形式,提出了一种基于主成分分析的运动模糊参数估计方法.首先,基于高斯建模对模糊图像中的倒谱图像进行二值化分割,得到倒谱图像中的亮线区域.然后,基于主成分分析提取亮线区域的主成分分量,主成分分量的方向即为模糊角度;依据估计的模糊角度,计算模糊图像傅里叶频率域图像相应角度的Radon变换,进行滤波去“毛刺”处理.最后,通过计算极小值之间的间距,估计模糊长度.实验结果表明:估计的模糊角度和模糊长度平均误差分别为0.138 4°和0.273 9 pixel,在同精度条件下,速度是传统的Radon变换方法的10倍左右,表明该方法能快速、准确地估计直线运动模糊参数.     

主成分分析法在机床工具行业上市公司业绩评价中的应用

上市公司业绩评价是一种多指标下的综合评价，且各指标间存在着相关关系，使评价问题变得复杂。本文运用多元统计分析中的主成分分析法来解决这一问题。介绍了分析、评价过程。     

基于主成分分析的飞控系统研制费用估算

飞机飞控系统的寿命周期费用估算与预测是航空工程系统优化和研发的重要环节。本文通过对10种飞控系统的研究发现,飞控系统的种类、功能差异、性能指标虽然与6种关键因素有关,但因素之间的关联度大,从而过去建立的回归模型稳定性差、抽样误差大。本文基于主成分理论和方法,确立了最佳变量子集合,运用SPSS11.0和SAS8.1统计分析软件对6个关键变量进行了主成分分析,建立了飞控系统研制费用多元回归估算模型。模型检验效果良好。从而给出了具有实际应用、可操作性强的飞控系统研制费用的数学模型。为飞控系统研发提供了必要的手段。     

采用主成分分析-信息熵法评价人机系统方案

为解决人机系统方案评价中指标众多、权重客观性难于保证等问题,提出一种基于主成分分析与信息熵的方案评价新方法。采用主成分分析法约简评价指标体系,对原始数据矩阵进行标准化以去除量纲,建立标准化数据矩阵的相关矩阵并求其特征值,利用特征值计算方差贡献率和累计方差贡献率并确定主成分的个数。同时,引入信息熵方法对约简后的指标体系进行客观赋权,通过计算评价指标的熵值和差异系数求得指标客观权重,进而求取各方案的综合得分并完成设计方案的评价。最后,以煤矿用防突钻机的方案评价为例,对提出的方法进行了验证。     

改进多线性主成分分析网络及其在滚动轴承故障诊断中的应用

针对实测滚动轴承振动信号通常存在噪声干扰,具有非线性和非平稳特性,而多线性主成分分析网络(MPCAnet)在处理复杂非平稳数据时存在非线性拟合能力差、特征聚类性一般的问题,通过引入核变换,提出了一种改进的多线性主成分分析网络,增大了训练样本间的差异度,进一步提高了MPCAnet在处理非线性数据时的泛化能力和分类精度.通...     

基于主成分分析的汽车操纵力舒适性分析与评价

以汽车操纵装置的操纵力舒适性客观定量评价为研究目标,运用主成分分析算法,采用加权主成分和价值函数,建立汽车整车操纵力舒适性评价模型。在此基础上,进一步通过多元线性回归分析建立了汽车整车操纵力舒适性与主成分之间的回归方程,实现了对汽车整车操纵力舒适性的预测与评价分析。     

基于主成分分析法的等离子熔射层质量预测

等离子熔射制模是一个多因素影响的过程,不同工艺参数对模具表面熔射层质量的影响程度不同,同时各个参数之间有交互性和相关性。本文提出一种基于主成分分析法的等离子熔射层质量预测方法,通过对影响熔射层质量的相关因素进行主成分分析,排除次要因素,消除参数间的相关性,提取出主要参数。在此基础上建立预测模型,对不同工艺参数下等离子熔射层进行质量预测。算例表明:在熔射工艺参数中,输入功率、扫描速度对熔射层残余应力影响较大;扫描间距对熔射层孔隙率影响较大。选取两组工艺参数进行质量预测,得到熔射层残余应力和孔隙率预测值与实测结果基本一致的结论。     

基于主成分分析的齿轮箱故障特征融合分析

为有效降低齿轮箱故障特征的维数并提高诊断准确率,提出了基于主成分分析法的齿轮箱故障特征融合方法,并结合支持向量机和BP神经网络对诊断的准确率进行了分析。以齿轮箱中不同裂纹齿轮为对象,选取能够表征齿轮箱故障状态的时域、频域和基于希尔伯特变换的36个特征,提取累积贡献率达到95%以上的主成分并输入支持向量机分类器中进行分类识别,用BP神经网络分类器进行结果的比较分析。结果表明,采用主成分分析法与支持向量机相结合的方法,既能降低特征维数,降低计算的复杂性,又能有效地表征齿轮箱的运行状态,识别不同裂纹水平的齿轮,比单独使用支持向量机分类器的方法诊断准确率更高,训练时间更短。     

基于主成分分析的特征频率提取算法及应用

通过研究主成分分析(principal component analysis,简称PCA)中有效特征值与信号频率和幅值之间的关系,发现有效特征值的数量是由原始信号中频率成分的个数决定,与幅值、频率和相位的大小无关。信号中每个频率产生两个有效的特征值,且幅值决定协方差矩阵C的特征值在其分布图中的排列顺序。提出了一种基于PCA的特征频率提取算法,该算法可实现对单个或多个特征频率的准确提取。将此方法应用于大型转子系统轴心轨迹的提纯上,效果优于谐波小波和小波包算法。     

分层递阶的足球机器人决策系统的设计

MiroSot的决策子系统是一个多智能体的协调控制系统,主要由信息处理、协调策略、角色分配、动作实现等组成,决策子系统的优劣直接关系到机器人足球比赛的胜负。采用四层推理的决策模型对MiroSot(3vs3)决策子系统进行了设计,并采用Petri网的方法对其角色转换进行了描述,最后应用面向对象的编程方法实现了所设计的决策子系统。将这个模型应用于机器人足球实际比赛中,实验证明该系统是可行的、有效的。     

多传感器主元方向和神经网络的状态识别方法

提出了一种基于特征集第一主元方向及其信息保留率的状态识别方法.首先计算得到多路信号的特征集,继而计算该特征集的第一主元方向在特征集所在的高维空间中的方向角向量,并以该方向角向量和第一主元方向上的信息保留率作为状态识别的新特征集.提出了一种较为宽泛的神经网络收敛准则和判据方法,该方法中网络输出节点数为1,并结合非对称交叉式遗传算法作为网络训练中寻优方法,可有效实现网络的快速训练.试验表明.所提方法可对高维多元数据进行高度抽象,且计算简便,识别准确率较高,泛化能力较强,具有一定的应用价值.     

GFD和核主元分析的机械振动特征提取

针对旋转机械非线性特征提取的问题,提出了广义分形维数(generalized fractal dimension,简称GFD)和核函数主元分析(kernel principal component analysis,简称KPCA)的旋转机械振动特征提取方法。首先,通过广义分形维数进行初次特征提取,形成高维特征空间;其次,通过核主元分析方法对高维特征空间降维并进行第二次特征提取;最后,利用核主元分析方法和KN近邻(KNN)方法对转子和轴承不同状态下的特征进行了分类。研究表明,GFD-KPCA方法对旋转机械进行了有效的特征提取,对不同状态的数据有高精度的分类,对参数选取有较低的依赖性。轴承微弱振动特征提取结果显示,GFD-KPCA性能优于常规的KPCA特征提取算法,具有更好的精度和适用范围。     

基于粒子群优化的核主元分析特征的提取技术

针对核主元分析在参数设置上的盲目性,提出应用粒子群优化算法优化核函数参数.并将核主元分析应用于特征提取中.首先建立核函数参数优化的数学模型,然后应用加速度自适应粒子群优化算法对其寻优,并通过Iris数据集进行仿真研究,验证其提取特征的有效性.将优化的核主元分析方法应用于齿轮箱典型故障的特征提取中,结果表明:参数优化的核主元分析能有效降低齿轮箱特征向量的维数,较线性主元分析取得更好的故障识别效果.该方法在机械故障信号的非线性特征提取中具有优势.     

核函数主元分析及其在故障特征提取中的应用

提出了基于核函数主元分析的故障特征提取方法。该方法利用计算原始特征空间的内积核函数来实现原始特征空间到高维特征空间的非线性映射。通过对高维特征数据作主元分析，得到原始特征的非线性主元．以所选的非线性主元作为特征子空间，并应用转子试验台的故障数据对该方法进行了检验。结果表明，核函数主元分析更适于提取故障信号的非线性特征，它提取的故障特征对故障具有更好的识别能力，并对分类器具有较强的鲁棒性。     

指数加权动态核主元分析法及其在故障诊断中应用

核主元分析法能充分利用核函数来解决非线性问题,具有很好的非线性逼近能力,但传统的核主元分析不能处理动态问题。在分析核主元分析法的基础上,提出一种新的指数加权核主元分析算法,建立一个多变量加权自回归统计核主元模型,选择Q统计量来判断系统是否发生故障,给出指数加权核主元分析法诊断故障的具体计算步骤。对液压泵进行了试验,利用小波包对液压泵端盖的振动信号进行处理,提取由13个时域和时频域特征量构成的故障特征矢量。试验结果表明,与传统的核主元分析法相比,新方法能实时更新主元模型和控制限Qa,合理地利用实时动态信息,能较好地处理动态问题,通过计算比较选择合适的加权因子,能获得良好的故障诊断效果,该方法是可行而有效的。