基于稀疏表示的多光谱颜色数据降维方法研究

针对多光谱激光雷达系统在实景三维立体图像的真实颜色的再现问题,提出了一种基于稀疏信号表示的多光谱颜色数据降维方法,该方法利用字典学习和稀疏编码交替更新,以迭代的方式对光谱误差进行修正.实验结果表明,所提出的方法均方根误差的平均值较主成分分析法降低了35.29％,光谱拟合系数的平均值达到了99.8％以上,色度精度也较主成分分析法平均提高了70.23％,在不同光源观测条件下仍能保持颜色的稳定性,其重构精度优于主成分分析法.该方法利用稀疏表示可以通过低维观测向量复原高维稀疏信号的特性,从数量相对较少的训练样本中对大量测试样本进行精确复原,提高了数据处理中的成本效率,对真实反映遥感多光谱影像的地物信息有较大的帮助.     

基于3维荧光光谱技术的含乳饮料分类研究

为了证明3维荧光光谱法对市面上的牛奶饮料进行快速分类的有效性,采集了市面上购买的12个不同品牌的牛奶饮料的3维荧光光谱,对光谱数据进行了预处理.采用主成分分析、因子分析结合聚类分析的方法对预处理后的光谱数据进行分类,通过因子分析提取出8个因子代表3维荧光光谱数据,对降维后的数据进行了聚类分析.结果表明,主成分分析保留前...     

基于降维循环谱的特征提取与目标识别

在日益复杂的电磁环境中,如何提取有效特征是解决目标识别难题的一个关键。通过对目标信号的分析,发现它们虽呈现非平稳性,但却具有循环平稳性。因此,循环谱在分析此类信号方面具有优越的潜力,但是采用循环谱通常导致高维问题。针对这个问题,这里提出了降维循环谱的特征提取与目标识别方法,该方法以循环谱的相同频率点在不同循环频率下的相关性作为识别特征,并用主成分分析方法对该特征降维。实验结果表明,基于降维循环谱的方法具有很好的鲁棒性。     

基于FPGA的高光谱图像奇异值分解降维技术

为了解决高光谱图像维数高、数据量巨大、实时处理技术实现难的问题,提出了高光谱图像实时处理降维技术.采用奇异值分解(SVD)算法对高光谱图像进行降维,又在可编程门阵列(FPGA)芯片中针对这一算法划为自相关模块、特征求解模块、特征提取模块和降维实现模块4个模块进行编程实现、仿真和验证.仿真结果表明,高光谱图像降维后数据量为降维前的1/3,而降维后的分类像素点误差为0.2109%,证明了奇异值分解算法进行高光谱图像降维算法的有效性.     

基于二维主分量分析的光谱数据降维方法

高维数据处理是天体光谱自动处理的重要组成部分。提出一种基于二维主分量分析的光谱数据降维方法,通过构造主分量空间将分散在一组变量上的高维光谱数据投影到2个主成分上,得到二维坐标;每一个主成分都是原始变量的线性组合,主成分之间互为正交关系,在剔除冗余信息的同时,通过主成分分析的降维,解决光谱数据的存储和处理问题。     

基于PCA变换的多光谱图像降维方法研究

图像处理技术已经在很多学科领域有着广泛的应用,其作用也日益凸显。相对于普通图像,高维图像数据量较大,信息繁多,对后续处理造成了诸多不便。因此,对高维图像处理的前期进行降维处理是很有必要的。文中对多光谱图像的降维方式进行了研究,采用了传统的主成分分析变换,利用矩阵的非线性变换,减少图像之间的相关性,对一部分噪声进行过滤处理,并将图像进行低通滤波,减小图像中的噪声,从而达到提高一定分类精度的实验结果。     

基于降维处理的MUSIC二维DOA估计算法

针对 MUSIC(多重信号分类法)估计方法实现二维 DOA(波达方向)估计的计算量大且遍历搜索耗时的问题,给出了一种基于降维处理的 MUSIC 算法。该算法无需进行二维谱峰值搜索。该算法利用二次优化方法将二维 DOA 估计分解为一维 DOA 估计,先通过一维 MUSIC 估计获得信号与 x 轴夹角,再利用最小二乘算法估计获得信号与 y 轴夹角。最后利用角度关系式得到信号的二维 DOA 估计值。该算法的复杂和搜索范围都大大降低,仿真表明,该算法具有较好的角度估计效果。     

机载雷达三维空时两级降维自适应处理

该文研究了机载雷达3维空时自适应处理(3D-STAP)方法,并结合先时后空的自适应处理(mDT-SAP)结构提出了一种新的空时两级降维准最优技术。该方法首先采用固定结构的时域多普勒预处理降低杂波时域相关性,然后基于2维空域的可分离性构造出两个低维的俯仰和方位向权值,最后结合双迭代算法进行循环求解。理论分析与仿真结果表明,该文所提方法与传统方法相比具有运算量小、收敛性强、所需训练样本少的优点,并拥有优良的杂波抑制性能和较强的误差鲁棒性,有利于工程化实现。     

基于投影降维的激光雷达快速目标识别

激光雷达可以获得目标的三维形状信息,是复杂地面背景下车辆识别的有效手段。提出了一种基于投影降维的快速激光雷达目标识别方法,对检测后提取的疑似目标三维点云数据进行投影降维,得到数字表面模型(DSM)数据,根据轮廓相似性度量值以及尺寸相似度量值构成的组合识别准则进行目标识别。采用8组地面装甲目标的仿真点云数据进行实验,实验表明算法的目标型号识别率高于90%,实时性远优于传统算法。针对实际应用需求,进一步研究了点云空间分辨率,激光雷达成像系统误差对目标识别的影响。     

基于三维荧光光谱特性的白酒聚类分析研究

对95种不同产地、不同品牌的典型系列白酒以及10种品牌的同一品牌、不同年份的年份白酒在不同波长的激发光激发下所产生的荧光进行测定,并合成其三维荧光光谱图.研究发现,不同品牌白酒的三维荧光光谱在主荧光峰个数、波峰位置、最佳激发波长3个参数有着各异的表征,而同一种品牌白酒的三维荧光光谱的3个参数十分相近.经过对不同品牌白酒的三维荧光光谱比较发现,提取三维荧光光谱的3个有效三维光谱特征参数可以有效地区分不同品牌的白酒.对不同品牌的白酒进行聚类分析,结果证明了使用所述的3个参数对不同品牌白酒进行分类的有效性.     

基于蒙特卡罗特征降维算法的小样本高光谱图像分类

高光谱图像分类是高光谱数据分析的重要研究内容。相关向量机由于不受梅西定理的限制、不需要设置惩罚因子等优势受到广泛关注。由于高光谱数据具有较高的维数, 当训练样本较少时,高光谱数据的分类精度受到严重的影响。通常解决这种现象的办法是对原数据进行特征降维处理,然而多数基于filter模型的特征选择算法无法直接给出最优特征选择个数。为此提出利用蒙特卡罗随机实验可以对特征参量进行统计估计的特性,计算高光谱图像的最优降维特征数,并与相关向量机结合,对降维后的数据进行分类。实验结果表明了使用蒙特卡罗算法求解降维波段数的可靠性。相比较原始未降维数据,降维后的高光谱图像分类精度有较大幅度的提高。     

基于蒙特卡罗特征降维算法的小样本高光谱图像分类

高光谱图像分类是高光谱数据分析的重要研究内容.相关向量机由于不受梅西定理的限制、不需要设置惩罚因子等优势受到广泛关注.由于高光谱数据具有较高的维数,当训练样本较少时,高光谱数据的分类精度受到严重的影响.通常解决这种现象的办法是对原数据进行特征降维处理,然而多数基于filter模型的特征选择算法无法直接给出最优特征选择个数.为此提出利用蒙特卡罗随机实验可以对特征参量进行统计估计的特性,计算高光谱图像的最优降维特征数,并与相关向量机结合,对降维后的数据进行分类.实验结果表明了使用蒙特卡罗算法求解降维波段数的可靠性.相比较原始末降维数据,降维后的高光谱图像分类精度有较大幅度的提高.     

应用3维同步荧光光谱测定胭脂红浓度

为了测定混合色素溶液中胭脂红的浓度,采用归一化的方法对荧光光谱进行数据预处理,将处理后的光谱数据结合径向基神经网络,建立了对胭脂红含量的预测模型。结果表明,3维同步荧光光谱、普通3维荧光光谱预测结果的平均相对误差分别为2.86%,11.12%;对于混合色素溶液中单个色素浓度的测定,3维同步荧光光谱结合径向基神经网络效果较好。该研究为预测混合色素溶液中各色素浓度提供了帮助。     

基于谱回归特征降维与后向传播神经网络的识别方法研究

采用后向传播(BP)神经网络对空间目标进行识别时,高维的输入特征导致网络结构复杂,识别性能降低。针对上述难点,该文提出一种基于谱回归(SR)特征降维与BP神经网络的识别方法。该方法首先对空间目标进行HOG特征提取,然后将提取的高维HOG特征进行SR降维,最后把降维后的数据通过BP分类器进行训练识别。实验结果表明：该方法的降维和识别特性优于传统降维方法PCA, KPAC, LPP, KLPP等,能够兼顾实时性和准确性,提高了识别性能。     

基于流形学习的新高光谱图像降维算法

提出了一种新的基于图像块距离的邻域选择方法,并将其应用于流形学习中,得到一类新的高光谱图像非线性降维算法。该类算法利用高光谱图像物理特性,结合图像的光谱信息和空间信息,在最大限度减小图像信息冗余的基础之上,很好地保持了原始数据集的特性。与其它高光谱图像的降维算法相比,改进的流形学习算法不仅考虑到高光谱图像本身的空间关系,而且利用图像块距离更好地保持了数据点之间的局部特性,从而有效地去除原始数据集光谱维和空间维的冗余信息。实际高光谱数据的实验结果表明,所提出的算法在应用于高光谱图像分类时,与其它方法相比具有更高的分类精度。     

GPS接收机降维空时联合处理算法研究

空时联合自适应处理在增加阵列空时自由度的同时,繁重的计算量成为其工程实现中的主要障碍,对接收数据进行降维处理已经成为主要解决手段。本文在GPS接收机空时联合抗干扰背景下,对几种降维处理方法的性能进行详细的分析和仿真,结果表明基于降秩维纳滤波的降维处理技术优于传统方法,能够大大简化GPS空时抗干扰的计算复杂度,并且具有较好的收敛性能和抗干扰性能。     

基于LLTSA的轴承故障数据降维方法研究

针对工作中轴承内外圈及滚动体难以分别监测以及轴承故障数据特征指标多、维数高的特点,考虑对轴承状态数据进行降维。考虑到常用降维方法自身存在的各种缺陷,采用线性局部切空间排列算法(LLTSA)对轴承故障数据进行降维并投影到三维空间,并与PCA以及KPCA方法进行比较。结果表明LLTSA算法对于滚动轴承内外圈以及滚动体不同故障具有较好的分类性能。     

基于降维思想的红外辐射特性快速算法研究

为加快地面车辆等复杂目标温度和红外辐射计算的速度,提出了一种基于降维思想求解三维瞬态热传导方程的方法.将三维瞬态热传导方程的求解简化为二维热传导方程和一维热传导方程的耦合数值求解,来加快温度的求解速度,从而快速求解目标的红外辐射特性.数值模拟表明:该算法有很好的精确性,与传统的求解方法相比明显地加快了计算速度,对快速预测复杂目标温度和红外辐射特征具有重要的价值.     

基于非负稀疏图的高光谱数据降维

为减少因大量的光谱信息带来的计算复杂及数据冗余带来的高光谱数据分类性能降低,该文提出一种非负稀疏图降维算法。首先,构建超完备块字典对高维高光谱数据进行非负稀疏表示。然后,根据块非负稀疏表示,分别构建内部非负稀疏图和惩罚非负稀疏图,基于单调递减函数定义边的权重以体现样本间的相似程度。最后,通过同时最大化异类和最小化同类非负稀疏重构样本间的距离,得到从高维到低维的最优映射关系,从而实现对高维高光谱数据的降维。AVIRIS 92AV3C高光谱数据上的实验结果表明,所提算法能以较少的训练样本获得较高的整体分类精度和Kappa系数。