一种基于图像分块加权的（2D）2PCA人脸特征提取方法

论文针对二维主成分分析法（2DPCA）表征信息不全面且系数多的不足,提出分块加权处理的双向2DPCA（（2D）2PCA）方法提取人脸特征。该方法利用（2D）2PCA方法对人脸的各个分块提取特征,并对各分块的特征进行加权处理,然后应用支持向量机（SVM ）实现分类识别。经过在ORL人脸库的实验研究表明,该方法压缩了人脸识别系数,缩短了识别时间,提高了识别准确率。     

基于主成分分析的防空导弹武器综合评价

以防空导弹综合评价为例,应用SPSS软件,验证了主成分分析在武器装备综合评价中的正确性和有效性.结果表明,应用主成分分析进行综合评价,充分利用了武器装备指标数据;依据指标间相关程度,自动生成权重,避免了人为因素干扰;简化了武器装备的综合评价工作,能够为武器装备论证及采办提供科学的依据.     

曲率半径对环形聚能装药侵彻深度的影响

模拟了5种不同曲率半径ASC射流成型与侵彻半无限靶的过程,提出了ASC射流侵彻“三区域”理论,定义了ASC切割能力;研究结果表明:ASC在不同的位置具有不同的射流成型状况和靶板侵彻深度;不同曲率半径ASC侵彻深度均呈现明显区域特征,分别为曲率敏感区、稳定侵彻区、侵彻加强区;稳定侵彻区“平台高度”可作为ASC切割能力,但应高度重视小曲率半径ASC曲率敏感区侵彻深度;本模型中,曲率半径ρ大于80 mm时,ASC切割能力为稳定侵彻区“平台”高度26.5 mm.     

稀疏编码在静息态核磁共振图像中的应用

为了提取静息态的默认网络,降低核磁共振图像中的数据运算量,本文提出了数据降维和非线性变换的方法。首先,对核磁共振图像进行主成分分析,降低运算维度和数据复杂度。然后,对静息核磁数据进行稀疏编码学习,提取默认网络。实验结果表明,稀疏编码学习的效果优于传统的独立成分分析,且前者提取默认网络更加迅速,噪声更低。     

RBF模糊神经网络用于NIR鉴别羊绒和羊毛的可行性研究

为了实现羊绒、羊毛纤维的快速、无损检测,建立了羊绒、羊毛近红外光谱数据库,包括228组各地羊绒、羊毛数据,并应用于羊绒、羊毛的定性检测上。首先介绍了羊绒、羊毛近红外光谱检测的数据库建立过程;然后,在对羊绒、羊毛原始近红外光谱进行预处理的基础上,对数据进行主成分分析,选出12种主成分,并结合改进的RBF模糊神经网络,建立羊绒、羊毛检测模型。通过与主成分分析-马氏距离建模方法的对比分析实验表明,建立近红外光谱数据库,并结合主成分分析和改进的RBF模糊神经网络的方法是一种有效的无损检测羊绒、羊毛的方法,可快速建立高精度的羊绒、羊毛纤维检测模型。     

一种基于激光测距的机器人地图创建方法

针对未知环境中机器人局部地图的构建问题,提出一种激光测距的离散数据自适应曲率估计算法。采用该算法对预处理后的激光扫描数据进行环境特征分割,然后提取并描述环境特征,最后根据特征元素集构建局部地图。仿真和实验结果表明,该方法能准确地描述结构化室内环境,有效地描述和表征了实验环境。     

基于主成分分析的改进贝叶斯网络入侵检测研究

传统的贝叶斯网络入侵检测技术中,未考虑到入侵检测数据集中属性数量过多的问题,导致贝叶斯网络构造过程中计算量过大,严重影响了检测效率;传统的贝叶斯网络入侵检测技术,在检测的过程中也没有考虑到当前网络受到的攻击行为和安全状态,仅仅根据原始训练数据集生成的贝叶斯网络进行测试,对检测精度造成一定的影响。针对上述两个问题,提出结合主成分分析和滑动窗口的贝叶斯网络入侵检测技术,仿真实验表明,改进后的技术能够大大降低数据维数,提高运算效率和检测精度。     

低失调二阶曲率补偿的带隙电压基准源设计

基于斩波运算放大器的曲率补偿CMOS带隙电压基准源电路,采用了折叠式的一阶放大器,较二阶结构线路简单,功耗低,版图面积小,并能很好地满足增益要求.采用二阶电流补偿进行曲率补偿,使带隙电压基准源能达到更好的温度系数,且系统稳定.应用0.5μm CMOS Spice模型进行了运算放大器和带隙电压基准源的电路仿真,输出电压为1.17V,在-20℃至120℃温度下,温度系数为4.7ppm/℃.该基准电压可根据工艺和内部电阻元件选取的不同获得不同电压值,其温度范围能够满足实际工作环境的需要.     

一种改进的ICP激光点云精确配准方法

传统迭代最近点(Iterative Closest Point,ICP)算法在进行点云配准时,若点云初始位置相差较大时,容易陷入局部最优,同时,该算法无法解决部分重叠的点云的配准问题.鉴于此,提出了一种改进的ICP 激光点云精确配准方法.首先通过对两片点云的主成分分析并矫正主轴方向以完成初始配准,获得一个较好的初始位置...     

一种新的无监督的卫星影像变化检测算法

提出了一种基于主分量分析(PCA)和上下截集模糊Kohonen聚类网络(UDSFKCN)的、无监督的、不同时相的和卫星影像的像素级变化检测新算法.将PCA和UDSFKCN两种方法结合,并将它应用于不同时相的卫星影像的变化检测.该方法结合每个像素的邻域信息,利用PCA,产生每个像素对应的基于邻域信息的特征向量;又将变化区...