基于局部不变映射的特征描述器算法

提出了一种新的基于局部不变映射(Locality preserving projections, LPP)的描述器设计算法. 该算法用LPP预先生成一个特征矩阵, 接着把特征点邻域内所有点的梯度组成一个高维的梯度向量, 然后通过特征矩阵把该梯度向量嵌入到一个低维的流形空间中, 生成一个维数很低的向量, 并把它作为该特征点的描述器. 所提出的算法能保持描述器之间的几何结构不变: 原空间中邻接的描述器映射到低维空间后保持邻接, 而不相似的描述器映射后区分度更大, 所以该算法所生成的描述器能表现特征点之间的内在关系, 具有很强的鲁棒性. 通过与SIFT (Scale invariant feature transform), PCA-SIFT的实验比较, 此算法更快速, 更具鲁棒性.     

一种基于核的监督流形学习算法

针对流形学习算法——局部保持映射存在的参数选择及不能进行非线性特征提取的问题,提出一种基于核的监督流形学习算法.该算法作为局部保持映射算法的改进算法用样本类标识信息指导建立局部最近邻图,并在建立局部最近邻图使用无参数的相似度量.利用核方法来解决局部保持映射算法在处理线性不可分问题上的局限性问题.在两个常用数据库上验证本文算法的可行性和有效性.     

基于大间距准则的不相关保局投影分析

局部保持投影(Locality preserving projections,LPP)算法只保持了目标在投影后的邻域局部信息,为了更好地刻画数据的流形结构, 引入了类内和类间局部散度矩阵,给出了一种基于有效且稳定的大间距准则(Maximum margin criterion,MMC)的不相关保局投影分析方法.该方法在最大化散度矩阵迹差时,引入尺度因子α,对类内和类间局部散度矩阵进行加权,以便找到更适合分类的子空间并且可避免小样本问题; 更重要的是,大间距准则下提取的判别特征集一般情况下是统计相关的,造成了特征信息的冗余, 因此,通过增加一个不相关约束条件,利用推导出的公式提取不相关判别特征集, 这样做, 对正确识别更为有利.在Yale人脸库、PIE人脸库和MNIST手写数字库上的测试结果表明,本文方法有效且稳定, 与LPP、LDA (Linear discriminant analysis)和LPMIP(Locality-preserved maximum information projection)方法等相比,具有更高的正确识别率.     

基于LPP-ABC-SVM的光伏阵列阴影遮挡分类方法研究

光伏阵列的输出功率随光照强度的变化而改变,当阵列受到阴影遮挡时,会导致其电池片输出功率不匹配,长时间易形成热斑.因此,对阴影遮挡的情况及时进行甄别,可有效预防热斑故障的产生.针对在光伏阵列阴影遮挡进行分类时,需使用大量辅助设备或采集大量环境数据,以及分类准确率不高的问题,提出了一种基于局部保持人工蜂群支持向量机(LPP...     

Attitude Control of Quadrotor in Consideration of the Effects of a Pole Based on Limited Pole Placement

This paper introduces an attitude control technique for a quadrotor aircraft. Considering that the nonlinear characteristics of the aircraft makes it difficult to stabilize, a quadrotor controlled with an adaptive algorithm. Accordingly, we proposed a quadrotor application with backstepping based on the Lyapunov function. Furthermore, we designed a separate actuator control to be mounted on the aircraft for the control of the quadrotor. This approach is often used in industrial equipment. In particular, the limited pole placement (LPP) method is applied to design the controller considering the characteristics of the actuator. The representative simulation results are presented and discussed.     

Synthesis of high intensity green emitting (Ba,Sr)SiO4:Eu2+ phosphors through cellulose assisted liquid phase precursor process

Green emitting phosphor (Ba_1−x,Sr_1−x)SiO₄:2xEu²⁺, x = 0.03, 0.05, 0.1, and 0.15 were synthesized through a Liquid Phase Precursor Process (LPP). Liquid phase precursor method is reported to result in phosphors with markedly increased emission intensities compared to other synthesis methods. Here microcrystalline cellulose (MCC) and hydroxypropyl cellulose (HPC) templates were studied to achieve high efficiency green phosphors. The phase formation was investigated by XRD analysis which showed the conformation of the Ba₂SiO₄ (JCPDS card number 761631) phase. The obtained samples exhibited broad excitation spectra with maximum at 430 nm and a green emission centered around 520 nm. An optimized dopant concentration was selected and the effect of two different types of cellulose, i.e. MCC and HPC templates on the emission properties was considered. It was found that the samples synthesized using HPC and fired at 1050 °C under a reducing atmosphere, showed a high intensity of almost 2 times that of the MCC sample. Further experiments were conducted by varying viscosity, particle weight, and molecular weight of the HPC template. It was found that the green emission from the (Ba,Sr)SiO₄:Eu²⁺ increased with the increase in viscosity and molecular weight of the template.     

引入指数p的局部保持映射算法

在进行降维时数据集合的多样性要求降维算法求解问题具有灵活性。为此，利用加入指数 来调节局部保持映射算法的约束条件，通过实验观察该指数的引入对降维以及识别率的影响，并总结指数 的范围和设计经验。实验结果表明，指数 可以影响降维效果，使维数降得更低，通过调节提高人脸识别率，在加入高斯白噪声后通过调节指数p也可改善识别的效果。     

局部保持特征变换算法综述

在机器学习研究领域,人们提出了很多特征变换算法。这些算法的思路是把数据从原始特征空间映射到新的特征空间,从而改善数据的表示或区分能力。所用技术主要包括特征向量或谱方法、最优化理论、图论等。算法的步骤都是:(1)构造原始数据及关系的结构;(2)定义目标函数;(3)运用优化理论使目标函数最优,求得问题的解。本文给出了两类常用的局部保持特征变换主要算法步骤,分析了算法优缺点,这使我们对特征变换的研究有较全面的了解。     

基于Contourlet变换与LPP的表情识别

提出一种基于Contourlet变换与局部保持投影(LPP)的人脸表情识别方法。将人脸表情图像分割为左眼(包括眉毛)、右眼(包括眉毛)和嘴三部分,利用Contourlet变换对局部表情图像和原始图像进行处理,得到图像的低频分量和高频分量。结合局部表情图像的低频分量与原始图像的高频分量,采用LPP算法提取表情特征,并利用支持向量机进行分类。实验结果表明,该方法的识别率较高。     

基于QR分解的扩展监督局部保留映射

针对局部保留映射(LPP)算法不能提供数据集的差异信息问题,提出一种基于QR分解的扩展有监督LPP算法。该方法对训练数据矩阵进行QR分解,采用有监督的LPP算法进行降维,利用类别信息对降维后的数据进行Fisher线性判别式分析,得到最终的映射矩阵以提高判别性能。实验结果表明,该方法较主成分分析法和LPP方法有更好的判别性能。