二维主成分分析方法的推广及其在人脸识别中的应用

提出了分块二维主成分分析(分块2DPCA)的人脸识别方法。分块2DPCA方法先对图像矩阵进行分块,对分块得到的子图像矩阵直接进行鉴别分析。其特点是:能方便地降低鉴别特征的维数;可以完全避免使用矩阵的奇异值分解,特征抽取方便;与2DPCA方法相比,使用低维的鉴别特征矩阵,而达到较高(至少是不低)的正确识别率。此外,2DPCA是分块2DPCA的特例。在ORL和NUST603人脸库上的试验结果表明,所提出的方法在识别性能上优于2DPCA方法。     

基于主元分析的人脸特征点定位算法的研究

研究了一种基于主元分析的人脸目标区域定位算法。首先对训练集中的头肩像通过手工定位嘴部区域,进行PCA训练提取嘴部的主元特征矢量(eigenmouth);然后在输入图像人脸初定位的基础上,利用嘴部的主元特征,通过最小剩余误差能量的判决准则实现人脸嘴部区域的自动定位。其间,引入了受限窗扫描策略以提高算法的效率;并利用两种空间定位后相似度比较判决的方法大大提高了算法的鲁棒性。实验证明此方法具有简单易实现、定位精确度高、鲁棒性好的优点。     

基于灰度直方图拟合曲线的数字图像多阈值分割技术研究

在数字图像处理中,图像分割技术能够对待处理部分进行分割处理,以突出显示所要研究的目标对象.在对数字图像灰度直方图进行高次样条函数曲线拟合之后,通过求取若干个局部最小值作为图像的分割阈值,对图像像素进行多阈值分割,最后采用区域背景像素点增长合并法进行背景区域合并,从而获得完整清晰反映图像各个组成部分的分割结果.实验结果证明,此方法能准确表达图像各个灰度组成部分,克服了传统单阈值分割所带来的缺陷与不足.     

A Complete Separation of Hexane Isomers by a Functionalized Flexible Metal Organic Framework

The separation ability of branched alkane isomers (nHEX, 3MP, 22DMB) of the flexible and functionalized microporous iron(III) dicarboxylate MIL‐53(Fe)‐(CF₃)₂ solid is evaluated through a combination of breakthrough experiments (binary or ternary mixtures), adsorption isotherms, X‐ray diffraction temperature analysis, quasi‐elastic neutron scattering measurements and molecular dynamics simulations. A kinetically controlled molecular sieve separation between the di‐branched isomer of hexane 22DMB from a mixture of paraffins is achieved. The reported total separation between mono‐ and di‐branched alkanes which was neither predicted nor observed so far in any class of porous solids is spectacular and paves the way towards a potential unprecedented upgrading of the RON of gasoline.     

基于相位信息和主成分分析的对称性检测方法

对称性检测在图像分析与模式识别中具有重要意义。该文提出一种基于相位信息和主成分分析的对称性检测方法。首先在不同尺度、不同方向上计算相位对称性,其次在每个方向上将所有尺度的相位对称性进行融合,再次利用主成分分析提取各个方向的主要特征,最后利用非极大值抑制和自适应滞后阈值处理得到最终的对称性检测结果。实验证明:该文方法可直接对原始图像进行处理,不需要图像的任何先验知识,对于多目标图像不需分割等任何预处理;可以同时检测亮目标和暗目标的镜像对称、旋转对称、曲线对称;对图像亮度和对比度不敏感。     

Widening DGD Dynamic Range of DOP-based PMD Monitor Using Band-pass Filter

The theoretical and experimental analyses of widening the differential group delay (DGD) dynamic range of degree of polarization(DOP)-based polarization mode dispersion monitor using a band-pass filter are presented. The experiment shows that the maximum DGD monitoring range is widened up to -6 ps using band-pass filter. At the same time, DOP sensitivity has a little change. The experimental results are in accordance with the numerical ones.     

基于谱域-空域组合核函数的高光谱图像分类技术研究

针对传统高光谱图像分类算法多利用目标的光谱信息,不重视空间信息的问题,本文提出了一种综合利用谱域-空域信息的最小二乘支持向量机分类算法。首先利用主成分分析进行特征提取,然后在保留的主分量图像上用数学形态学得到目标的空域信息。并结合光谱域特征,探讨了各种组合策略,构造组合核函数。通过在分类器中引入空域信息,提高了分类准确率。而且采用了最小二乘支持向量机,将标准向量机的二次规划问题转换为求解线性方程组的问题。利用了其训练速度快、效率高的优点。高光谱数据实验表明,本文提出的方法和单独使用谱域或空域信息进行分类相比表现出了一定的优越性,从而适用于较大规模的高光谱图像分类。      

空间高效硅太阳电池减反射膜设计与数值分析

结合AM0太阳光谱特性对空间硅太阳电池的减反射膜进行了设计分析,得到了最小反射时的最佳膜厚.分别讨论了单、双、三层减反射膜厚度变化对反射率的影响,并对有钝化层的Si O2 (94 nm) / Ti O2 (6 0 nm)双层减反射膜进行了优化设计,优化后硅太阳电池的短路电流和效率分别提高了2 .1%和1.4 % .     

主分量分析和因子隐Markov模型在机械故障诊断中的应用

主分量分析(principal component analysis,PCA)是统计学中分析数据的一种有效方法,可以将高维数据空间变换到低维特征空间,因而可用于多通道冗余消除和特征提取.因子隐Markov模型是隐Markov模型的扩展,它比隐Markov模型更有优势,适用于动态过程时间序列的建模,并具有强大的时序模型分类能力,特别适合非平稳、信号特征重复再现性不佳的信号分析.文中结合主分量分析与因子隐Markov模型,提出一种新的故障识别方法,即以主分量分析方法进行冗余消除和故障特征提取,因子隐Markov模型作为分类器.并应用到机械故障诊断中,同时与基于主分量分析的隐Markov模型的识别方法相比较,实验结果表明基于PCA的因子隐Markov模型识别法和基于PCA的隐Markov模型识别法在故障识别上都是有效的,但对于相同的状态空间,前者的训练速度快于后者,尤其是状态空间越大,这种优势越明显.     

基于多维时空的NPCA-PSR-IGM(1,1)组合模型的短时交通流预测

针对城市短时交通流序列非线性和混沌性的特点,为提高短时交通流的预测精度,该文提出一种基于多维时空的非线性主成分分析(NPCA)和相空间重构(PSR)的改进灰色(IGM(1,1))组合预测模型。首先,使用数据相关性的非线性主成分分析算法对多维交通流量序列进行时空降维,同时保留影响预测点的主要交通流量数据,从而提高建模的精确度;其次,利用多维时空交通流量序列相空间重构放大交通流量内部的细微特征,以使其内在规律得以充分展现,进一步提升预测精度;最后,结合背景值改进的灰色模型适应于线性、非线性以及所需数据少的特点,进行短时交通流预测。实验结果表明,NPCA-PSR-IGM(1,1)组合预测模型的平均相对误差相比NPCA-PSR-GM(1,1)组合预测模型减小3.12%,其标准偏差相对PCA-PSR-IGM(1,1)组合预测模型从15.7091下降到2.0589。同时与最新的预测模型相比,该组合预测模型也提高了预测精度,达到了较好的预测效果。