独立成分分析技术综述

独立成分分析是一种将源信号从混合信号分离出来的信号处理技术。本文首先概述了独立成分分析与盲信号分离,主成分分析的关系,然后系统地介绍了该技术的基本概念和数据模型,对现今比较流行的各种独立成分分析算法进行了剖析和总结。最后对独立成分分析的发展及应用前景作了展望。     

模糊支持向量机和独立成分分析在人脸识别中的应用

将独立成分分析(ICA)、模糊支持向量机(FSVM)以及三叉决策树相结合并应用于人脸识别。首先对人脸图像做独立成分分析，提取有利于分类的面部特征的主要独立成分，然后在特征空间中，用FSVM和三叉决策树相结合设计人脸分类器。在ORL人脸库上的实验结果表明，该算法能够取得较好的分类效果。     

舰船网络数据库中海量数据特征提取方法

传统的数据特征提取方法提取数据特征后不能完全保有数据原有特征,导致方法只能应用于低维度数据特征提取,方法的可行性差。针对以上问题,研究舰船网络数据库中海量数据特征提取方法。设计以神经网络为基本结构的降噪自动编码器,通过编码器对数据库数据降噪。利用基于主成分分析的数据降维算法对数据降维,之后根据数据库中数据的关联性提取数据特征,完成对特征提取方法的研究。设计与传统数据特征提取方法的对比实验,实验结果证明研究的方法能够提取不同维度数据特征,并且应用提取数据特征进行分类时,平均正确率为93.85%,高出传统方法 22.39%,实用性更强。     

模糊支持向量机和独立成分分析在人脸识别中的应用

将独立成分分析(ICA)、模糊支持向量机(FSVM)以及三叉决策树相结合并应用于人脸识别.首先对人脸图像做独立成分分析,提取有利于分类的面部特征的主要独立成分,然后在特征空间中,用FSVM和三叉决策树相结合设计人脸分类器.在ORL人脸库上的实验结果表明,该算法能够取得较好的分类效果.     

一种舰艇编队区域防空效能评估方法

舰艇编队的区域防空作战是一个复杂问题,而对其效能评估又涉及大量难以量化的因素,且因素间存在多重相关性。主成分分析正是适宜解决这一难题的方法论,它可通过将相关性很高的变量转化成彼此独立或不相关的变量,有效降低维度,最终达到数据化简、揭示变量间的关系和进行数据解释的目的。建立了舰艇编队区域防空作战效能评估模型,运用主成分分析法对该模型的多项指标进行综合聚集,最后以编队区域防空作战训练评估为例,验证该模型方法的科学性与可行性。     

基于PCA与属性权重模糊聚类的入侵检测方法

针对入侵检测数据集中存在大量冗余信息及传统聚类算法的效果不佳,提出了结合主成分分析与属性权重模糊聚类算法的入侵检测方法。该方法分为特征提取和模糊聚类两阶段,使用主成分分析进行特征提取、消除冗余属性;将经主成分分析后得到新成分的贡献率作为聚类算法中属性的权重值,实现了基于属性权重的模糊聚类。在KDD-CUP99数据集中的实验结果表明,该方法能有效地降低检测训练时间和提高检测正确率。     

主成分分析在柴油机运转状况描述中的应用

主成分分析是多元数据统计分析方法的一种，文中将主成分分析方法原理，应用于柴油机工作状态的描述指标体系，经过矩阵变换、降低数据维数，以提取柴油机运转状况信息的主要特征。通过对6．135ZC柴油机台架试验数据的分析处理说明，在有用信息量损失较小的前提下，该方法可以提炼运转状态信息，是一种解决高维复杂系统状态描述问题的简便有效的统计方法。     

卫星遥感多光谱浅海水深反演法

应用卫星遥感技术反演浅海水深,对于航运安全、海洋工程、海洋军事等具有重要意义.对IKONOS高分辨率卫星影像数据进行分析处理,提出一种结合主成分分析变换的神经网络水深反演法.通过IKONOS多光谱数 据建立波段比值模型,并对该模型进行主成分分析变换,应用神经网络技术对浅海水深进行定量反演.研究结果表明,这种方法能够很好的建立IKONOS多光谱数据与实测水深数据之间的非线性关系,减少了其他外界环境因素的影响(如海水底质、海水类型等);同时去掉了波段比值模型中线性相关的冗余信息,比传统的线性回归水深反演模型具有更高的可靠性和反演精度.     

基于 SVM 的双层圆柱壳体机械振动噪声数据特征提取方法比较

鉴于某双层圆柱壳体的机械振动噪声数据结构复杂、维数较高,工程上不宜直接分析,文章提出先对其进行特征提取后再进一步分析的思路,可有效简化数据结构,提高数据分析的准确度。选择工程上常用的主成分分析法（PCA）、核主成分分析法（KPCA）与独立成分分析法（ICA）对文中高维机械振动噪声数据进行特征提取。利用支持向量机（SVM）的分类识别能力,对经特征提取后不同工况下的噪声数据进行分类识别。依据正确识别率大小比较三种方法的特征提取效果,以选择针对某双层圆柱壳体机械振动噪声数据合适的特征提取方法。结论可为深入分析某双层圆柱壳体机械振动噪声数据的规律特点打下良好基础。     

基于主元分析的电磁继电器贮存失效机理研究

通常加速退化数据分析中退化失效只考虑或者假设一种或两种退化数据建模,而实际上很多情况下会存在多个退化敏感参数.且参数退化存在随机性,因此每两个敏感参数之间并不是简单的相关或者独立.为了更加智能准确地处理继电器加速贮存实验数据,为继电器贮存失效机理分析以及寿命预测提供依据,对电磁继电器进行加速贮存实验,在考虑多退化敏感参数及各参数相关性的条件下,研究了有贮存可靠性要求的继电器产品的性能退化理论和机理,提出了基于主成分分析的多参数退化数据分析方法.主元分析结果表明,原始数据的第一主元就能综合原始数据的绝大部分信息,可用第一主元代替原始数据,使后续分析更加准确.     

基于神经网络的船体阻力主成分分析估算法

为实现在损失信息最小的情况下高效预报船体阻力,对采用神经网络来估算船体阻力的方法进行分析,利用主成分分析法降低分析船型矢量P的维数。     

基于BP神经网络的主成分分析法在效能评估中的应用

针对侦察效能评估中,指标因素的多样性和因素间的复杂关系,依据主成分分析的评估思路,运用BP神经网络对侦察效能进行评估.结合BP神经网络的逼近非线性函数的映射能力和并行处理的特点,解决数据样本的分类问题.通过对侦察效能的评估,验证了BP神经网络对效能评估的可行性,其方法和成果可供其它武器装备效能评估借鉴和参考.     

多信息融合技术在船舶动力装置故障诊断中的应用

船舶动力装置工作过程中会产生大量多域故障信号,通过收集、挖掘隐藏的关联信号,可以解决船舶动力装置在故障诊断中面临的诊断时长问题.文章采用K-均值聚类算法(K-means)对数据进行聚类,聚类结果输入BP神经网络进行模型训练,并在此基础上,设计了主成分分析法(PCA)对模型进行优化.结果 显示,2种算法都能有效降低网络诊...     

基于神经网络的舰艇装备模拟电路故障诊断方法

针对舰艇装备模拟电路故障诊断技术现状,提出了基于神经网络的故障诊断方法,利用PSPICE对电路进行分析,选取能反映故障特征的电路信号并利用主元分析方法降低其维数,再输入给神经网络进行训练和诊断,实验证明这种方法不仅优化了网络结构,并提高了辨识故障类别的能力。     

基于人工神经网络的胶州湾浮游植物生物量模拟

文章首先介绍了BP网络数据标准化、隐层神经元选择、网络训练和有效性检验方法。以2003年胶州湾环境监测资料为基础,建立了多输入单输出的3层BP人工神经网络模型,采用8个水环境因子预测浮游植物生物量(Chla浓度)。检测集样本网络预测值与观测值的相关系数为0.8943,平均绝对误差为11.33%。为避免个别网络输入初值对输出的干扰,采取全局灵敏度的方法,分析了各水环境因子变化对浮游植物生物量的相对影响。结果表明,浮游植物生物量对各水环境因子变化响应的敏感系数顺序为DOCODPO4-PSSTpHOilDINSiO3-Si。     

基于广义回归神经网络的路基沉降预测

为了对路基沉降变化规律进行预测,避免发生工程事故,提出了将广义回归神经网络模型应用于软土地基沉降预测中的方案。通过广义回归神经网络的基本理论和概念,采用实际工程数据,用 BP 神经网络方法和广义回归神经网络方法进行了预测分析,比较了2种方法的3组预测结果。工程实例预测结果表明,广义回归神经网络方法的均方误差和决定系数表现都优于 BP 神经网络方法;证明该方法是可行且有效的。     

基于ASM和FNN的人脸识别

将主动形状模型ASM(Active Shape Model)与模糊神经网络FNN(Fuzzy Neural Networks)相结合并用于人脸识别。针对经典ASM对初始化位置敏感、收缩速度慢的现象和传统模糊神经网络难以解决高维模式分类的问题进行了分析和改进。ORL人脸库上的试验表明了该算法的有效性。     

基于径向基函数神经网络的舰艇声呐部位自噪声预报

径向基函数神经网络具有学习速度较快,函数逼近能力强的特点.文章分析了影响声呐部位自噪声的各种声源参数,以舰艇声呐部位自噪声作为目标函数,将径向基函数神经网络用于舰艇声纳部位自噪声预报.利用舰艇声呐实测数据进行网络训练,训练好的神经网络可以对舰艇声呐部位自噪声进行精确预报.