基于KPCA与KFDA的SAR图像舰船目标识别

针对SAR图像中舰船目标识别的问题,提出了基于核主成分分析(Kernel Principal Component Analysis,KPCA)和核Fisher判别分析(Kernel Fisher Discriminate Analysis,KFDA)相结合的舰船目标识别算法。用核主成分分析的方法对实测的SAR舰船目标数据进行特征降维,再结合核Fisher判别分析法对降维后的样本数据进行多类别分类。将该方法用于对实测的四类舰船目标进行识别,平均识别率可达91.25%。实验结果表明,核主成分分析与核Fisher判别分析相结合的方法可提取目标的有效特征,在较低特征维数情况下获得较高的目标正确识别率。     

基于KPCA与KFDA的SAR图像舰船目标识别

针对SAR图像中舰船目标识别的问题,提出了基于核主成分分析(Kernel Principal Component Analysis,KPCA)和核Fisher判别分析(Kernel Fisher Discriminate Analysis,KFDA)相结合的舰船目标识别算法.用核主成分分析的方法对实测的SAR舰船目标数据进行特征降维,再结合核Fisher判别分析法对降维后的样本数据进行多类别分类.将该方法用于对实测的四类舰船目标进行识别,平均识别率可达91.25%.实验结果表明,核主成分分析与核Fisher判别分析相结合的方法可提取目标的有效特征,在较低特征维数情况下获得较高的目标正确识别率.     

基于主成分分析法的军械保障信息化评估方法

为了保证军械保障信息化建设评价结果具有较好的客观性,提高军械保障信息化决策水平,提出了基于主成分分析法的军械保障信息化评估方法;在对主成分分析法基本思想及算法研究的基础上,建立了基于主成分分析法的军械保障信息化评估指标体系,结合主成分分析法的特点对其进行了修正,从根本上保证了最终评价结果主观和客观的统一。通过实例分析,验证了主成分分析法用于解决军械保障信息化建设评估的可行性。     

基于主成分分析的舰船装备维修费组合预测

针对基于回归的组合预测模型,由于舰船装备维修费预测时可利用的样本小、可用的单项预测方法多,容易导致预测模型的数量比用于组合预测的样本数量多,出现回归系数无法估计的问题。在建立基于回归的舰船装备维修费组合预测模型前,首先对各单项预测方法预测结果进行主成分分析,建立舰船装备维修费实际值在选取主成分上的回归模型,给出基于主成分分析的组合预测模型;然后针对主成分分析中根据主成分的累积贡献率确定主成分数量具有一定的主观性,建议采用AIC确定主成分的数量;最后,采用实例对给出的方法进行分析和验证。结果表明:在舰船装备维修费组合预测中,该方法不仅解决了预测模型多于用来组合预测的样本数量问题,而且还可以解决单项预测方法之间的共线性问题,且其预测性能明显优于常用的组合预测模型。     

基于PCA和SVM的柴油发动机冲击故障诊断方法研究

针对柴油发动机振动信号进行故障诊断技术研究,提出了一种基于主成分分析和支持向量机的柴油发动机冲击故障诊断方法。首先利用小波包分解提取出冲击故障的特征;再利用主成分分析技术获得敏感特征参数,进而减小数据处理的复杂程度;最后利用支持向量机对敏感特征参数样本进行训练,获得分类模型,进而实现故障分类。将该方法用于柴油机实际故障分类,诊断准确率较高,证实了本文方法对多种冲击故障诊断的有效性。     

基于主成分分析的房地产指标研究

从量化的角度分析了房地产价格的变化以及各地的价格影响因素。对收集到的全国31个省、市的房地产指标数据用主成分分析法分析,得出影响房地产价格的综合指标,并将各地的房地产价格做出排序。本文还将主成分分析用于系统评估且对分析方法进行改进。     

公路路线抗震重要度分析

在阐述了现行路线抗震重要度确定方法的基础上．具体分析影响路线抗震重要度的主要因素．包括节点的经济重要度（即路段经济重要度）、区域地震烈度、路线技术等级、路线行政等级及交通流量等因素,并采用了利用主成分分析法建立的数学模型计算出路线抗震重要度具体数值．对如何分析计算路网中每条路线的抗震重要度的理论方法进行了尝试。最后结合某省部分路线进行了实例应用,指出了此方法的应用前景。     

主成分分析方法在遥感数字图像处理中的应用综述

本文首先简要介绍了主成分分析的基本概念和原理;阐述了主成分分析,即K-L变换在遥感数字图像中的应用——数据压缩、图像增强、分类前预处理;然后探讨了国内外对于主成分分析在遥感图像处理方面的应用技术和手段以及应用范围;最后在分析该方法局限性的基础上,提出对主成分分析方法在遥感数字图像处理上的展望。     

核主成分分析方法在船型方案综合评价中的应用

将用于综合评价的核主成分分析(KPCA)方法引入船型方案选优,通过算例分析,将该方法与传统层次分析(AHP)及交互式多目标决策方法进行对比,结果表明该方法在船型方案优选多目标决策问题上是适用和可靠的。     

船舶工业轻微事故的主成分分析

主成分分析法是利用降维的思想,在损失很少信息的前提下,把多个指标转化为几个相互独立的综合指标的多元统计方法。将主成分分析用于船舶工业的轻微事故统计中,对事故类型和发生月份进行深入分析,得出事故发生的潜在规律,对制定相应的事故预防策略具有一定的指导作用。     

基于多目标粒子群优化和主成分聚类分析的船舶主尺度分析

根据多个技术和经济指标进行船舶主尺度优化论证是船舶设计人员需要着重解决的问题。提出结合粒子群优化和主成分聚类两阶段的方法进行船舶主尺度论证分析。建立了以载重量、建造费用、服务航速和提供舱容为设计指标的水面船主尺度论证模型。采用多目标粒子群优化算法对船舶优化模型进行求解,获得问题的Pareto解集。使用主成分聚类分析对该数据集进行综合评价。先将Pareto解集进行主成分分析,使用前2个主成分就能够表达原始数据的绝大部分信息,再通过对主成分进行聚类,获得不同类别中Pareto解集的特征,根据第一主成分得分获得每个聚类中设计样本的排序,最终可以从Pareto解集中得到折中解。利用主成分分析和聚类技术还研究了变量在主平面上的映射以及聚类特性。给出了1艘水面船的主尺度论证算例,表明本文给出的方法合理可行。     

基于故障树的某型船主冷凝器真空偏低原因分析

主冷凝器是船舶蒸汽动力装置的重要组成部分,其可靠性的好坏直接影响了整个蒸汽动力装置系统的运行状况。在分析了引起主冷凝器真空偏低的原因的基础上,利用故障树理论绘制出主冷凝器真空偏低故障树,并对其进行了定性分析。所得结果有助于装备使用人员和工厂技术人员更快更准地查找故障原因。     

基于PCA-DDA原理的矿岩可爆性分类及应用

准确判别矿岩可爆性是采矿工程安全生产的重要保障。为了消除评判指标之间的相关性造成的信息叠加,提高分类准确性,将主成分分析法(PCA)与距离判别法(DDA)相结合建立了矿岩可爆性分类的距离判别模型。通过选取岩石密度、抗拉强度、冲击动载强度以及岩体完整性系数等4项指标作为矿岩可爆性的判别因子,将30个矿山实例数据作为学习样本进行训练建立了相应的判别准则,回判结果表明经过训练后的模型误判率为零。将建立好的PCA-DDA模型应用于工程实例,判别结果与实际情况完全相符,表明该模型具有良好的判别能力,可以在实际工程中进行应用推广。     

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。     

改进的主成分分析方法

传统的主成分分析方法是针对原始数据的协方差矩阵进行奇异值分解,将原来多个变量构建为少数几个互不相关的主成分的一种统计方法,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。但是,对于传统的主成分分析方法,输入信号的方差对其分析结果影响较大。因此,本文开展以相关函数矩阵为基础的主成分分析方法研究。     

主成分分析法激励源识别试验研究

以两端弹性支撑梁为研究对象,试验测量多激励力作用下测点的时域响应,利用主成分分析法进行激励源识别分析,验证该方法的有效性。探究识别激励源数目、主成分频谱特性及贡献率随测点分布和测点数目变化的规律。结果表明,该方法识别的激励源数目是恒定而且正确的,而主成分频谱特性及贡献率则随测点数目和测点分布的不同而有所变化。     

基于主成分分析的振动噪声源耦合信息判别

主成分是通过把原来多个变量转化为少数几个互不相关的主成分的一种统计方法,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.通过实船航行试验,证明了主成分分析可以在信息损失较少的前提下提取振动噪声源之间存在的耦合信息.     

基于单元法的事故多发路段的鉴别分析

介绍了以考虑道路线形特征划分单元路段的单元法,分析了当量事故经济损失的计算方法,结合传统事故多发路段鉴别方法,对累计频率法进行优化,并对工程实例进行分析,提出基于单元法进行事故多发路段鉴别分析的具体操作步骤。     

鱼雷目标检测的贝叶斯判别融合方法研究

对基于贝叶斯判决法的模式分类方法进行了理论分析,并将多变量的贝叶斯模式分类方法应用于决策信息融合过程,证明用多传感器测得的多维信息通过决策融合进行目标判别优于用单传感器测量进行目标判别,此方法用于鱼雷的目标检测,能大大提高系统的目标检测概率,或降低检测的虚警概率。理论分析和数学仿真均证明其是一种有效的方法。     

基于主分量的耦合声源数量判别方法研究

在噪声工程中,声源数量和空间位置判别是最基本的问题。鉴于舰船机械设备众多,传递通道复杂,使得这一问题更加复杂,采用传统的MUSIC算法已经无法判别耦合声源数量。为此,本文基于主分量算法的特殊性,利用其特征量相互之间的关系来判断耦合声源的数量及空间位置。理论研究表明,该方法可以满足3 d B信噪比条件下的耦合声源数量判别,结合窄带滤波器可以实现更低信噪比条件下的耦合声源数量识别。基于信息模型的仿真计算结果,利用壳体上分布的响应测点信息构建主分量分析的输入信息矩阵,进一步验证该算法在耦合声源数量判别上的准确性和可行性。