搜索结果: 1-15 共查到“工学 KPCA”相关记录22条 . 查询时间(0.078 秒)
基于KPCA的AISA EagleⅡ机载高光谱数据的降维与树种识别
核主成分分析 机载高光谱 树种识别 支持向量机
2021/7/12
为了提高树种识别的精确度,充分发挥高光谱数据“高光谱分辨率”的优势,以思茅区北部万掌山林场某一区域为试验区,基于AISAEagle域机载高光谱数据,采用不同降维算法进行降维处理后,使用SVM对林区的不同树种进行分类识别,采用主成分分析法(PCA)、核主成分分析法(KPCA)对经过预处理的高光谱图像进行降维处理。KPCA降维采用了线性、多项式和高斯3种核函数,以特征提取效果和累积贡献率作为评价指标来...
机载高度表故障诊断的KPCA BN方法
故障诊断 贝叶斯网络 主元分析法
2020/7/24
针对电子设备故障诊断中缺少对模块间条件概率影响的分析以及不确定性故障信息的情况，在推理机构建时采用贝叶斯网络推理来代替传统故障树分析作为故障定位的主要方法，以相关测试项目作为故障特征向量，并引入基于核函数的主元分析法来进行故障特征的选取，可去除噪声影响和冗余的数据信息，实现故障特征的数据降维，便于分类或聚类，和单独使用主元分析法相比能更好地处理非线性高维数据，提高故障的诊断正确率和分类精度。通过应...
基于KPCA和LS SVM的制导弹药库存性能评估研究
性能评估 KPCA LS SVM 制导弹药
2020/7/16
针对制导弹药库存性能评估中只有二分状态区分问题,提出了采用主元分析法（KPCA）和最小二乘支持向量机（LSSVM）理论相结合的方法，综合运用检测数据和弹药事件数据，动态地实现评估制导弹药库存性能，改变了仅依赖于时间变量的性能评估，细化了对制导弹药状态区分，弥补了部队目前制导弹药性能评估的缺失，并与实际保障模式下弹药维护费用进行了对比，表明了模型的准确性和有效性。
为了对达林顿管进行故障预测，提出了基于KPCA与马氏距离的达林顿管故障预测方法。通过对达林顿管进行失效机理分析，设计了加速退化试验，并获取了集电极导通电流与饱和压降性能退化数据，利用小波包分解与核主成分分析进行数据处理，滤除了原始数据中的干扰信号，得到了退化数据的主成分，结合马氏距离对处理后的数据进行特征融合，得到了可以表征达林顿管健康状态变化的健康因子。使用2种故障预测算法对健康因子进行预测，故...
基于PCA与KPCA的多光谱遥感影像特征提取对比研究
PCA KPCA 特征提取
2016/12/6
多光谱遥感影像特征提取是保证图像分类结果精度的关健，文中介绍了多光谱遥感影像特征提取的两种主要方法通过实验证明:KPCA较PCA具有更好的数据压缩和降维效果，影像特征提取效果优势明显。
故障特征选择与特征信息融合的加权KPCA方法研究
特征信息融合 加权核主成分分析 故障诊断
2014/8/6
针对旋转机械振动故障特征与故障类别间不完全对应问题，以双跨转子系统12个通道的故障信息集合为研究对象，提出一种基于加权核主成分分析的故障敏感特征集合提取方法。通过对每个通道的振动信号进行时域、频域、时频域的特征提取，得到一种描述双跨转子系统的原始故障特征集合。采用多准则特征选择方法对这种原始故障特征集合进行特征属性筛选，得到一种利于故障分类的敏感特征集合。对这12个通道的敏感特征集合进行信息融合处...
提出了一种基于KPCA（Kernel Principal Component Analysis）和稀疏表示的合成孔径雷达（Synthetic Aperture Rader，SAR）目标识别方法。该方法首先利用KPCA方法提取样本特征，然后在特征空间内构造稀疏表示模型，通过梯度投影法（Gradient Projection for Sparse Reconstruction，GPSR）求得测试样本的...
基于KPCA与LSSVM的网络控制系统时延预测方法
网络控制系统 时延预测 核主成分分析 最小二乘支持向量机
2013/11/19
针对网络控制系统中随机时延很难精确预测的问题，首次将核主成分分析（kernel principal component analysis, KPCA）与最小二乘支持向量机（least squares support vector machine, LSSVM）结合对随机时延进行预测，KPCA对输入随机时延序列降维，消除重复性与噪声，减少LSSVM的运算量，降维后的时延序列通过LSSVM算法预测时延...
采用KPCA和BP神经网络的单目车载红外图像深度估计
深度估计 红外图像 KPCA BP神经网络
2016/9/1
提出一种基于监督学习得到深度估计模型的单目车载红外图像深度估计方法。首先用核主成分分析法（KPCA）筛选红外图像特征。将最初提取的红外图像特征用核函数非线性映射到一个线性可分的高维特征空间，再完成主成分分析（PCA），得到降维后的红外图像特征。然后以BP神经网络为模型基础，对红外图像特征和深度值进行训练，训练后的深度估计模型可对单目车载红外图像的深度分布进行估计。实验结果证明，利用该模型估计的单目...
针对传统主元分析法(PGA)应用于复杂非线性的化工过程故障检测时存在性能差的问题，提出利用核主元分析法(KPCA)来进行故障检测的思想，从而将输入空间中复杂的非线性问题转化为特征空间中的线性问题。将上述方法应用于Tennessee Eastman(TE)化工过程模型，仿真结果表明，KPCA方法在复杂非线性化工过程故障检测方面的应用明显优于普通的PCA方法。
两步降维的核主成份分析(kernel principal component analysis,KPCA)+线性判别式分析(linear discriminant analysis,LDA)法中,第一步KPCA变换阵的选取影响数据的分类结果。对线性不可分问题首先研究了正定核KPCA+LDA中KPCA变换阵的选取对分类结果的影响;其次,将正定核推广到不定核,研究了不定核KPCA+LDA中KPCA变换...
对信号的特征选择与分类问题进行研究，提出了一种基于核主分量分析(kernel principle component analysis, KPCA)和线性判别(linear discriminant analysis, LDA)分类器的信号调制识别算法。针对通信信号的特点，首先利用KPCA的方法对特征参数进行主分量组合，以消除信号特征间的相关性和压缩特征向量的维数，然后利用LDA分类器进行信号调制...
优化KPCA特征提取下的FCM算法研究
核函数主元分析 文化算法 模糊聚类
2009/12/10
利用核函数主元分析（KPCA）方法对大样本、高维数据进行特征提取预处理，并结合文化算法（CA）选择最优或接近最优的核函数，将其用于模糊C均值（FCM）聚类中，不但有效地提取了样本的非线性信息，而且使样本维数得到约简。实验表明该方法具有较好的聚类效果和更少的训练时间。
利用小波变换提高基于KPCA方法的人脸识别性能
人脸识别 小波变换 核主成分分析
2009/11/19
基于核主成分分析（KPCA）的人脸识别算法能够提取非线性图像特征，在小样本训练条件下有较好性能. 然而并非所有非线性特征对识别都有利，过多的不相关特征可能会降低识别性能. 针对图像信息冗余的特点，预先对图像进行小波变换，通过消除对识别无关的细节信息，不仅提高了KPCA方法的识别精度，而且降低了该算法对计算机硬件的要求. 同时，为了抑制KPCA对光照等变化的较高敏感性，还提出一种对图像灰度进行衰减的...