基于分块独立成分分析的人脸识别

提出分块独立成分分析的特征抽取方法,并成功应用于人脸识别。分块独立成分分析方法先对图像矩阵进行分块;然后对所有图像子块联合进行独立成分分析,构造特征空间;最后把图像所有的子块投影到特征空间提取特征进行分类识别。其特点是可以有效降低图像维数和有效提取图像局部特征。在YALE和FERET人脸库上的实验结果表明,提出的分块独立成分分析方法明显优于独立成分分析方法。     

基于分层分块状态相关独立成分分析的火力发电过程运行状态评价

火力发电承担着我国电能供应的重要任务,实时掌握火力发电过程运行状态,对于提高煤炭资源利用率,实现综合经济效益的提升具有重要意义.针对火力发电过程,提出一种新的基于分层分块状态相关独立成分分析的运行状态评价方法.该方法将火力发电全流程进行纵向和横向的层次结构划分.在利用分层分块状态相关独立成分分析建立评价模型时,不仅能够...     

基于鱼群算法的独立成分分析算法研究

独立成分分析（ICA）只需要知道源信号较少的先验知识（如统计独立性等）,仅由观测信号便能恢复出源信号的特性,因而得到了广泛应用。ICA的目的是寻找变换矩阵,使输出信号经变换后各成分之间尽可能的统计独立,其关键是建立一个目标函数,使得最大化（或最小化）目标函数的解便是所要找的变换矩阵。首次将人工鱼群算法（AFSA）与ICA相结合,提出了基于AFSA的独立成分分析算法。以负熵极大化作为目标函数,通过人工鱼的觅食,聚群和追尾行为,更新人工鱼的位置,得到全局最优解,从而得到分离矩阵。与自然梯度法相比,鱼群算法精度更高,收敛速度更快,仿真实验表明了将鱼群算法应用于独立成分分析的可行性和有效性。     

基于核独立成分分析的盲源信号分离

独立成分分析(ICA)已经广泛用于盲源信号的分离(BSS)。论文介绍了基于核空间的ICA的原理和基本算法,然后介绍了该算法与典型ICA和主成分分析(PCA)在盲源信号分离中的比较。实验表明在盲源信号分离中,基于核空间的ICA与其他典型ICA和PCA算法相比更具有准确性和鲁棒性。     

基于核独立成分分析的人脸识别研究

在人脸识别中提出一种基于非线性子空间的核独立成分分析(KICA)方法。在简单介绍了ICA方法的基础上,对KICA方法的基本原理和算法作了较为详细的描述。为了验证基于KICA和ICA的人脸识别方法的识别效果,进行了对比实验和分析。实验和分析结果表明,在人脸识别中,基于KICA的方法优于基于ICA的方法。     

基于独立分量分析的过程监控方法研究

为了解决多变量系统的各个变量之间往往相互影响,且一般不能严格服从高斯分布的问题,采用ICA方法时正常状态下观测的数据进行分析处理,从中提取出统计独立的独立分量,为简化后续分析,对得到的独立分量进行筛选、划分,并分别计算两类统计量:I2统计量和SPE统计量,确定其控制限,与在线数据进行对比,用于监控系统运行.通过一多变量过程仿真实例,证明了这种方法的可靠性,这为ICA应用于监控多变量系统的运行、检测故障的发生提供了有益的思路.     

基于核独立成分分析的声信号去噪方法

野外环境无线传感侦查网络中的声识别技术面临着复杂的自然环境噪声的挑战,尤其是由强风噪声造成的影响.独立成分分析(ICA)方法是一种能够较好地解决这种复杂环境去噪的方法.引入一种基于核方法的非线性ICA方法一核独立成分分析(KICA).基于该算法,针对强风噪声的特性,设计一种应用于单声传感器降噪的方案.通过降噪仿真实验,...     

基于独立成分分析和信息融合的步态识别

提出基于独立成分分析和多视角信息融合的步态识别方法.应用背景差分和阴影消除检测出人体步态轮廓,对人体轮廓用小波描述子进行特征提取.通过独立成分分析对特征进行压缩,应用支持向量机完成对步态的分类与识别.通过融合不同视角下的步态特征,完成多视角下信息融合的步态识别.方法在NLPR和XAUT步态数据库上进行实验,取得较高的识别率.实验结果表明本文方法具有较高的识别性能.     

基于核独立成分分析和BP网络的人脸识别

用基于非线性子空间的核独立成分分析方法（KICA）对人脸图像进行特征提取,用三层的BP网络作为分类器,对人脸进行识别。在简单介绍基本的独立成分分析（ICA）的基本原理的基础上,对KICA的原理和算法作了详细的描述,并详细介绍了三层BP网络的设计。最后为了验证KICA+BP网络的效果,进行对比实验和分析。实验和分析的结果表明,在人脸识别中,该方法的效果明显好于其它方法。     

基于多线性独立成分分析的掌纹识别

为快速有效地在掌纹识别中学习多种因素的高阶统计独立成分,利用多线性独立成分分析方法对掌纹张量进行降维,得到低维的模式矩阵,将掌纹图像向模式矩阵上投影以提取核心张量,通过计算核心张量间的余弦距离实现掌纹匹配。基于PolyU掌纹图像库的实验结果表明,与主成分分析(PCA)、二维PCA、独立成分分析和多线性PCA相比,该方法的识别率最高,且满足系统实时性要求。     

基于独立源分析的过程监测方法

多元统计过程控制要求观测数据服从正态分布,而实际的5-业过程数据大都不满足正态分布条件.独立源分析（ICA）近几年才发展起来的一种新的统计方法,可以克服对数据分布的依赖性．对此,以ICA算法为核心,引入一种新型的过程监测方法,应用ICA提取独立源,利用I^2图,Ic^2图和SPE图进行故障检测．最后以3水箱系统为例进行了实验研究,取得了很好的效果．     

基于改进的独立分量分析的人脸识别方法

将独立分量分析（Independent Component Analysis,ICA）作为人脸特征提取方法。ICA所提取的特征分类能力强、相互独立,对像素间高阶统计特性敏感,并且不易受光照变化的影响。实验结果表明,基于IcA的人脸特征提取方法的识别性能优于特征脸法。针对传统的ICA算法（Informax算法）存在迭代次数多,难收敛,并且需要人工设定步长来调整学习速度的不足,本文采用FastICA作为ICA的快速算法,并将其关键迭代步骤加以改进,减少了耗时的雅可比矩阵求逆的运算次数。所提出的改进的FastICA具有无需人工参与,收敛速度快,迭代次数少的优点。在特征选择方面,本文将遗传算法（Genetie Algorithm,GA）应用到独立分量的选择与优化中,从而在保证较高识别性能的前提下,获得最优的人脸特征子集。     

基于独立分量的信号分离算法研究

噪声控制工程中,定量分离主要噪声源是一个非常复杂的问题,国内外对此进行了大量研究,并提出了许多算法,但基本都只适用于线谱,对于宽带信号显得无能为力。据此,基于独立分量分解原理,尝试通过信号分解、线谱提取的方式,将宽带噪声从原信号中准确分离出来,然后可以依据相干分析和谱分析等手段定量分析。计算机仿真研究效果良好,证明该方法具有一定工程应用价值。     

基于PCA和ICA的虹膜识别方法

为了提高虹膜识别的正确率,提出了利用主成分分析(PCA)与独立成分分析(ICA)相结合的方法,来对虹膜进行识别的方法。用该方法进行虹膜识别时,首先对预处理后的虹膜图像,利用PCA算法进行去二阶相关和降维处理;然后再进行ICA训练。ICA训练采用了以下两种方法:方法1,将参与ICA训练的图像看作是随机变量,而将图像中的像素值看作是随机实验结果,ICA训练后即可得到相互独立的ICA虹膜基图像;方法2,将图像中的像素值看作是随机变量,而将图像看作是随机实验结果,ICA训练后即得到相互独立的ICA系数。采用CASIA虹膜数据库进行的试验结果表明,基于PCA和ICA的虹膜识别算法在两种训练方式下的正确识别率分别达到98.89%和98.33%。     

基于方差滤波和ICA算法的人眼定位

采用方差滤波器确定人眼候选区域, 结合独立成分分析(ICA)方法对人眼进行快速定位, 能够有效地提取训练图像的高阶统计特征, 很好地去除基向量的相关性. 与主成分分析(PCA)和传统ICA方法相比具有更好的鉴别能力. 实验表明, 该方法的识别率可达97.3%, 并对光照和姿态变化也具有很好的鲁棒性.     

基于独立分量技术的类GIFT算法S盒逆向分析

在实际密码系统或模块的安全性评估中,对未知密码算法的逆向分析是一项重要的评估内容.目前关于密码算法的逆向分析方式主要分为数学分析和物理旁路分析2种,后者因其代价低、通用性高等优点更为流行.基于独立分量技术的侧信道分析技术绕过传统侧信道分析中的“先猜测后确定”的攻击思路限制,直接恢复中间状态值.研究了类GIFT算法在逆向分析下的安全性,利用GIFT算法结构的特点,将P置换输入作为独立分量攻击观测条件,利用独立分量技术成功恢复出了S盒内容.该结果是最早关于类GIFT算法的逆向分析结果之一,其方法对于其他未知算法的逆向分析也具有参考意义.     

Redundant Sensor Calibration Monitoring Using Independent Component Analysis and Principal Component Analysis

This paper presents a comparison of methods for industrial on-line sensor calibration monitoring for redundant sensors. Principal component analysis (PCA) and independent component analysis (ICA) techniques are developed and compared using both simulated data and data sets from an operating nuclear power plant. The performance is dependent on the types of noise sources; however, under most conditions ICA outperforms PCA, based on the bias and variance of their respective parameter estimates. A case study is included to demonstrate the usefulness of both techniques for the early detection of sensor drift.     

基于独立成分分析的多目标分布估计算法

针对复杂的强耦合、非线性连续多目标优化问题,提出了一种基于独立成分分析方法（IC A ）的多目标分布估计算法。假设其概率图模型为非高斯的,采用ICA进行分离产生独立的各分量,接着采用基于拥挤距离排序和NSGA-Ⅱ的非支配排序,选择出优秀个体作为新的种群。与多目标ICA-UMDA 和vbICA-MM 的比较实验表明,该算法在测试函数ZDT2-2、ZDT4-2、ZDT6-2和F5上获得的Pareto解集具有较好的收敛性与多样性,且数据没有服从高斯分布的限制。     

基于独立主元分析的汽轮机性能监测与评估

为了解决汽轮发电机组的性能检测和故障诊断问题,将独立主元分析引入汽轮机性能监控领域,提出了一种基于独立主元分析(ICA)的电厂机组性能监测与评估新方法。通过ICA算法计算数据的独立主元,进一步计算监控统计量I2,I2和SPE来监测和评估系统的运行。若监控统计量在控制置信限以下,则认为系统运行正常;若统计量超过控制限,则判断为系统有故障或异常发生,运行和维修人员可以根据监测结果及时排查故障发生的原因,消除安全隐患,从而确保机组的安全稳定运行。某电厂机组故障数据仿真研究试验验证了该方法的有效性和合理性。