一种应用于人脸识别的非线性降维方法

局部线性嵌入算法(locally linear embedding,LLE)作为一种新的非线性维数约减算法,在高维数据可视化方面获得了成功的应用.然而LLE算法获取的特征从分类角度而言并非最优,而且LLE算法难以获取新样本点的低维投影.为解决这两个缺陷,提出了将非线性的LLE算法和线性判别分析算法(linear discriminant analysis,LDA)相结合的一种新的非线性降维方法,通过ORL、Havard和CMU PIE三个人脸库的实验,结果表明,该方法能够大幅度提高识别率,对光照、姿态及表情变化具有一定的鲁棒性.     

基于KLLE和KNR的雷达目标一维像识别

局部线性嵌入(LLE)是一种有代表性的流形学习算法,利用核技术将LLE进行推广,得到核局部线性嵌入算法,并将其应用于雷达目标一维距离像的特征提取。然后采用一种基于核的非线性分类器,对所提取的特征进行分类。对3种飞机的实测数据进行识别实验,结果表明,该方法具有较优的识别性能。     

基于Gabor小波和LLE的掌纹识别

为了更好地提取掌纹图像的非线性特征,文中提出一种基于Gabor小波变换和局部线性嵌入的掌纹识别算法。通过提取ROI进行光照和滤波预处理,之后进行Gabor小波变换,提取掌纹图像的多尺度特征,利用非线性的LLE算法提取主元,用最近邻方法进行分类。通过PolyU掌纹库进行验证,比较了预处理、不同ROI提取方法、LLE算法的参数对识别率的影响。实验表明,此方法相比于传统的线性降维算法以及单独的LLE算法在识别率上均有所提高。     

基于双谱LLE降维的PUE攻击检测

针对认知无线电中的主用户仿冒攻击检测问题,给出了基于矩形积分双谱的局部线性嵌入降维算法,用于识别主用户(PU)和仿冒用户(SU)。选择矩形积分双谱作为识别特征参数,利用局部线性嵌入算法(LLE)进行特征数据约简,通过基于核函数的支持矢量机(SVM)进行个体识别。实验结果表明,该方法具有较高的识别率,并能够较好解决PUE攻击检测问题。     

基于有监督的核局部线性嵌入的人脸性别识别

流形学习方法可以有效地发现存在于高维图像空间的低维子流形并进行维数约简,但它是一种非监督学习方法,其鉴别能力反而不如传统的维数约简方法,而且流形学习方法大多没有明晰的投影矩阵,很难直接对新样本进行维数约简.针对这两个问题,提出一种新的有监督的核局部线性嵌入算法(SKLLE,supervised kernel local linear embedding).该算法通过非线性核映射将人脸样本投影到高维核特征空间,然后将人脸局部流形的结构信息和样本的类别信息进行有效地结合进行维数约简,提取低维鉴别流形特征用于分类.SKLLE算法不仅能发现嵌入于高维人脸图像的低维子流形,而且增强了局部类间的联系,同时对新样本有较好的泛化性,实验结果表明该算法能有效的提高人脸性别识别的性能.     

利用曲波变换和局部线性嵌入算法的SAR图像海面油膜特征提取

溢油事故带来的海洋污染问题日益严重,SAR图像快速准确地自动识别为溢油事故的处理和决策支持提供了重要前提。为了获得更高的油膜识别准确率,提出了一种基于曲波变换（Curvelet）和局部线性嵌入（Local Linear Embedding,LLE）算法的SAR图像特征提取方法。首先,利用Curvelet对图像进行分解,选取包含了主要信息的低频分量作为新的图像矩阵;然后,利用LLE进行非线性降维,提取图像分类特征。为了验证提取特征的有效性,所提的Curvelet-LLE算法与PCA、LLE、等距特征映射（Isomap）、Curvelet变换和 Fisher 判别分析(Curvelet-KFD)、Wavelet-LLE等特征提取算法,利用K最近邻和支持向量机分类器分别进行了对比实验。实验结果表明,Curvelet-LLE算法能更有效地提取SAR图像油膜识别的分类鉴别特征,其准确率相对较高,具有较好的实用性。     

一种半监督稀疏保持近邻判别嵌入算法

保持近邻嵌入（NPE）算法对局部线性嵌入（LLE）算法进行了改进,克服了新来样本问题,但在处理分类问题上表现不足。本文提出了一种半监督稀疏保持近邻判别嵌入算法,该方法首先采用小波变换对数据进行预处理,然后执行等距离映射(Isomap)算法选择合适的低维嵌入维数,最后结合稀疏表示理论、NPE和线性判别分析（LDA）的思想,重构邻域图,并在建立目标函数时使得已标签信息中同类样本点之间相互靠近,异类样本点之间相互远离,未标签信息邻域信息得以保持,这样,既得到了高维映射函数,又提高了分类正确率。通过在人脸数据库上实验,并和其他半监督算法作比较,本文提出的算法在识别率上表现较好。     

基于流形的目标跟踪系统设计

设计实现了基于流形的目标跟踪系统.利用局部线性嵌入(LLE)算法和粒子滤波器算法构建了一个贝叶斯推理网络以实现目标跟踪.同时,提出了一种新的利用LLE算法进行目标跟踪的方法,有效地改善了对复杂目标运动进行跟踪的效果.     

基于改进的监督LLE人脸识别算法

LLE是一种无监督的非线性降维方法,广泛应用于人脸特征提取,但是该方法缺乏样本点的类别信息.提出了一种新方法,在LLE的基础上引入有监督的学习机制和增加样本点的类别信息,通过减少类内距离而增加类间距离和最小化局部数据的全局重构误差,同时结合核邻域保持投影方法(KNPP)来提取高维人脸数据的非线性特征.算法有利于分类识别...     

基于近邻消息传递的自适应局部线性嵌入

针对局部线性嵌入(LLE)降维算法中邻域参数的人工设定及其全局性的缺陷,研究了聚类和降维的内在联系,提出了邻域参数的自适应选取策略,构建了一种聚类和降维的自适应局部线性嵌入(ALLE)算法,为每个样本点设计最佳的近邻搜索空间,自适应选取邻近点计算权值重建矩阵,基于类信息重新定义了重构误差函数。实验表明,新算法更能体现出数学上流形概念的局部坐标化本质,对不相关数据、冗余数据和噪声数据具有良好的鲁棒性,在实际识别问题中体现出优越的性能。     

基于LLE和BP神经网络的人脸识别

利用LLE非线性降维方法提取人脸特征,然后将提取出来的特征输入到BP神经网络进行训练得到人脸类间的判别信息,进行人脸识别。利用LLE降维方法既能够降低数据维数,减少运算量,又很好的保留了各类人脸样本的拓扑结构,避免人脸图像光照、姿态等因素对人脸识别的影响。在ORL人脸库上的实验结果表明了,这种方法是有效的。     

基于LLE的分类算法及其在被动毫米波目标识别中的应用

该文针对模式识别中的单类分类问题,根据LLE算法思想,考虑数据分布的低维流形,提出了一种单类分类算法。基于流形学习算法发现了被动毫米波信号的短时傅里叶谱中低维流形的存在,并讨论了其特性。将新算法应用于被动毫米波金属目标识别,相对目前流行的分类算法,取得了更好的效果,且算法对输入参数不敏感,在数据混叠程度较高时仍有很好的鲁棒性。     

LLE-based classification algorithm for MMW radar target recognition

In this paper, a new multiclass classification algorithm is proposed based on the idea of Locally Linear Embedding (LLE), to avoid the defect of traditional manifold learning algorithms, which can not deal with new sample points. The algorithm defines an error as a criterion by computing a sample’s reconstruc-tion weight using LLE. Furthermore, the existence and characteristics of low dimensional manifold in range-profile time-frequency information are explored using manifold learning algorithm, aiming at the problem of target recognition about high range resolution MilliMeter-Wave (MMW) radar. The new algo-rithm is applied to radar target recognition. The experiment results show the algorithm is efficient. Com-pared with other classification algorithms, our method improves the recognition precision and the result is not sensitive to input parameters.     

奇异值特征在目标识别中的应用

本文针对图像矩阵固有的奇异值特性研究了此特性在图像目标识别中的应用，给出了一种具体算法。此外，还对图像中飞机类型的识别进行了实验应用分析。结果表明：该算法速度快、准确率较高，具有重要应用价值。     

机载火控雷达TWS滤波算法仿真研究

提出了一种结合惯性导航系统参数的跟踪滤波算法(JINS)。该算法克服了由于载机本身机动对滤波器跟踪性能所造成的影响。通过计算机进行Monte Carlo仿真试验,并与经典的α-β滤波算法进行了比较。结果表明：该算法在载机机动时仍然能够对目标保持较高精度的跟踪。     

基于Daubechies尺度函数的共形MRTD方法研究及其电磁散射应用

为了降低Yee氏蛙跳式网格划分的台阶误差,该文对3维曲面导体目标进行精确电磁建模,将时域多分辨(MRTD)算法与共形时域有限差分(CFDTD)算法结合,提出一种新的基于Daubechies尺度函数的共形时域多分辨(CMRTD)方法。该文提出将基于Daubechies尺度函数的MRTD迭代公式分解为若干传统FDTD迭代公式的线性组合,然后对最里面回路上的FDTD分解式运用局部共形技术,再将各个分解式进行线性组合,从而得到CMRTD结果。仿真结果表明,CMRTD方法既保持了MRTD方法节省计算资源、计算效率高等优点,同时明显提高了计算的精度。     

机载短波天线间隔离度的全波分析

对飞机等复杂形体及机载短波天线进行全波ＦＤＴＤ数值模拟所需的数学建模方法的介绍,研究了机载短波天线间隔离度的分析计算方法,并以波音７０７－３２０Ｂ飞机为例计算了机上４付短波天线间隔离度。所用方法及所得结果可作为飞机电磁兼容分析与设计的手段和依据。     

聚束SAR和对飞机ISAR成像的同和异

聚束照射合成孔径雷达（SAR）是用飞机对某指定大面积区域进行高分辨率成像的合成孔径方式，用地面固定雷达对飞机成像是逆合成孔径方式，两者可用完成不同的成像方法。但也可用相同的“极化形式算法”，可是在具体实现该算法时有较大区别。文中对聚束SAR具体的PFA和它的成像图形以及地面雷达对飞机的PFA给出叙述，并由此可看出它们的差异，最后给出飞机成像图。     

基于高斯增量降维与流形Boltzmann优化的人体运动形态估计

为了从多视角轮廓图像估计出含空间位置信息的三维人体运动形态,该文提出高斯增量降维与流形Boltzmann优化（GIDRMBO）算法.该算法把表示三维人体运动形态的高维数据分成表示空间位置信息和姿态信息两段子向量后,用高斯增量降维模型（GIDRM）分别对其样本进行降维,建立相应的低维空间及映射关系,然后在相应的低维空间使用流形Boltzmann优化算法来对轮廓匹配目标函数进行优化,从而实现估计.其中,所提算法分别利用了两段子向量样本的低维数据作为先验信息,可较好的避免陷入局部最优区域进行搜索,最终生成与各视角原始运动图像匹配且含空间位置信息的三维人体运动形态.经仿真实验验证,所提算法与常用粒子滤波算法相比,其估计误差小,并且还能起到消除轮廓数据歧义和克服短时遮挡的作用.