人脸识别技术的比较与结合

本文主要介绍了人脸图像特征提取的三种算法,包括PCA算法,DCT算法以及FLD算法,着重分析了PCA＋FLD,DCT＋FLD两种结合算法的原理。实现方法和步骤以及各自的优缺点。     

一种数据驱动的多故障诊断方法研究

结合统计建模与物理建模的指定元分析(DCA)有效地避免了主元分析的模式复合问题,从而能用来进行多故障诊断。针对非正交指定模式的处理问题,基于模式分组思想给出一种逐步DCA多故障诊断法,把常见变化模式分为几个正交模式组,然后关于各组指定模式,分别对所得观测数据阵或上一步DCA所得残差矩阵做DCA,逐步诊断各组中的故障是否发生。针对包含6种共存故障的观测数据的仿真研究表明,逐步DCA多故障诊断算法可有效地进行多故障诊断,且无需人为解释诊断结果的物理意义。     

基于f-k优化近邻法的PCA人脸识别算法

PCA算法是人脸识别技术中的经典算法之一.为了提高特定环境下PCA人脸识别算法的正确识别率,提出了一种改进的距离判别函数f-k优化近邻法,实验结果表明,该算法在多人多幅图像测试中识别效果得到明显改善,个体正确识别率达到97.62％.     

多模态过程中新模态过程建模方法

多模态过程中新出现的模态过程短期内无法获得充足的建模数据,且传统统计控制方法无法有效地估计过程特性.鉴于此,提出一种基于历史模型数据相关特性建立初步模型的方法,充分利用已有多模态历史数据的相关特性,从历史数据中寻找与当前数据特征相似的数据进行补充,建立初始模型,并利用新积累的数据迭代初步模型,逐步实现准确描述过程特性的算法.通过在田纳西-伊斯曼过程中的大量仿真,表明了所提出方法的可行性和有效性.     

基于图片特征空间的信息压缩研究

提出了一种基于2DPCA和PCA的信息压缩方法,从而实现两种特征提取方法的优势互补.仿真实验结果表明,该方法不仅提取和保留了有效信息,减少了信息的存储空间,又极大地减小了计算量,有很好的特征提取性能.     

基于PCA的神经网络在港口货物吞吐量中的预测

分析选取了可能影响港口货物吞吐量的因素,采用PCA技术提取关键因子,最后以提取的关键因子作为神经网络的神经输入元,分别建立BP神经网络预测模型和GRNN神经网络预测模型。以上海港口为例,对港口货物吞吐量进行预测并对预测结果给予分析。     

基于鲁棒PCA聚类分析的径流周期特性研究

为了研究多年来河流天然径流的变化周期,引入鲁棒PCA(Principal Component Analysis)方法实现大量非线性流量数据的压缩和特征提取,得到了更具表征性的主成分,在此基础上提出了基于加权主成分距离和密度的径流聚类分析方法和径流周期特性分析的模糊模式识别算法.通过嘉陵江支流白龙江下游的三磊坝水文站1964~2002年周平均流量数据的实验和仿真,得出了该站径流具有7年的显著周期和相应的隶属度,从而证明了本文提出的基于鲁棒PCA聚类分析的径流周期特性研究方法具有较好的适用性.     

基于分块PCA的人脸识别方法

本文提出了一种称为M2PCA＋FDA的新的人脸识别方法．新方法从模式的原始数字图像出发，先对样本图像进行分块，对分块得到的子图像矩阵采用PCA进行特征抽取，从而得到能代替原始模式的低维的新模式，然后，对新模式施行“Fisherfaces”方法，实现模式的分类．其特点是能有效地抽取图像的局部特征，正是这些特征使此类模式区别于彼类．在ORL和NUST603两个人脸数据库上对M2PCAA-FDA方法进行了测试，实验的结果表明，本文提出的方法在识别性能上优于“Fisherfaces”方法和PCA方法．     

DEA/PCA模型在科技绩效评价中的应用

在对比研究DEA方法和PCA方法的基础上，综合应用改进的DEA方法和PCA方法，建立了对科技绩效进行评价的DEA／PCA模型，并以2002年我国省域高校为例，综合分析了其科技绩效。认为提高省域高校的科技绩效，应进一步加大对省域高校科技的投入，改善结构，增加对中西部省域高校的科技支持。     

智能家庭控制网络组网研究

作者在比较了典型的家庭控制网络组网方案后，提出了基于CAN总线的智能家庭控制网络，为家庭控制网络以及智能小区的建设者提供了一些思路。