一种基于主成分分析的多波长相移干涉测量方法

提出一种基于主成分分析(PCA)的多波长同轴共路同时相移干涉测量方法。所提方法可以通过从单色CCD记录的一系列相移量未知的多波长同时相移干涉条纹图,利用主成分分析提取出单个波长下的包裹相位分布,继而通过多波长的方法进行相位解包和降噪处理得到合成波长的相位。数值模拟和实验结果表明,所提方法不仅测量过程简单,而且运算速度快,测量精度高。     

一种基于主成分分析的高光谱图像波段选择算法

提出了一种基于主成分分析的高光谱图像波段选择算法。该算法把每个波段被映射到主成分的信息量的大小作为是否被选择的指标，因此，可以保证选择的波段包含原始图像绝大部分信息，而且指标的计算只需要得到原始数据的协方差阵，而不必对原始数据进行真正的主成分变换，极大的降低了计算量。贝叶斯和K-均值分类实验表明．该算法是有效可行的。     

基于多主用户活跃性的多功率认知接入策略

针对大多数认知无线电场景中存在多个主用户,且具有较强活跃性的问题,提出了一种基于授权用户活跃性的多主用户多状态认知接入机制以及对应的多功率接入策略。该方法能够使认知用户选择最优的授权信道接入,并采用合适的功率进行传输,实现了认知系统吞吐量的最大化。数值仿真结果表明,该接入机制能够使认知用户充分利用多主用户信息和资源。与传统的功率接入方式相比,既能减小对主用户的干扰,又能提升认知系统的容量。     

一种基于改进主成分分析的人脸识别算法

提出一种主成分分析(PCA)和遗传算法(GA)相结合的人脸识别方法.利用遗传算法进行特征矢量的选择,以构成最有利于分类的特征空间.通过对ORL和Yale两个人脸数据库的实验结果,表明PCA和GA相结合的人脸识别算法优于传统的PCA人脸识别算法.     

基于移动终端业务的多接入网络选择算法

本文提出了一种基于移动终端业务的多接入网络选择算法,该算法将网络选择的单位从终端转向业务,并通过如下三个步骤为业务确定一个最优接入网络集合：首先,通过充分考虑业务的实际QoS需求以及终端速度的影响,确定各决策因素的权重;其次,通过效用函数模型确定各接入网络的效用函数矩阵;最后,通过最优接入网络集确定适合业务传输的最优接入网络组合。仿真结果表明：本文提出的新算法能根据终端移动速度及业务需求为业务选择最优网络组合,同时能大幅度提高终端网络的吞吐量。     

基于移动终端业务的多接入网络选择算法

提出了一种基于移动终端业务的多接入网络选择算法,该算法将网络选择的单位从终端转向业务,并通过如下3个步骤为业务确定一个最优接入网络集合:首先,通过充分考虑业务的实际QoS需求以及终端速度的影响,确定各决策因素的权重;其次,通过效用函数模型确定各接入网络的效用函数矩阵;最后,通过最优接入网络集确定适合业务传输的最优接入网络组合.仿真结果表明:提出的新算法能根据终端移动速度及业务需求为业务选择最优网络组合,同时能大幅度提高终端网络的吞吐量.     

一种改进的基于主成分分析的人脸识别技术

人脸识别的研究内容主要包括人脸特征提取和识别两部分。文章基于传统的PCA(主成分分析)人脸识别原理及优缺点,采用KPCA(核主成分分析)实现人脸识别的改进。该算法通过非线性映射,把原始图像数据变换到特征空间,再利用PCA实现人脸识别。在MATLAB环境下,进行基于ORL(Olivetti研究实验室)人脸库的实验仿真,KPCA能较好地提取非线性成分,其识别性能优于传统的PCA方法。     

一种基于主成分分析的高光谱图像压缩方法

探讨将主成分分析方法应用于高光谱图像压缩。对扫帚式高光谱成像仪(PHI)图像应用主成分分析的方法,发现能量主要集中在少数几个特征值中,这就为压缩提供了可能。使用峰值信噪比(PSNR)及分类准确率来评估该方法的可行性。实验证实了该算法的有效性。     

无线传感器网络中一种基于能量策略的路由算法

介绍了无线传感器网络(Wireless Sensor Network, WSN)的概念和特点,在此基础上针对无线传感器网络的特点提出了一种能量效率高和能量消耗平衡的路由新算法：最小能耗路由和节点能量最大路由周期轮转。给出了在WSN中多点对一点通信的最小能耗路径和节点能量最大路径的矩阵算法。     

主成分分析与BP神经网络的人脸识别方法研究

BP神经网络在人脸识别方面的研究中,原始样本数据不进行预处理与特征提取,不仅使识别结果准确降低,而且使BP神经的结构复杂化。主成分分析法能提取代替样本的少数几个主成分,这些主成分彼此不相关,符合特征优化的要求。BioID人脸数据库实验表明,将主成分分析与BP神经网络相结合,与传统单一的BP神经网络识别相比,提高识别的正确率,减少了训练时间,同时简化了网络结构,减少很大的计算量。     

多线性鲁棒主成分分析

鲁棒主成分分析（RPCA）是恢复低秩与稀疏成分的一种非常有效的方法.本文将RPCA推广到张量情形,提出了多线性鲁棒主成分分析（MRPCA）框架.首先建立了MRPCA模型,即最小化张量核范数与l₁范数的加权组合.然后使用增广拉格朗日乘子法求解上述张量核范数优化问题.实验结果证实：对于具有多线性结构的数据,MRPCA比RPCA更加鲁棒.     

基于主元分析的人耳识别方法的研究

由于人耳图像自身的特点,基于外观形状特征如利用边缘或耳廓压痕的识别方法存在很大的缺陷,尝试采用了基于主成元(PCA)的分析方法提取人耳特征,然后运用BP神经网络进行识别。他完全克服了在以往应用外观形状特征进行识别时存在的错误率过高和特征提取预处理要求过于苛刻的问题。实验结果表明该方法实用、有效,可使识别率达到99%以上,有着广泛的研究价值和应用前景。     

一种用于水声通信网的多址接入协议

由于传输介质的不同，使得水声通信具有一些有别于电磁波通信的特点。本文针对水声信号传播时延长带来的效率低的问题，为水下环境中的通信网提出了一种新型的冲突避免多址接入协议，该协议通过减少不必要RTS／CTS握手次数，降低了这种预约形式所造成的资源浪费，提高了网络效率。仿真结果显示，该协议在水声环境下，能获得较好的网络性能。     

Improved Face Recognition Method Using Genetic Principal Component Analysis

An improved face recognition method is proposed based on principal component analysis(PCA) compounded with genetic algorithm(GA),named as genetic based principal component analysis(GPCA).Initially the eigenspace is created with eigenvalues and eigenvectors.From this space,the eigenfaces are constructed,and the most relevant eigenfaces have been selected using GPCA.With these eigenfaces,the input images are classified based on Euclidian distance.The proposed method was tested on ORL(Olivetti Research Labs) face database.Experimental results on this database demonstrate that the effectiveness of the proposed method for face recognition has less misclassification in comparison with previous methods.     

多终端协同接入网络选择算法研究

针对"虚拟终端"中多个终端设备协同工作时的接入网络选择问题,介绍了提供虚拟终端功能的网络结构;研究了多终端协同工作时业务的提供方法;分析了多终端同时接入时网络选择参数的变化情况;通过对已有多属性决策算法的改进,提出了多终端协同的接入网络选择(CANS)算法,实现了接入网络选择结果具有整体最优化。仿真结果表明,协同接入网络选择算法与随机接入网络选择法相比,业务吞吐量得到显著提高。     

一种基于主成分分析的综合网管系统设计及实现

在大数据时代,能否有效利用数据已经成为决定运营商竞争力的重要因素。当前运营商对网络数据分析的主要方法是基于数据仓库进行联机分析处理（OLAP）。OLAP的性能严重依赖数据模型的预先定义,其无法对业务和状态实时变化的现有网络情况进行及时有效的跟踪,针对这一问题提出了一种基于主成分分析的网络数据挖掘方法,并通过对实际网络数据的分析、比较,验证了该方法的有效性。     

基于BP神经网络和主元分析法的数码相机光谱重构算法

从数码相机的RGB信号重构物体表面的光谱反射率是光谱颜色管理研究中的重要课题之一。提出了一种基于误差反向传播前馈神经网络(BP)和主元分析法(PCA)实现色卡的表面光谱反射率重构的新算法。通过对三种色卡进行光谱重构实验研究了BP神经网络的最优结构和主元数的最佳选择,验证了算法的精度。实验结果表明,采用适当的BP神经网络和主元分析相结合的新算法能够精确重构同类色卡的表面光谱反射率。     

主元分析中的稀疏性

 主元分析是一种广泛应用的多元统计技术.在处理高维数据时,其结果的统计一致性与物理可解释性难以保证.引入以变量选择为目标的稀疏性约束,可有效缓解上述困难.基于最近10年的研究进展,本文阐述了稀疏性的基本概念和罚函数的设计标准,介绍了经典的稀疏性约束lasso及其多个变种:融合lasso、成组lasso、自适应lasso、弹性网等等.Lasso及其变种均可用作主元分析的约束,构建稀疏主元分析框架,但关键在于如何将稀疏主元转化为凸优化问题并快速求解.本文比较了稀疏主元的多种转化形式:奇异值分解、稀疏回归、低阶秩逼近、罚矩阵分解和半正定松弛.分析了基于最小角回归算法的一般lasso及广义lasso问题的求解方法.此外还初步探讨了函数型数据的稀疏主元分析问题.     

光码分多址全光网络实现方案

本文提出一种利用时域编码的光码分多址(OCDMA)技术构造全光通信网络的实现方案.给出了OCDMA全光接入网,OCDMA光交叉连接、光交换、光上下路、光复用的具体实现方法,给出了OCDMA全光网络体系结构.