基于核主成分分析的铁谱磨粒特征提取方法研究

针对铁谱分析的磨粒识别过程中存在原始磨粒特征描述指标参数多、非线性突出的问题,提出基于核主成分分析的磨粒特征提取方法,介绍该方法的原理与算法。结合某柴油发动机故障检测与分析系统中铁谱磨粒自动识别的应用实例,并与传统主成份分析方法进行对比分析,结果表明该方法在进行样本非线性特征参数指标综合以及特征维数压缩方面具有可行性和有效性。     

基于类间最大方差法的铁谱磨粒彩色图像自动分割

在磨粒图像RGB彩色空间,选择其3个正交彩色特征,应用类间最大方差法对其分割,依据F isher判别函数选择其最佳特征与最佳阈值,实现了磨粒彩色图像的分割。大量磨粒图像分割实践证明,该分割方法具有分割精度较高、计算速度快、自适应性强等特点,是铁谱磨粒彩色图像自动分割较理想方法之一。     

磨粒监测技术及其应用

在机械零件的失效形式中,磨损故障占７０％以上,油液中的磨粒携带机器运转状态的大量信息,磨粒监测技术得到了迅速发展。本文对各种磨粒监测技术的原理、特点和适应范围进行了评述,尤其对光谱和铁谱技术作了重点介绍。     

滤纸法在船用柴油机磨粒现场快速检测中的应用

铁谱分析须在实验室条件下进行且操作速度较慢,为实现对油液磨粒数量、尺寸、形貌等的现场快速分析,采用基于滤纸过滤的显微镜观察法对某型船用柴油机在用油进行了检测。该方法利用不同规格的滤纸过滤沉降油样磨粒,并用高倍手持光学放大镜和铁谱显微镜进行观察,从而获得磨粒种类、尺寸、形貌等信息。根据拆机检修结果,使用该方法能有效发现异常磨损,可实现对磨粒的现场快速分析。经与相同油样的铁谱分析结果对比,该方法可一定程度上代替分析式铁谱仪进行磨粒现场快速检测,也可检测出部分非铁磁性磨粒。     

基于ICA的多姿态人脸表示

将独立成分分析(ICA)应用于多姿态人脸识别。对比分析了ICA和主成分分析(PCA)两种人脸识别方法的差异,并重点研究了多姿态人脸的独立成分(IC)表示。在基于权向量幅值的方法基础上,引入了基于比例因子的IC核选择的新方法。实验表明,新方法有利于提高识别的准确率和识别的效率。     

基于SFS的磨粒图像三维重构

研究了一种由磨粒灰度图像直接恢复出磨粒图像三维信息的磨粒三维形貌恢复方法，以几种典型的磨粒灰度图像进行算法验证，实验结果表明，该方法简单，易于实现，恢复后的磨粒三维图像有较强的立体感。在不增加硬件成本的基础上，可以为磨粒的分析提供三维数据，为磨粒图像三维特征的提取奠定基础，对磨粒识别精度的提高产生重要的影响。     

一种应用于超大数据库的人脸识别方法

针对数据库中待识别人脸数目巨大，计算困难的问题，提出了一种基于小波变换和主成分分析的人脸识别方法。该方法首先对数据库中的人脸进行小波变换，然后对小波变换后的图像进行主成分分析提取特征，将特征送入BP神经网络进行训练、识别。经过对比实验，结果表明：该方法可以在保证较高识别率的前提下，大大降低数据维数，从而该方法可以应用于超大数据库的人脸识别。     

12VE230ZC 型柴油机磨损监测

介绍了应用铁谱、发射光谱和配有能谱仪的电子扫描显微镜等分析技术对１２ＶＥ２３０ＺＣ型柴油机的润滑油样进行分析,从而获得磨损信息．铁谱分析能判别机器磨损工况的正常与否,并能判断引起异常磨损的原因．光谱分析通过发现指示性元素和元素浓度的异常来判断柴油机故障．对有异常磨损磨粒的谱片用电镜和能谱进行分析,有助于确定磨损的部位．     

地空导弹CGF系统感知行为模型研究

为了有效解决计算机生成兵力模拟目标识别行为的问题,对防空作战中指挥员感知信息和综合处理的过程进行了分析,针对目前CGF系统的需求和感知行为模型的不足,建立了一个综合多特征信息的不确定性地空导弹感知行为模型。该模型对数据库中样本和待识别目标的特征信息进行客观的主成分分析,利用分析得到的综合主成分值对目标进行匹配;在此基础上,引入表示匹配结果不确定性的感知能力值,获得一个带有不确定性的即时信念;最后,通过基于感知能力的证据合并方法将即时信念、先验信念和通信信念合并形成最终信念。实例分析表明该模型可行。     

基于2DPCA的弹道导弹目标特征级综合识别方法

为进一步提高弹道导弹目标多传感器综合识别正确率,提出了一种基于二维主成分分析(Two-Dimensional Principal Component Analysis,2DPCA)的多传感器特征级综合识别方法。该方法将多个传感器的特征集经标准化后组合成二维特征矩阵,引入图像压缩技术中的2DPCA方法进行特征提取,然后将其用于弹道导弹目标特征级融合识别。以3部雷达部署下弹头目标的雷达散射截面积(Radar Cross Section,RCS)特征融合为例进行仿真验证,结果表明:相比于传统的主成分分析(Principal Component Analysis,PCA),2DPCA的识别率更高,计算复杂度更低,为弹道导弹目标识别提供了一种新的思路。     

基于层次方法和PCA特征变换的宫颈细胞识别

对宫颈细胞多分类,可以自动识别出不同状态的细胞,进而为宫颈癌诊断提供科学依据。在用6种多分类算法实验后,选取支持向量机（SVM）作为基分类器,先用一对一策略（one- versus -one）训练6个分类器进行3分类,然后再训练1个2分类器,这种二层4分类方法提高了识别准确率。又考虑不同层特征模式的差异性,在保证识别性能同时,每层分类前先采用主成分分析（PCA）法将原始154维特征变换到低维空间,去除冗余特征,加快识别速度。实验证明,所提层次PCA法在宫颈细胞分类中相比6种传统多分类方法有更高的识别准确率,可达90%以上;识别速度也较普通层次法提升了21.31%。     

基于轮廓特征的空间目标识别算法

高分辨力单脉冲雷达通过对三个通道回波成像可以获取各个散射中心的方位角和俯仰角,结合距离信息就可以得到各个散射中心在垂直于雷达天线轴的平面上的投影,形成方位-俯仰二维像.由于卫星的尺寸通常大于碎片的尺寸,因此卫星的方位-俯仰二维像的轮廓面积较大.提出了基于轮廓特征的空间目标识别算法,首先通过高分辨力单脉冲雷达对目标进行方位-俯仰二维像成像,然后从方位-俯仰二维像中提取目标轮廓,最后根据轮廓面积特征对卫星和碎片进行识别.经过计算机仿真实验,该算法取得了比较好的识别效果.     

结合层次法与主成分分析特征变换的宫颈细胞识别

对宫颈细胞进行多分类可以自动识别出不同状态的细胞,进而为宫颈癌诊断提供科学依据。在用6种多分类算法进行实验后,选取支持向量机作为基分类器,先用一对一策略训练6个分类器进行3分类,然后再训练1个2分类器,这种二层4分类方法提高了识别准确率。考虑不同层特征模式的差异性,在保证识别性能的同时,每层分类前先采用主成分分析法将原始154维特征变换到低维空间,去除冗余特征,加快识别速度。实验证明,所提层次主成分分析法在宫颈细胞分类中相比6种传统多分类方法有更高的识别准确率,可达90%以上;识别速度也较普通层次法提升了21.31%。     

雷达空间目标识别技术综述

随着人类航天活动的增加,对于卫星和碎片等空间目标进行监视变得非常重要。为了实现空间监视任务,对空间目标进行识别是非常必要的。对空间目标的轨道特性与动力学特性进行了介绍,对雷达空间目标识别技术的研究现状和发展趋势进行了详细的综述。     

基于PCA和BP神经网络的水下目标识别方法研究

针对被动声纳信号的特点,提出了基于信号线谱特征的主成分分析(PCA)特征选择方法,其优点是从复杂的目标信号中提取目标的特有信息,降低了目标特征维数.将此方法用于实录的三类水下目标数据,采用BP神经网络对目标进行识别分类,仿真结果说明了所提出的方法的正确性和有效性.     

一种新的Gabor小波支持向量机人脸识别算法

提出了一种新的基于Gabor小波特征重组的支持向量机人脸识别方法。该方法首先计算5个尺度和8个方向的Gabor小波变换结果,再把不同人脸中的同一尺度和方向的变换结果进行特征重组,得到40个新特征矩阵,分别利用PCA方法降维去噪,最后构造40个支持向量机分类器并采用选票决策机制决定识别结果。实验结果表明,该方法不仅拓宽了主元分析法中累积方差贡献率可选范围,并在一定程度上解决了核参数选择难的问题,同时取得了理想识别效果。     

基于LBP-PCA的多传感器目标识别算法

为了更加有效地提高多传感器图像融合后的识别率,提出一种基于LBP-PCA的多传感器目标识别算法。首先分别对红外和可见光图像进行预处理用以突显出要识别的目标,采用LBP算法提取目标的特征点向量,利用PCA算法进行特征融合,得到降维后的融合特征,最后利用SVM(支持向量机)进行分类和识别。实验仿真结果表明多传感器目标经过LBP-PCA融合后在保持足够数量的有效信息基础上降低了特征的维数,有效地提高了目标识别率。