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。     

基于PCA-RBF网络的储运过程管道堵塞故障诊断方法

针对现代储运过程管道堵塞故障诊断时,提取的过程参数多导致诊断速度慢、性能差等问题,提出了基于主成分分析（PCA）和径向基函数（RBF）神经网络故障的诊断方法。首先利用PCA方法对储运过程高维历史数据矩阵进行特征提取,提取的故障特征信息作为训练集,并给出故障特征信息的分类号;然后将其作为RBF神经网络分类器的输入输出进行故障模式识别。仿真实验表明：该方法应用于储运过程管道堵塞故障诊断,不仅大幅度地降低了诊断模型的训练时间,而且提高了诊断正确率。     

主成分分析在铁谱磨粒识别中的应用研究

介绍了主成分分析(PCA)基本原理与算法,提出了主成分分析用于铁谱磨粒识别的基本思路和方法,给出了具体的应用步骤,并通过实例对基于主成分分析的铁谱磨粒识别方法有效性进行了分析和验证,结果表明,该方法在减少铁谱磨粒识别工作量和提高识别准确率方面效果良好。     

基于主成分分析法的危险化学品事故统计分析方法研究

通过对2002~2007年危险化学品事故数据进行统计分析,运用主成分分析法（Princ ipal Component Analysis,PCA）计算得到危险化学品事故发生的第一主成分,进一步分析得出危险化学品事故主要发生在使用环节和生产环节。利用主成分分析法得出的结论,针对危险化学品在使用、生产环节采取得当的预防措施,可以为有效减少危险化学品事故的发生提供科学决策依据。     

基于PCA特征的快速SAR图像目标识别方法

目标识别是SAR图像解译的重要一环,受到广泛的关注,而实时性又是评估目标识别系统性能的主要指标之一.从实时的角度出发,提出了一种快速的SAR目标识别方法.该方法采用基于Hebb学习规则的主分量分析(PCA)进行特征提取,使用多层感知器神经网络(MLP NN)进行目标分类.实验结果表明,在维持较好识别性能的前提下,该方法具有内存需求少、运行速度快的特点,能用于实时处理.     

区域物资动员潜力的多元统计分析

为分析不同区域物资动员潜力差异,并对其进行分类,从总体实力和产值结构两方面出发,建立了区域物资动员潜力指标体系。以我国行政区域为研究样本,通过SPSS18软件,结合年度统计数据进行分析。采用主成分分析法对方案层指标进行简化,将形成的综合得分标准化并分析主成分上的载荷,然后采用层次分析法得到总体实力得分。再将研究对象按照总体实力与产值结构进行ward聚类分析,得到6个区域类别,分析其特点,提出动员建议。     

网络入侵检测系统中的数据缩减技术

在进行事件分析之前,网络入侵检测系统首先要面对数据缩减的问题。以ANIDS为背景,分析了两种重要的数据缩减技术:相关特征子集选择和特征再构造。提出了一种基于Wrapper方法的最优特征子集选取算法SRRW。在考虑学习算法偏置的情况下,通过识别强相关特征并引入约束,能够更快地搜索并获得最优的相关特征子集。从特征再构造角度出发实现数据缩减,并通过因子负荷量矩阵分析了原始特征之间的相关性。     

主成因分析法在柴油机热力性能故障诊断中的应用

本文介绍了一种用于柴油机故障诊断的新方法——主成因分析法(P.C.A),它建立在柴油机故障试验的基础上。文章给出了故障诊断的建模方法并设计了柴油机诊断软件。故障诊断结果表明这种方法用于柴油机的故障诊断是可行的。     

基于人工嗅觉系统的油液渗漏检测方法

机电设备油液渗漏是一种典型的多发性故障,利用人工嗅觉技术对渗漏油液挥发气体进行测试从而进行故障诊断是一种新的无损检测方法。使用人工嗅觉系统对模拟柴油、齿轮油和机油渗漏产生的挥发气体进行检测,结果为三维数据阵列(样本×时间×传感器)。应用二维主成分分析法和三维平铺主成分分析法、平行因子分析方法对三种油液挥发气体样本进行分类,结果表明平行因子分析法由于利用了数据集的三维结构信息,所以分类效果更佳;应用主成分回归方法实现了机油挥发气体样本的定量确定,说明使用人工嗅觉系统实现设定阈值报警是可能的。     

一种SAR图像特征提取和目标分类的新方法

提出了一种利用二维离散小波变换与核主成分分析结合对SAR图像进行特征提取的新方法.该方法对SAR图像进行三层小波分解后提取低频子带图像的核主成分分量作为目标的分类特征,利用支持向量机完成目标分类.采用MSTAR实测SAR目标数据集进行特征提取和分类实验,实验结果表明:该方法可以有效提高目标的正确识别率.