新的基于NGA/PCA和SVM的特征提取方法

提出了化工仿真過程操作評價的基本假設(shè)，并給出了幾種表達(dá)化工仿真過程操作特征的提取方法。

利用金屬磁記憶(mmm)技術(shù)進(jìn)行故障檢測時,較弱的故障信號提取成為檢測準(zhǔn)確度高低的關(guān)鍵。采用小波分析和奇異值分解相結(jié)合的方法,對金屬磁記憶信號經(jīng)行故障特征提取。通過小波分析將故障信號分解為不同尺度的分量,以形成初始向量特征矩陣,并對該矩陣進(jìn)行奇異值分解,選擇代表特征信號的奇異值分量重構(gòu),從而實現(xiàn)對故障信號的特征提取。經(jīng)過實驗證明該方法有效。

基于航空影像建筑物個數(shù)繁多、形狀復(fù)雜,且存在較多的干擾信息,提出一種新穎的建筑物邊緣直線特征提取方法.對航空影像進(jìn)行改進(jìn)標(biāo)記分水嶺分割,并結(jié)合dsm高度信息,有效去除道路和陰影的影響.同時,對影像進(jìn)行基于多尺度自適應(yīng)加權(quán)的改進(jìn)canny算子的邊緣檢測.在每一個分割得到的建筑物初始區(qū)域內(nèi),對檢測到的邊緣點進(jìn)行相位編組提取直線,利用建筑物屋頂約束條件,統(tǒng)計屋頂?shù)闹鞣较?修正和規(guī)劃直線段,實現(xiàn)了建筑物邊緣直線特征快速、有效的提取.

由于墻地磚圖像中的紋理信息大量存在于小波分解后的高頻系數(shù)中,而小波變換只對近似分量進(jìn)行分解,如缺陷與紋理相似時,也極可能被去除。本文采用反映信息量的樣本能量值作為圖像特征,即通過對圖像進(jìn)行小波變換,分析紋理圖像在不同尺度下的能量分布特征,提取出各尺度的能量值。

針對基于支持向量機(jī)(svm)的安全帶佩戴視覺檢測系統(tǒng),提出一種改進(jìn)的安全帶圖像特征提取方法。通過基于freeman鏈碼的最小二乘圓弧擬合法識別方向盤邊緣圓弧,在安全帶邊緣特征約束條件下使用快速hough變換確定備選安全帶邊緣直線段,進(jìn)而深入分析方向盤邊緣圓弧中點與備選安全帶邊緣直線段的平面幾何關(guān)系,并以此為基礎(chǔ)構(gòu)造特征向量,完成對安全帶圖像特征的提取。實驗數(shù)據(jù)表明,最終獲取的特征向量能準(zhǔn)確地表征原始圖像中的安全帶圖像特征,適合作為svm分類器的輸入?yún)?shù)。

電線電纜作為一個應(yīng)用廣泛的基礎(chǔ)產(chǎn)業(yè),占據(jù)著我國電工行業(yè)1/4的產(chǎn)值,僅次于汽車行業(yè),是我國第二大行業(yè),被稱作國民經(jīng)濟(jì)的"動脈"和"神經(jīng)"。因此,對于電線電纜故障點的確定技術(shù)也是一個熱門的課題。近年來,國內(nèi)外學(xué)者對這個課題進(jìn)行了深入的研究,取得了一定的成果。文中主要利用實驗仿真手段,借助小波分析理論,在研究閾值去噪方法的基礎(chǔ)上,研究了基于閾值的3σ去噪方法在電纜故障診斷中的應(yīng)用。實驗結(jié)果表明,文中方法在電纜故障特征信號的提取中的應(yīng)用具有可行性。

提出一種多指標(biāo)評價建模方法,并以學(xué)術(shù)期刊核心競爭力評價為例對該方法進(jìn)行說明驗證.本建模方法針對底層指標(biāo)和上層指標(biāo)的特點,將主成分分析法和softmax回歸相結(jié)合用于底層評價指標(biāo)權(quán)重的確定,應(yīng)用層次分析法對上層指標(biāo)的權(quán)重進(jìn)行確定.在方法應(yīng)用驗證中,在分析學(xué)術(shù)期刊核心競爭力的內(nèi)涵、特征和表現(xiàn)形式的基礎(chǔ)上,構(gòu)建了學(xué)術(shù)期刊核心競爭力評價指標(biāo)體系;然后應(yīng)用本方法對學(xué)術(shù)期刊核心競爭力進(jìn)行評價.經(jīng)驗證分析可知,本評價建模方法在多指標(biāo)評價情況下,具有求解簡便、精確度高的優(yōu)點.

視頻電子交通警察系統(tǒng)中,常見的人行橫道燈識別方法易受光線變化等干擾影響其正確率。提出一種基于分類器的識別方法,首先利用顏色信息和幾何約束粗過濾,再提取hog特征,對pca降維后的hog特征訓(xùn)練svm分類器進(jìn)行分類。實驗表明,該方法檢測效果較好。

支持向量機(jī)(svm)的分類性能受樣本的特征以及svm本身參數(shù)的選擇影響較大。針對這種情況,基于shannon能量熵、svm和小生境遺傳算法(nga),提出了一種基于nga優(yōu)化svm的滾動軸承故障診斷方法。該方法采用容錯性強(qiáng)的shannon能量熵作為特征參數(shù),對信號進(jìn)行emd分解提取出前3個imf分量作為特征信號,分別計算其shannon能量熵作為特征向量得到樣本集,作為多類別svm的輸入。在用樣本訓(xùn)練svm時,構(gòu)造一種新的核函數(shù),并采用nga對svm的核函數(shù)參數(shù)進(jìn)行全局優(yōu)化,使svm獲得最佳的分類性能,提高其分類識別的正確率。最后采用凱斯西儲大學(xué)的滾動軸承故障樣本進(jìn)行了分類識別,并與其他幾種方法進(jìn)行了對比,結(jié)果表明該方法具有更好的可靠性和分類準(zhǔn)確率。

路面裂縫影像幾何特征提取算法——傳統(tǒng)的基于人工視覺野外檢測路面裂縫的方法愈來愈不能適應(yīng)高速公路發(fā)展的要求，其耗人力、耗時、影響交通、危險、測量結(jié)果不一致性等缺點要求路面調(diào)查自動完成。本文提出一種基于數(shù)字影像的路面裂縫自動檢測方法：首先對降質(zhì)線...

本文針對房產(chǎn)特征價格估價模型特征變量量化和函數(shù)擬合不準(zhǔn)確的問題,提出了基于gis和pca建立住宅房產(chǎn)特征價格模型的思路:利用gis管理分析功能輔助特征變量量化,避免了量化的主觀隨意性,提高量化精度;利用pca方法提取房產(chǎn)特征變量量化值的主成分,然后進(jìn)行擬合分析,從而解決函數(shù)擬合中變量相關(guān)性問題,提高了函數(shù)擬合準(zhǔn)確性;以構(gòu)建的模型為基礎(chǔ)開發(fā)了房產(chǎn)估價決策支持系統(tǒng)軟件,最后利用該軟件系統(tǒng)對贛州房產(chǎn)進(jìn)行估價實踐,表明該模型能有效提高房產(chǎn)估價精度和可信度。

為了診斷因蝸輪齒形變化引起的蝸輪蝸桿減速機(jī)故障,設(shè)計了一種減速機(jī)振動信號采集系統(tǒng)。同時,為了從振動信號中提取出故障信號的特征頻率,提出了經(jīng)驗?zāi)B(tài)分解(emd)與希爾伯特(hilbert)變換相結(jié)合的方法。對正常和有故障兩種蝸輪進(jìn)行的振動測試對比實驗結(jié)果表明,該方法所得結(jié)果與利用jd45+齒輪測量儀測量結(jié)果相同。證實了該方法診斷蝸輪蝸桿減速機(jī)由蝸輪齒形變化故障的有效性。

鋼筋量的統(tǒng)計是工程預(yù)算的一個重要部分。論文分析了建筑圖紙中鋼筋的標(biāo)注特征及寄生構(gòu)件特征,根據(jù)鋼筋特征,識別出鋼筋線,通過知識關(guān)聯(lián)的方法得到鋼筋的長度計算公式,從而計算出鋼筋量。

在分析支持向量機(jī)(supportvectormachine,svm)分類技術(shù)和機(jī)載激光雷達(dá)(lidar)數(shù)據(jù)、航空影像特征的基礎(chǔ)上,提出了基于svm的lidar數(shù)據(jù)和航空影像的面向?qū)ο蠼ㄖ锾崛》椒?。結(jié)果表明,該方法充分利用了多源影像的互補(bǔ)信息,能夠得到更高的信息提取精度,準(zhǔn)確而快速地更新地理空間數(shù)據(jù)庫,是一種有效的面向?qū)ο蠼ㄖ锾崛》椒ā?/p>

葉輪與殼體動靜碰摩為三葉羅茨鼓風(fēng)機(jī)多發(fā)故障,若碰摩嚴(yán)重會造成較大的安全隱患和經(jīng)濟(jì)損失,研究其故障特征具有重要意義。分析了三葉羅茨鼓風(fēng)機(jī)葉輪與殼體發(fā)生動靜碰摩的故障特征,應(yīng)用振動測試系統(tǒng)采集該故障信號,采用小波變換和經(jīng)驗?zāi)B(tài)分解分別對實際碰摩故障信號進(jìn)行分析,提取其故障特征,并將兩種方法進(jìn)行了對比。研究表明,經(jīng)驗?zāi)B(tài)分解比小波變換更適用于三葉羅茨鼓風(fēng)機(jī)動靜碰摩故障特征提取。

蝸輪蝸桿減速機(jī)蝸輪齒形變化故障診斷,提出一種新的振動信號特征檢測方法。在診斷故障過程中,為提取故障信號的特征頻率,給出經(jīng)驗?zāi)B(tài)分解與希爾伯特變換相結(jié)合的方法。

以高分一號衛(wèi)星遙感影像為數(shù)據(jù)源,引入形態(tài)學(xué)算法,研究采用面向?qū)ο蟮挠跋穹诸惙椒ㄟM(jìn)行城市建筑物提取的關(guān)鍵技術(shù)。研究方法結(jié)合影像分割與基于知識規(guī)則的影像分類技術(shù),首先采用基于形態(tài)學(xué)開閉重建的分水嶺分割算法對高分影像進(jìn)行分割,其次采用基于知識規(guī)則的svm分類方法對影像進(jìn)行分類,達(dá)到提取建筑物的目的。結(jié)果顯示,3個研究區(qū)建筑物提取的kappa系數(shù)分別為0.85、0.66和0.65,利用基于知識規(guī)則的面向?qū)ο蠓诸惙椒▽Ω叻直媛蔬b感影像中建筑物的提取效果較好,能夠完整、準(zhǔn)確地提取出建筑物外形信息,具有較高的應(yīng)用與推廣價值。

電機(jī)振聲信號蘊涵著豐富的電機(jī)狀態(tài)信息,文中提出利用電機(jī)振聲信號對電機(jī)進(jìn)行故障診斷,實現(xiàn)噪聲出廠檢測。由于觀測信號信噪比較小,難于提取電機(jī)振聲信號故障特征。應(yīng)用盲分離技術(shù)從觀測信號提取獨立的聲源信號,提出了基于峭度的盲源分離開關(guān)算法,可以在源信號概率密度函數(shù)未知時提取獨立分量,消除相鄰部件輻射噪聲的干擾。實驗證明該算法成功分離電機(jī)振聲信號,有效提取故障特征。

利用電路網(wǎng)絡(luò)理論和傳輸線理論構(gòu)建zpw-2000a軌道電路傳輸模型,仿真并分析了補(bǔ)償電容故障對軌面電壓的影響,提出基于互補(bǔ)的總體經(jīng)驗?zāi)Ｊ椒纸?ceemd)特征提取的補(bǔ)償電容故障診斷方法;實驗結(jié)果表明,相比于傳統(tǒng)經(jīng)驗?zāi)Ｊ椒纸?emd)和總體經(jīng)驗?zāi)Ｊ椒纸?eemd),基于ceemd特征提取的補(bǔ)償電容故障診斷方法可以有效地克服emd方法引起的模態(tài)混疊和能量泄露現(xiàn)象,減少eemd方法在信號重構(gòu)過程中的白噪聲殘留,為補(bǔ)償電容的故障診斷提供了一種快速準(zhǔn)確的方法,為保證信號傳輸質(zhì)量提供了參考依據(jù)。

通過特征提取和小樣本學(xué)習(xí)的結(jié)合,提出一種全新的基于混合算法的電力工程造價預(yù)測模型。利用主成分分析對原始指標(biāo)進(jìn)行預(yù)處理,消除原始指標(biāo)之間的相關(guān)性,并提取潛在的綜合獨立指標(biāo),將新指標(biāo)作為輸入集構(gòu)造基于最小二乘支持向量機(jī)的預(yù)測學(xué)習(xí)模型,將其預(yù)測結(jié)果和神經(jīng)網(wǎng)絡(luò)模型預(yù)測對比分析。并通過不同主成分?jǐn)?shù)目預(yù)測結(jié)果的比較,確定最優(yōu)的主成分個數(shù),達(dá)到理想的預(yù)測效果。實例預(yù)測結(jié)果表明：該方法可以有效提取原始指標(biāo)的信息量,在小樣本學(xué)習(xí)方面表現(xiàn)突出,能夠達(dá)到期望的預(yù)測效果。

通過特征提取和小樣本學(xué)習(xí)的結(jié)合,提出一種全新的基于混合算法的電力工程造價預(yù)測模型。利用主成分分析對原始指標(biāo)進(jìn)行預(yù)處理,消除原始指標(biāo)之間的相關(guān)性,并提取潛在的綜合獨立指標(biāo),將新指標(biāo)作為輸入集構(gòu)造基于最小二乘支持向量機(jī)的預(yù)測學(xué)習(xí)模型,將其預(yù)測結(jié)果和神經(jīng)網(wǎng)絡(luò)模型預(yù)測對比分析。并通過不同主成分?jǐn)?shù)目預(yù)測結(jié)果的比較,確定最優(yōu)的主成分個數(shù),達(dá)到理想的預(yù)測效果。實例預(yù)測結(jié)果表明:該方法可以有效提取原始指標(biāo)的信息量,在小樣本學(xué)習(xí)方面表現(xiàn)突出,能夠達(dá)到期望的預(yù)測效果。