检索结果-南通市图书馆

非高斯冲激干扰下基于核方法的自适应滤波算法研究

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

非高斯冲激干扰下基于核方法的自适应滤波算法研究

作者：曾俊俊重庆邮电大学

学位级别：硕士

传统的线性自适应滤波算法在处理线性问题方面展现出了强大的计算能力。但是,通常实际应用如:系统识别、语音回声消除、时间序列预测等,其输入-输出涉及更多的是非线性关系。此时利用线性自适应滤波算法处理非线性问题,效果并不理想。... 详细信息

传统的线性自适应滤波算法在处理线性问题方面展现出了强大的计算能力。但是,通常实际应用如:系统识别、语音回声消除、时间序列预测等,其输入-输出涉及更多的是非线性关系。此时利用线性自适应滤波算法处理非线性问题,效果并不理想。核方法是一个将线性算法扩展为非线性算法的有力工具。在非线性自适应滤波领域,核方法越来越受到重视。已有的大多数核自适应滤波算法(如核最小均方算法)都是在假定环境噪声为高斯白噪声的前提下推导出的。在冲激噪声的干扰下,这些算法的跟踪性能衰减严重,即鲁棒性能差。本文研究强健的核自适应滤波算法,具有重要的理论和现实意义。首先,在线性自适应滤波算法中,最小对数绝对误差(Least Logarithmic Absolute Difference,LLAD)算法已经被证明在冲激噪声干扰下具有良好的鲁棒性能。在本文中,将核方法与LLAD算法结合推导出核最小对数绝对误差(Kernel LLAD,KLLAD)算法,然后将提出的算法应用于非线性系统辨识。仿真实验结果表明,KLLAD算法在冲激噪声干扰下,能保持良好的稳定性,并且其稳态误差低于对应的线性算法。其次,针对线性LLAD算法在有冲激噪声干扰时采用符号来更新滤波器权重系数导致算法收敛速度变慢的问题。文中提出了基于反正切代价函数的归一化最小均方(Normalized Least Mean Square Algorithm Based on the Arctangent Cost Function,Arc-NLMS)算法,该算法在有冲激噪声干扰时采用不更新权重系数的策略来保证算法不向错误的方向更新。线性系统辨识实验表明该算法在冲激噪声出现频率高时,仍能保持快速的收敛速度。然后将Arc-NLMS算法与核方法结合推导出对应的核算法,接着采用量化准则进一步降低算法的计算复杂度。非线性系统辨识实验表明提出的算法在冲激噪声干扰下鲁棒性能好,并且计算复杂度低。

关键词：核方法冲激噪声干扰自适应滤波算法反正切代价函数非线性系统辨识

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于核方法的2DLDA人脸识别算法研究

基于核方法的2DLDA人脸识别算法研究

作者：程宇东北大学

学位级别：硕士

人脸识别是模式识别研究的热点课题。在目前的人脸特征提取算法中,基于Fisher准则的线性判别分析(Linear Discriminant Analysis, LDA)算法是一种较成功的特征提取算法。它通过使类间散布矩阵(SB)与类内散布矩阵(Sw)的比值达到最大化来... 详细信息

人脸识别是模式识别研究的热点课题。在目前的人脸特征提取算法中,基于Fisher准则的线性判别分析(Linear Discriminant Analysis, LDA)算法是一种较成功的特征提取算法。它通过使类间散布矩阵(SB)与类内散布矩阵(Sw)的比值达到最大化来获得最佳的投影方向特征空间。然而LDA处理高维的人脸数据时往往面临着“小样本问题”。 2维线性判别分析(Two-Dimensional Linear Discriminant Analysis,2DLDA)算法是为解决标准LDA用于人脸特征提取时遇到的小样本问题而提出的一种有效方法,其直接利用图像矩阵构造协方差矩阵,而不需要事先将图像矩阵转化为高维的图像向量。针对2DLDA类间散布矩阵对于两类或多类的类别均值和全局均值之间距离值相近时难以区分,本文提出了新型的2维线性判别分析(New Two-Dimensional Linear Discriminant Analysis, N2DLDA)算法。该算法在充分分析原有类间散布矩阵理论基础上,融入每两类之间的散布矩阵,从而实现对原有类间散布矩阵进行优化,更加充分利用了图像间的类别信息,有效地解决了两类或多类的类别均值和全局均值之间距离值相近时难以区分的问题。实验结果证明了本文所提新型2维线性判别分析(N2DLDA)方法相对于2DLDA、Fisherfaces等具有一定的优势。本文通过大量的实验确定了引入的可调参数k对识别率的影响趋势,通过该影响因子可以间接地调节识别率和识别时间的平衡。尽管基于N2DLDA的线性鉴别分析经实验验证为人脸特征提取的有效方法,但是由于光照变化、人脸表情和姿势变化,实际上的人脸图像分布十分复杂,因此,抽取非线性鉴别特征显得十分必要。受支持向量机有关核方法的启发,本文把N2DLDA进行了非线性推广,提出了核新型的2维线性鉴别分析(Kernel New Two-Dimensional Linear Discriminant Analysis, K-N2DLDA)。该方法首先通过核映射将样本数据映射到核空间,然后在核空间中进行线性变换。此过程充分解决了N2DLDA不能利用图像非线性特征的问题。本文通过大量实验对核函数的选择及不同参数的优化进行了研究及仿真分析,验证了分数阶多项式核函数相对于其他核函数具有一定优势,并通过实验确定了分数阶多项式核函数参数的选择。最后仿真实验验证了K-N2DLDA算法的优越性。

关键词：人脸识别特征提取 2维线性鉴别分析散布矩阵核方法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于核方法的流聚类演化算法研究

基于核方法的流聚类演化算法研究

作者：孙梦冉辽宁工程技术大学

学位级别：硕士

流数据分析作为数据挖掘领域研究的重点课题之一,采用的技术主要有分类、频繁项挖掘、聚类、估计、预测、相关性分组和关联规则等,其中流聚类领域经典算法CluStream中的在线-离线处理框架能够在线分析流数据信息,并根据用户的需求离线聚... 详细信息

流数据分析作为数据挖掘领域研究的重点课题之一,采用的技术主要有分类、频繁项挖掘、聚类、估计、预测、相关性分组和关联规则等,其中流聚类领域经典算法CluStream中的在线-离线处理框架能够在线分析流数据信息,并根据用户的需求离线聚类,输出相应时段的数据信息,但算法对高维数据的划分效率较低,基于此,提出一种基于核方法的流聚类演化算法。首先,针对流数据维数多样,难以在原始空间下线性划分的问题,引入核方法,通过非线性映射规则,将数据映射到高维特征空间的核矩阵中,从而对其进行有效的线性划分,同时避免了数据处理当中的维数灾难问题。然而由于流数据的无限性,核矩阵的构造会导致计算量大和内存占用大的问题,本文采用基于统计杠杆分数的差异性采样法,在线得到与整个流数据中的数据分布相似的样本集,来构造样本核矩阵,该方法在缓解内存压力、降低算法时间复杂度方面具有良好的效果,同时具备实时处理的性能。然后,通过对样本核矩阵中的数据进行循环聚类,得到流数据中的概要数据模型,用来对新数据进行划分。最后,针对流数据演化过程的更新,本文算法受以往流聚类算法中引入时间衰减因子的启发,利用时间衰减函数的原理构造衰退聚类机制,实时更新和划分数据来反映流数据的演化过程。通过随机数据集和UCI数据集上的实验表明,本文算法具有良好的聚类性能,同时对不同维度数据集的聚类性能具有较好的稳定性。

关键词：流数据聚类核方法统计杠杆分数时间衰减函数

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于流形和核方法的SAR自动目标识别研究

基于流形和核方法的SAR自动目标识别研究

作者：王兵电子科技大学

学位级别：硕士

合成孔径雷达（Synthetic Aperture Radar, SAR）是一种高分辨成像雷达,具有全天时,全天候工作,强穿透性等特点,为目标识别提供了可靠的数据依据。SAR自动目标识别（Automatic Target Recogniton, ATR）是在没有人工干预的情况下根据SA... 详细信息

合成孔径雷达（Synthetic Aperture Radar, SAR）是一种高分辨成像雷达,具有全天时,全天候工作,强穿透性等特点,为目标识别提供了可靠的数据依据。SAR自动目标识别（Automatic Target Recogniton, ATR）是在没有人工干预的情况下根据SAR图像自动识别出目标位置并判断其类型属性等信息,SAR ATR在民用和军用领域具有十分重要的作用,已成为国内外研究的热门课题之一。本文从SAR图像预处理和SAR图像特征提取两个方面展开研究,具体工作如下：（1）针对SAR图像相干斑噪声严重,背景区域较大,不利于后续处理的问题,采用相干斑抑制、幂增强、图像分割和质心配准等方法,抑制SAR图像噪声分割出目标图像,降低了后续处理的数据维数,并保留了目标图像的细节信息。（2）针对采用全局线性结构的特征提取方法不利于提取高维数据特征的问题,提出了基于流形学习理论的最大异类距离嵌入（Maximum Interclass Distance Embedding, MIDE）特征提取方法,该算法可以有效解决非线性结构特征提取问题,提高特征的识别率（3）针对一维特征提取方法损失了SAR图像结构信息的问题,提出MIDE的二维扩展方法,即二维最大异类距离嵌入（Two Dimensional Maximum Interclass Distance Embedding,2DMIDE）特征提取方法;针对2DMIDE仅对SAR图像进行垂直方向压缩,特征维数较大的问题,将2DPCA和2DMIDE相结合,提出了2DPCA-based2DMIDE特征提取方法。该方法可以在水平方向和垂直方向对数据压缩,提高特征识别率的同时大幅压缩了特征维数。（4）针对MIDE方法无法对类别信息未知的训练数据提取特征信息的问题,本文提出了一种非监督特征提取算法,最大方差展开嵌入（Maximum Variance Unfolding Embedding, MVUE）。该方法结合了流形学习理论和核方法,通过该方法提取的特征具有较高的识别特性。通过基于MSTAR数据库的实验可知,本文提出的SAR ATR预处理方法和各种特征提取方法均能提高目标图像的识别特性。

关键词：合成孔径雷达自动目标识别流形学习核方法特征提取

基于核方法与字典学习的高光谱图像分类算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于核方法与字典学习的高光谱图像分类算法研究

作者：张会敏南京师范大学

学位级别：硕士

高光谱图像分类是其处理及分析过程中的重要研究内容,在环境保护、土地监测及军事侦察等领域得到广泛应用,倍受研究者关注。受高光谱图像标记样本少及“同物异谱,同谱异物”等因素影响,仅利用光谱特征的传统分类模型精度较低。研究发现... 详细信息

高光谱图像分类是其处理及分析过程中的重要研究内容,在环境保护、土地监测及军事侦察等领域得到广泛应用,倍受研究者关注。受高光谱图像标记样本少及“同物异谱,同谱异物”等因素影响,仅利用光谱特征的传统分类模型精度较低。研究发现,刻画像素点与其近邻间关系的空间信息可辅助完成分类任务,围绕同时利用空间信息与光谱信息构造分类模型的研究取得可喜进展,但其利用的简单人工特征表达能力有限且易受高光谱图像中噪声点干扰。稀疏表示及字典学习模型可有效获得像素点的鲁棒表示特征,因此在高光谱图像分类领域受到广泛到关注,但如何有效利用高光谱图像像素点的多特征进行表示学习仍需进一步研究。为此,本文围绕基于多特征的稀疏表示和字典学习展开研究,以提升高光谱图像的分类精度。论文的主要研究工作如下:1.提出了基于自适应稀疏表示的多特征核高光谱图像分类算法(MFK-ASR)。该算法首先提取高光谱图像的多种特征,同时利用分水岭分割算法将图像划分成若干个空间组。通过对每个空间组内所有像素点的多种特征施加自适应稀疏项ladaptive,0并嵌入多特征的系数重构误差,使得每种特征自适应地选择合适的字典原子,从而有效利用空间邻域信息及多特征互补相关信息以提升编码系数的判别性。进一步,运用核方法提出多特征的非线性自适应稀疏表示模型。在拥有较大空间结构及光谱混淆类的Indian Pines图像和空间结构小而复杂的University of Pavia图像上的实验结果表明,该算法有效提升了高光谱图像的分类精度,且对小样本类有很高的分类精度。2.提出了基于空间感知字典学习的多特征核高光谱图像分类算法(MFK-SADL)。该算法采用与MFK-ASR同样的方法,对高光谱图像进行多种特征提取以及空间组划分。通过对每个空间组内所有像素点的多种特征施加联合稀疏约束lrow,0和嵌入多特征的系数重构误差,协同空间邻域信息和多特征信息进行字典学习,并利用核方法提出了多特征的非线性字典学习模型。实验结果表明,该方法对不同场景的图像(Indian Pines和University of Pavia)都有较好的分类效果,尤其对空间结构小而复杂的高光谱图像有显著的分类精度提升。3.提出了基于类子字典学习的多特征核高光谱图像分类算法(MFK-CSDL)。该算法采用与MFK-SADL同样的特征提取和图像分割方法,对高光谱图像进行多特征提取和空间组划分。通过对每类训练样本的多种特征施加联合稀疏约束lrow,0以及嵌入多特征的系数重构误差来有效融合多种特征的互补相关信息,为每类样本的每种特征学习得到有较高判别力的字典。基于预先学习得到的字典,对每个空间组中所有像素点的多特征进行联合稀疏编码,提升编码系数的可区分性。进一步,运用核方法扩展线性模型提出了多特征核类子字典学习模型。该模型仅利用每类训练样本学习对应的子字典,训练阶段运行时间较短。在公开数据集Indian Pines和University of Pavia上的实验结果验证了该算法的有效性。

关键词：高光谱图像核方法字典学习稀疏表示分类

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于核方法的乳腺结节辅助诊断的研究

基于核方法的乳腺结节辅助诊断的研究

作者：薛新娟电子科技大学

学位级别：硕士

乳腺癌是一种常发于女性的癌症类型,其正成为世界上导致妇女死亡的主要病因。目前人们尚不完全了解乳腺癌的病因,因此早发现、早治疗对于提高此病的存活率具有深远意义。恶性乳腺结节也就是人们常说的乳腺癌,但无论是良性的结节还是恶... 详细信息

乳腺癌是一种常发于女性的癌症类型,其正成为世界上导致妇女死亡的主要病因。目前人们尚不完全了解乳腺癌的病因,因此早发现、早治疗对于提高此病的存活率具有深远意义。恶性乳腺结节也就是人们常说的乳腺癌,但无论是良性的结节还是恶性的乳腺结节,都会使患者的身心健康受到威胁。准确地鉴别乳腺结节的性质对下一步的治疗至关重要。因此,如何利用计算机辅助诊断技术来尽可能地帮助医生诊断此病是本文的研究目的。20世纪90年代,核函数方法(简称核方法)在模式识别与机器学习领域引起了广泛地关注。随着核函数的理论发展不断趋于成熟,许多表现优异的算法都与核函数的加入有关。因此,本文主要采用基于核方法的相关算法来辅助诊断乳腺结节的良恶性。乳腺结节超声图像属于高维数据,如果不对其做任何处理,而直接训练分类器,将会导致维度灾难与效率低下等问题。因此为了提高分类精度与分类效率,将原本高维的超声图像进行维度归约是非常有必要的。本文的主要工作如下:1)本文研究了主成分分析、线性判别分析、核主成分分析和高斯过程隐变量模型这几种经典的降维方法。本文使用主成分分析、核主成分分析和高斯过程隐变量模型对乳腺结节图像进行降维实验。经过详细地理论分析与实验对比,本文最终选取了高斯过程隐变量模型的降维结果作为分类器的输入数据。2)本文将经过高斯过程隐变量模型降维后的图像数据进行五次随机的有放回采样,最终将得到五组不同的训练集和测试集进行模型平均。本文提出了三种不同的分类方法来构建分类模型,即K-近邻、决策树和支持向量机方法,并研究这三种方法的适用性与优缺点。经过多次实验,来对比这三种分类器的平均分类准确率。最终可得出选用高斯径向基核函数的支持向量机,其分类性能要普遍优于其他分类器。3)最后为了验证降维的必要性,本文对未经过降维后的数据直接进行分类。同时,为了更深入的研究核函数的选取对算法的影响,本文又为高斯过程隐变量模型和支持向量机选取了不同的核函数来对乳腺结节图像进行处理。

关键词：乳腺结节核方法高斯过程隐变量模型支持向量机

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于小波变换与核方法的人脸识别

基于小波变换与核方法的人脸识别

作者：何保全四川大学

学位级别：硕士

用计算机对人脸图像进行处理进而实现人脸识别是如今的一个研究热点和难题，前人在人脸识别技术上虽然积累了丰富的成果，但是也遇到了一些困难。例如：有效人脸特征的提取，识别率和识别速率的提高等。因此，人脸识别的研究仍然是非常... 详细信息

用计算机对人脸图像进行处理进而实现人脸识别是如今的一个研究热点和难题，前人在人脸识别技术上虽然积累了丰富的成果，但是也遇到了一些困难。例如：有效人脸特征的提取，识别率和识别速率的提高等。因此，人脸识别的研究仍然是非常必要的，具有重要的理论意义、学术意义和应用价值。本文围绕人脸识别问题对人脸特征的有效提取、提高识别率和识别速率进行了探讨和研究，提出了改进方法，取得了较好的效果。本研究主要包括：对人脸识别所涉及到的理论进行了研究：提出了以眼睛坐标为依据的角度归一化矫正方法，解决了人脸偏转角度过大的头像难以识别的问题，能够较好地实现头像倾斜矫正问题。基于小波系数的不同特点，本文提出了一种新的小波特征融合方法，该方法将人脸图像两层小波变换后的垂直高频和水平高频部分分别进行垂直投影和水平投影，将得到的投影序列直接排列在低频向量构造一个新的特征向量。并用KPCA的聚集和降维特性对新获取的特征向量通过核函数映射到高维特征空间后进行经典的主元分析，进一步提取的特征作为SVM支撑向量机的输入用于分类识别。实验证明本文提出的小波特征融合方法能够提高识别率和识别速度。基于核方法中不同核函数的特性不同，提出了采用具有较强全局性的多项式核函数和具有较强局部性的高斯径向基核函数进行组合，并运用于KPCA方法中，使识别率有进一步的提高。最后，在以上算法基础上，实现了一个实验性的实时人脸识别系统。

关键词：人脸识别角度归一化小波分析子图融合核方法组合核函数

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于核方法的模糊系统辨识和输出预测的研究

基于核方法的模糊系统辨识和输出预测的研究

作者：钟榛西华大学

学位级别：硕士

模糊系统辨识是智能控制理论重要的研究分支之一。传统数学建模方法对当前信息科技所带来的各种复杂研究对象往往无能为力，而模糊模型具有易于表达结构性知识，可把数学函数逼近器与过程信息相结合等优点。基于模糊模型发展的系统辨识... 详细信息

模糊系统辨识是智能控制理论重要的研究分支之一。传统数学建模方法对当前信息科技所带来的各种复杂研究对象往往无能为力，而模糊模型具有易于表达结构性知识，可把数学函数逼近器与过程信息相结合等优点。基于模糊模型发展的系统辨识、智能控制理论和模式识别新方法等已在众多领域得到了成功应用。因此，模糊模型辨识是智能控制基础理论研究的关键问题之一。本文致力于将核方法引入模糊预测模型辨识以期获得新颖而有效的辨识算法，从而克服传统辨识方法存在的一些不足。本文的主要工作包括：(1)设计了基于支持向量机的模糊模型辨识算法，使用支持向量机来完成结构辨识以提高模型的泛化性能，再利用卡尔曼滤波实现参数估计。(2)提出了一种将基于核最小二乘的模糊广义预测模型输出预测的方法。利用带滑动窗口的核最小二乘算法，结合模糊广义预测控制模型产生的未来控制增向量，对未来输出向量进行预测。根据仿真实验，当系统存在内部干扰，系统参数辨识不稳定时，该方法使得预测输出值大大逼近于系统希望输出值，提高了输出预测的精确性。(3)针对支持向量模糊系统可能存在的规则冗余问题提出了一种基于双重核学习（核模糊聚类和支持向量回归）的支持向量组合策略来实现规则库的简化，以保证模型的简洁性。该方法同时避免了传统基于模糊聚类的辨识算法存在对初始聚类个数敏感的缺点。

关键词：模糊系统辨识 T-S模糊模型核方法支持向量机最小二乘法卡尔曼滤泛化能力广义预测核模糊聚类支持向量组合策略

基于核方法和集成学习的高光谱图像异常检测技术研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于核方法和集成学习的高光谱图像异常检测技术研究

作者：韩景龙哈尔滨工业大学

学位级别：硕士

高光谱遥感是一门新兴的科学,是当前遥感技术的前沿。高光谱图像同时包含了观测场景中的空间信息和光谱信息,具有“图谱合一”的特性,并且具有光谱分辨率高、信息量大的优点,可大大提高在目标检测过程中对目标进行定性和定量分析的能力... 详细信息

高光谱遥感是一门新兴的科学,是当前遥感技术的前沿。高光谱图像同时包含了观测场景中的空间信息和光谱信息,具有“图谱合一”的特性,并且具有光谱分辨率高、信息量大的优点,可大大提高在目标检测过程中对目标进行定性和定量分析的能力,在军用和民用的许多方面已体现出了巨大的应用价值。高光谱遥感提供了多个空间分析的可能,通过深度挖掘光谱空间可以提取目标精细的光谱信息,对这些信息的综合处理,提取体现目标本质的光谱特征将有助于提高目标探测的准确性和精确性。高光谱图像特征空间的集成分析也是高光谱技术发展的一个重要方向,近年来发展起来的核方法和集成学习理论以其高效非线性数据处理与信息提取能力以及小样本学习和高维数据高效计算能力,在高光谱图像目标探测与识别领域表现出优越的性能,已成为重要技术研究内容。基于此本课题进行了以下几方面的研究: 首先,以模式识别的角度分别从统计模型和小样本学习模型对经典检测算子进行研究,并对当前异常检测算法中存在的问题进行了分析。其次,针对当前检测算法中的不足之处以及高光谱图像数据本身的特性要求,本文基于核方法提出两种面向异常检测的高光谱图像特征变换方法,从而获得对异常目标在特征空间中更有效的表达,接下来结合基于局部奇异性度量的特征选择方法和经典检测算子分别构造了基于异常目标成分提取的异常检测方法和基于异常信息稀疏子空间估计的异常检测方法。最后,本文将集成学习理论引入高光谱图像异常检测领域,完成了基于集成学习的高光谱图像异常检测系统的建立。通过原始数据空间划分、子检测器设计、决策集成方式构建的多检测系统相较传统单一检测器具有更好的鲁棒性和泛化能力。实验表明本系统较单一检测器对于同背景差异小的弱异常具有更好的检测效果。

关键词：高光谱图像核方法集成学习特征提取异常检测