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，并給出了幾種表達化工仿真過程操作特征的提取方法。

利用金屬磁記憶(mmm)技術進行故障檢測時,較弱的故障信號提取成為檢測準確度高低的關鍵。采用小波分析和奇異值分解相結合的方法,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,并對該矩陣進行奇異值分解,選擇代表特征信號的奇異值分量重構,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.對航空影像進行改進標記分水嶺分割,并結合dsm高度信息,有效去除道路和陰影的影響.同時,對影像進行基于多尺度自適應加權的改進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,對檢測到的邊緣點進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(svm)的安全帶佩戴視覺檢測系統(tǒng),提出一種改進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系,并以此為基礎構造特征向量,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用廣泛的基礎產業(yè),占據(jù)著我國電工行業(yè)1/4的產值,僅次于汽車行業(yè),是我國第二大行業(yè),被稱作國民經(jīng)濟的"動脈"和"神經(jīng)"。因此,對于電線電纜故障點的確定技術也是一個熱門的課題。近年來,國內外學者對這個課題進行了深入的研究,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上,研究了基于閾值的3σ去噪方法在電纜故障診斷中的應用。實驗結果表明,文中方法在電纜故障特征信號的提取中的應用具有可行性。

提出一種多指標評價建模方法,并以學術期刊核心競爭力評價為例對該方法進行說明驗證.本建模方法針對底層指標和上層指標的特點,將主成分分析法和softmax回歸相結合用于底層評價指標權重的確定,應用層次分析法對上層指標的權重進行確定.在方法應用驗證中,在分析學術期刊核心競爭力的內涵、特征和表現(xiàn)形式的基礎上,構建了學術期刊核心競爭力評價指標體系;然后應用本方法對學術期刊核心競爭力進行評價.經(jīng)驗證分析可知,本評價建模方法在多指標評價情況下,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特征訓練svm分類器進行分類。實驗表明,該方法檢測效果較好。

支持向量機(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的shannon能量熵作為特征參數(shù),對信號進行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。在用樣本訓練svm時,構造一種新的核函數(shù),并采用nga對svm的核函數(shù)參數(shù)進行全局優(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的滾動軸承故障樣本進行了分類識別,并與其他幾種方法進行了對比,結果表明該方法具有更好的可靠性和分類準確率。

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、測量結果不一致性等缺點要求路面調查自動完成。本文提出一種基于數(shù)字影像的路面裂縫自動檢測方法：首先對降質線...

本文針對房產特征價格估價模型特征變量量化和函數(shù)擬合不準確的問題,提出了基于gis和pca建立住宅房產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方法提取房產特征變量量化值的主成分,然后進行擬合分析,從而解決函數(shù)擬合中變量相關性問題,提高了函數(shù)擬合準確性;以構建的模型為基礎開發(fā)了房產估價決策支持系統(tǒng)軟件,最后利用該軟件系統(tǒng)對贛州房產進行估價實踐,表明該模型能有效提高房產估價精度和可信度。

為了診斷因蝸輪齒形變化引起的蝸輪蝸桿減速機故障,設計了一種減速機振動信號采集系統(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)驗模態(tài)分解(emd)與希爾伯特(hilbert)變換相結合的方法。對正常和有故障兩種蝸輪進行的振動測試對比實驗結果表明,該方法所得結果與利用jd45+齒輪測量儀測量結果相同。證實了該方法診斷蝸輪蝸桿減速機由蝸輪齒形變化故障的有效性。

鋼筋量的統(tǒng)計是工程預算的一個重要部分。論文分析了建筑圖紙中鋼筋的標注特征及寄生構件特征,根據(jù)鋼筋特征,識別出鋼筋線,通過知識關聯(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(supportvectormachine,svm)分類技術和機載激光雷達(lidar)數(shù)據(jù)、航空影像特征的基礎上,提出了基于svm的lidar數(shù)據(jù)和航空影像的面向對象建筑物提取方法。結果表明,該方法充分利用了多源影像的互補信息,能夠得到更高的信息提取精度,準確而快速地更新地理空間數(shù)據(jù)庫,是一種有效的面向對象建筑物提取方法。

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

蝸輪蝸桿減速機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)驗模態(tài)分解與希爾伯特變換相結合的方法。

以高分一號衛(wèi)星遙感影像為數(shù)據(jù)源,引入形態(tài)學算法,研究采用面向對象的影像分類方法進行城市建筑物提取的關鍵技術。研究方法結合影像分割與基于知識規(guī)則的影像分類技術,首先采用基于形態(tài)學開閉重建的分水嶺分割算法對高分影像進行分割,其次采用基于知識規(guī)則的svm分類方法對影像進行分類,達到提取建筑物的目的。結果顯示,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)則的面向對象分類方法對高分辨率遙感影像中建筑物的提取效果較好,能夠完整、準確地提取出建筑物外形信息,具有較高的應用與推廣價值。

電機振聲信號蘊涵著豐富的電機狀態(tài)信息,文中提出利用電機振聲信號對電機進行故障診斷,實現(xiàn)噪聲出廠檢測。由于觀測信號信噪比較小,難于提取電機振聲信號故障特征。應用盲分離技術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振聲信號,有效提取故障特征。

利用電路網(wǎng)絡理論和傳輸線理論構建zpw-2000a軌道電路傳輸模型,仿真并分析了補償電容故障對軌面電壓的影響,提出基于互補的總體經(jīng)驗模式分解(ceemd)特征提取的補償電容故障診斷方法;實驗結果表明,相比于傳統(tǒng)經(jīng)驗模式分解(emd)和總體經(jīng)驗模式分解(eemd),基于ceemd特征提取的補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方法在信號重構過程中的白噪聲殘留,為補償電容的故障診斷提供了一種快速準確的方法,為保證信號傳輸質量提供了參考依據(jù)。

通過特征提取和小樣本學習的結合,提出一種全新的基于混合算法的電力工程造價預測模型。利用主成分分析對原始指標進行預處理,消除原始指標之間的相關性,并提取潛在的綜合獨立指標,將新指標作為輸入集構造基于最小二乘支持向量機的預測學習模型,將其預測結果和神經(jīng)網(wǎng)絡模型預測對比分析。并通過不同主成分數(shù)目預測結果的比較,確定最優(yōu)的主成分個數(shù),達到理想的預測效果。實例預測結果表明:該方法可以有效提取原始指標的信息量,在小樣本學習方面表現(xiàn)突出,能夠達到期望的預測效果。

通過特征提取和小樣本學習的結合,提出一種全新的基于混合算法的電力工程造價預測模型。利用主成分分析對原始指標進行預處理,消除原始指標之間的相關性,并提取潛在的綜合獨立指標,將新指標作為輸入集構造基于最小二乘支持向量機的預測學習模型,將其預測結果和神經(jīng)網(wǎng)絡模型預測對比分析。并通過不同主成分數(shù)目預測結果的比較,確定最優(yōu)的主成分個數(shù),達到理想的預測效果。實例預測結果表明：該方法可以有效提取原始指標的信息量,在小樣本學習方面表現(xiàn)突出,能夠達到期望的預測效果。