二维主成分分析
二维主成分分析的相关文献在2005年到2022年内共计178篇,主要集中在自动化技术、计算机技术、无线电电子学、电信技术、金属学与金属工艺
等领域,其中期刊论文158篇、会议论文5篇、专利文献735816篇;相关期刊85种,包括中国图象图形学报、电子与信息学报、现代电子技术等;
相关会议5种,包括第二十届计算机工程与工艺年会暨第六届微处理器技术论坛 、2011年江苏省人工智能学术会议、2009中国仪器仪表与测控技术大会等;二维主成分分析的相关文献由450位作者贡献,包括杨静宇、王科俊、于彬等。
二维主成分分析—发文量
专利文献>
论文:735816篇
占比:99.98%
总计:735979篇
二维主成分分析
-研究学者
- 杨静宇
- 王科俊
- 于彬
- 何光辉
- 刘丽丽
- 沈永良
- 王肖锋
- 贲晛烨
- 贾中华
- 韩冰
- 高新波
- 何伟
- 刘军
- 刘辉
- 卜文绍
- 卢威
- 叶继华
- 吕冰姿
- 吴斌
- 周阳
- 夏德深
- 孙炎增
- 宋亚婷
- 张前进
- 张弓
- 张明扬
- 张松灿
- 张玲
- 张福丹
- 张雪锋
- 徐倩
- 徐素莉
- 文吉刚
- 曾彬
- 朱伟兴
- 朱嘉钢
- 朱莹
- 李佩佩
- 李劲伟
- 李娟
- 李晓灿
- 李洁
- 李茹
- 李靖平
- 杜鑫
- 杨万扣
- 杨安平
- 杨萌
- 梁久祯
- 潘晨
-
-
程晓雅;
张雷
-
-
摘要:
针对传统CNN在有遮挡人脸识别中计算量大的问题,文中以L1-2DPCA为基础,提出了一种用于人脸识别的新型PCANet深度学习网络。该网络以L1-2DPCA学习多个卷积层的滤波器,在卷积层之后,通过二进制散列和逐块直方图进行池化。文中以CNN、PCANet、2DPCANet和L1-PCANet作为比较,在AR和RMFD人脸数据集上测试了文中所提出的网络。结果表明,在所有测试中,文中提出的深度学习网络的识别性能优于其他网络。由于采用L1范数,文中所提出的深度学习网络对异常值和训练图像的变化具有较强的鲁棒性。
-
-
胡卫强;
周浩;
汪祥
-
-
摘要:
为了能准确地进行图像特征提取,提出一种新的基于Nuclear范数与Frobenius范数加权的二维主成分分析(记为NF-2DPCA)方法。并利用来自于Yalefaces、AR数据库以及ORL人脸数据库中的数据,进行了图像面部识别和重建等相关实验,结果表明所提出的方法能够有效地提取图像特征,并且面部识别准确率最高能达到94.25%,进一步显示所提方法具有一定优越性。
-
-
张学祥;
雷菊阳
-
-
摘要:
针对使用话语级特征参数矩阵作为卷积神经网络输入而导致收敛速度慢及识别率低的问题,提出一种基于二维主成分分析(2DPCA)特征降维的卷积神经网络(CNN)说话人识别方法。首先将每段语音分帧成多个帧级语音并提取同等大小的帧级特征组成特征矩阵,然后利用2DPCA对特征矩阵进行降维处理,再将得到的主成分特征向量组合成新的特征矩阵作为CNN的输入,最后通过CNN的自适应特征学习创建说话人模型。基于Alexnet的CNN模型实验结果表明,采用该说话人识别方法使运行时间减少了57%,同时识别率也有所提高。
-
-
赵莉;
王莎莎;
刘道华;
张建
-
-
摘要:
针对主成分分析在模拟卷积核时造成的计算量增大以及损坏图像本身结构的问题,提出了一种基于改进感知哈希算法的2DPCANet人脸识别方法。该方法在主成分分析网络的基础上,利用二维主成分分析替换原有网络架构中的主成分分析的计算过程,并利用二值哈希算法和分块直方图提取图像局部特征,最后采用支持向量机和极限学习机进行分类,以实现人脸图像的分类。在FERET数据集和LFW人脸数据库上,对比了所提方法与其他几种方法在人脸识别任务中的识别效果,实验结果表明:所提出的人脸识别方法比其他方法在识别率上提高了10%~21%.
-
-
彭鑫;
刘俊;
刘嘉诚;
李雨婷;
刘晓明;
赵誉
-
-
摘要:
目前电力系统暂态稳定性评估(TSA)大多采用标准算例生成的数据集,然而实际电网的母线、发电机、线路等电力元件的数量巨大,难以实现评估模型的实时监视和在线更新;而现有降维方法常常遗漏重要信息,导致预测精度下降。提出一种图像化数据驱动的电力系统暂态稳定性在线评估方法,将输入时间序列重新排列成二维图像,利用二维主成分分析法(2D-PCA)对原始图像进行特征降维,并建立卷积神经网络(CNN)模型进行系统稳定性预测。在IEEE-39算例中进行验证,结果表明本文所提基于2D-PCA和CNN的TSA模型在保证预测精度的同时能够大幅提高训练效率,有望推进深度学习在电力系统暂态稳定性在线评估的应用。
-
-
王肖锋;
陆程昊;
郦金祥;
刘军
-
-
摘要:
主成分分析(Principal component analysis,PCA)是一种广泛应用的特征提取与数据降维方法,其目标函数采用L2范数距离度量方式,对离群数据及噪声敏感.而L1范数虽然能抑制离群数据的影响,但其重构误差并不能得到有效控制.针对上述问题,综合考虑投影距离最大及重构误差较小的目标优化问题,提出一种广义余弦模型的目标函数.通过极大化矩阵行向量的投影距离与其可调幂的2范数之间的比值,使得其在数据降维的同时提高了鲁棒性.在此基础上提出广义余弦二维主成分分析(Generalized cosine two dimensional PCA,GC2DPCA),给出了其迭代贪婪的求解算法,并对其收敛性及正交性进行理论证明.通过选择不同的可调幂参数,GC2DPCA可应用于广泛的含离群数据的鲁棒降维.人工数据集及多个人脸数据集的实验结果表明,本文算法在重构误差、相关性及分类率等性能方面均得到了提升,具有较强的抗噪能力.
-
-
房梦玉;
马明栋
-
-
摘要:
主成分分析算法(PCA)和线性鉴别分析算法(LDA)被广泛用于人脸识别技术中,但是PCA由于其计算复杂度高,致使人脸识别的实时性达不到要求.线性鉴别分析算法存在"小样本"和"边缘类"问题,降低了人脸识别的准确性.针对上述问题,提出使用二维主成分分析法(2DPCA)与改进的线性鉴别分析法相融合的方法.二维主成分分析法提取的特征比一维主成分分析法更丰富,并且降低了计算复杂度.改进的线性鉴别分析算法重新定义了样本类间离散度矩阵和Fisher准则,克服了传统线性鉴别分析算法存在的问题,保留了最有辨别力的信息,提高了算法的识别率.实验结果表明,该算法比主成分分析算法和线性鉴别分析算法具有更高的识别率,可以较好地用于人脸识别任务.
-
-
张彬;
帅小应;
钱进;
周爱平
-
-
摘要:
在掌纹识别中,对二维主成分分析(2DPCA)算法研究发现,用掌纹训练样本的均值来算投影矩阵得不到很好的识别率.为减小这种偏离中心的影响从而提高识别率,提出了一种用中间值代替原有均值的2DPCA掌纹识别算法.
-
-
周兆逸;
张亚南;
王肖锋;
刘军
-
-
摘要:
机器人焊接因零件形状不规则和焊接工艺复杂不可避免带来各种焊缝缺陷.针对二维主成分分析应用于焊缝表面缺陷检测时面临计算复杂度高、分类准确率低及无法进行增量学习等问题,提出了一种基于均值更新的增量二维主成分分析(mean updated incremental two-dimensional principal component analysis,MUI2DPCA)算法,并将MUI2DPCA和前馈神经网络(feedforward neural network,FNN)相结合进行焊缝表面缺陷在线检测.首先,对相机捕获的视频帧图像进行预处理得到焊缝局部块图像.然后,利用MUI2DPCA在线提取局部块图像的模式特征.MUI2DPCA对图像的特征主成分进行增量迭代估计,降低计算复杂度,并且能够增量更新当前的样本均值,减少无关特征变化对主成分收敛性的影响.最后,利用FNN建立提取的模式特征与焊缝类别之间的联系,实时返回焊缝表面缺陷的检测信息.试验结果表明,该检测方法平均分类准确率为95.40%,平均处理速度可达29帧/s,能够满足焊缝在线检测的实时性要求.
-
-
-
杨彬彬;
唐永康
- 《第二十届计算机工程与工艺年会暨第六届微处理器技术论坛》
| 2016年
-
摘要:
对于当今集成电路设计生产过程,硬件木马已经成为一个不可忽视的问题.本文在基于热图分析的硬件木马检测基础上,提出了运用二维主成份分析对热图特征进行提取和比较的硬件木马检测方法,并采取等效电路的实验方式对所提出的检测方法进行验证.实验结果表明,本文提出的方法能够对能量量级为10-3的硬件木马进行有效检测.
-
-
杨彬彬;
唐永康
- 《第二十届计算机工程与工艺年会暨第六届微处理器技术论坛》
| 2016年
-
摘要:
对于当今集成电路设计生产过程,硬件木马已经成为一个不可忽视的问题.本文在基于热图分析的硬件木马检测基础上,提出了运用二维主成份分析对热图特征进行提取和比较的硬件木马检测方法,并采取等效电路的实验方式对所提出的检测方法进行验证.实验结果表明,本文提出的方法能够对能量量级为10-3的硬件木马进行有效检测.
-
-
杨彬彬;
唐永康
- 《第二十届计算机工程与工艺年会暨第六届微处理器技术论坛》
| 2016年
-
摘要:
对于当今集成电路设计生产过程,硬件木马已经成为一个不可忽视的问题.本文在基于热图分析的硬件木马检测基础上,提出了运用二维主成份分析对热图特征进行提取和比较的硬件木马检测方法,并采取等效电路的实验方式对所提出的检测方法进行验证.实验结果表明,本文提出的方法能够对能量量级为10-3的硬件木马进行有效检测.
-
-
杨彬彬;
唐永康
- 《第二十届计算机工程与工艺年会暨第六届微处理器技术论坛》
| 2016年
-
摘要:
对于当今集成电路设计生产过程,硬件木马已经成为一个不可忽视的问题.本文在基于热图分析的硬件木马检测基础上,提出了运用二维主成份分析对热图特征进行提取和比较的硬件木马检测方法,并采取等效电路的实验方式对所提出的检测方法进行验证.实验结果表明,本文提出的方法能够对能量量级为10-3的硬件木马进行有效检测.
-
-
-
-
-
-