特征子空间

摘要： 针对纺纱生产过程影响因素多、监测维度广导致的过程波动难以分析和纱线质量难以预测的难题,课题组提出一种基于多关联参数特征子空间的纺纱质量波动预测方法。首先分析影响纱线质量的关联参数之间关系,构造能够表征纱线质量波动的特征子空间;然后构建面向特征子空间的纱线质量深度学习预测模型,实现纱线质量智能预测。通过实例进行分析,结果显示提出的方法能够有效分析纱线质量的多关联参数波动规律,并能准确对纱线质量进行预测。

摘要： 线性方程组是高等代数的重要组成部分.从介绍线性方程组的基本问题入手,深入研究线性方程组的基本解法,通过案例重点论述线性方程组在代数几何中的应用,即利用线性方程组确定特征子空间、讨论平面间的几何特征等,同时探究线性方程组的思政教学.

摘要： 当空间中存在大功率主瓣干扰时,传统特征投影类干扰抑制方法存在主瓣峰值偏移、 旁瓣内干扰零陷变浅等问题.针对上述问题,本文提出一种新的基于特征子空间的主瓣干扰抑制方法.首先根据赤池信息准则(AIC)与相关性判别分离主、旁瓣干扰的特征矢量;其次利用特征投影预处理抑制主瓣干扰分量;最后定义新的权矢量赋形方式,在主瓣子空间约束及旁瓣干扰线性约束下进行自适应波束形成.仿真实验结果表明,所提方法达到了更为稳健的方向图保型效果,获得了趋近于理想零值的干扰处零陷增益,提高了1.3 dB以上的输出信干噪比(SINR).

摘要： 度量学习是机器学习中的重要研究问题之一,针对实际应用中的噪声数据,如何建立一个鲁棒的度量仍是一个挑战.本文将稀疏表示、特征学习与分类模型相结合提出了一种新的基于鲁棒回归度量学习(RRML)的算法并将其应用于图像分类.算法对最优特征子空间和稀疏表示进行联合学习,在更具判别性的低维表征空间中,通过稀疏表示有效地编码数据的局部结构信息,进而更好地揭示数据的内在鉴别信息,并以此指导该模型学习到最优的投影矩阵;同时对噪声矩阵和投影矩阵的行稀疏约束,可以极大降低噪声的影响.实验结果表明所提算法在图像分类准确率和鲁棒性方面均优于其他对比算法.

摘要： 针对跨年龄人脸识别任务,在同时进行人脸身份识别和年龄分类这两个任务的多任务卷积神经网络的基础上加入直和模块,提出了一种基于特征子空间直和的多任务卷积神经网络(FSDS-CNN).该网络利用2个并行子网分别从深度特征中提取出身份相关特征和年龄相关特征,并对这2个相关特征所对应的特征子空间施加直和约束,使得身份相关特征与年龄相关特征尽可能无关.通过多损失的联合监督学习,该网络可以获得随年龄变化鲁棒的年龄无关人脸身份特征.分别在Morph Album 2、CACD-VS和Cross-Age LFW数据集上进行实验,其中在CACD-VS数据集中,所提方法的AUC最优值为99.7％;在Cross-Age LFW数据集中,所提方法在等错误率(EER)和错误匹配率(FMR)为0.1时的错误非匹配率(FNMR)上分别取得了最优值10.1％和10.2％.同时在3个数据集上的实验均进行了消融对比实验以验证直和模块的有效性.实验结果表明,身份特征与年龄特征的相关性被FSDS-CNN中的直和模块有效地降低,从而有效提升了模型跨年龄人脸识别的性能.

摘要： 针对紧凑型卷积神经网络在部署现有注意力机制存在计算量或参数开销大的问题,提出一种改进的超轻量化子空间注意模块.首先,深度连接的子空间注意模块(Deep Connected Subspace Attention Mechanism,DCSAM)划分特征图为若干特征子空间,为每个特征子空间推导不同的注意特征图;其次,改进特征子空间进行空间校准的方式;最后,建立前后特征子空间的连接,实现前后特征子空间的信息流动.该子空间注意机制能够学习到多尺度、多频率的特征表示,更适合细粒度分类任务,且与现有视觉模型中的注意力机制是正交和互补的.实验结果表明,在ImageNet-1K和Stanford Cars数据集上,MobileNetV2在参数量和浮点运算数分别减少12％和24％的情况下,最高精度分别提高了0.48和约2个百分点.

摘要： 针对传统的高光谱图像去噪方法忽视高光谱图像强烈的谱间相关性和图谱合一的问题,提出了一种基于复值特征子空间的高光谱图像去噪方法.该方法首先基于光谱数据的相似性对复域信号进行奇异值分解(Singular Value Decomposition,SVD)分析,选择最能代表信号子空间的最优低维特征子空间,然后基于非局部复域块匹配3D(Complex-Domain Block-Matching 3D,CDBM3D)滤波器对特征图像进行滤波.实验结果表明,本文算法对噪声具有较强的鲁棒性,可以有效恢复低信噪比的高光谱数据.与其他方法相比,本文方法在所有波长的RRMSE值最小的情况下准确性最佳.

摘要： 人脸识别技术以其非入侵的优势已经在工作和生活的各领域中广泛应用,随着科技的进步,未来人脸识别的应用将更加普遍.近几十年来,研究者们提出了许多的人脸识别算法.分析和研究基于子空间的人脸表示以及人脸分类方法,通过重点介绍人脸分类的几种具有代表性的方法并总结其优缺点,来探讨未来人脸识别的研究方向.

摘要： 高光谱遥感影像具有丰富的信息光谱,但同时也具有大量的冗余信息.为了更好地对影像进行降维处理,从而减少冗余信息对遥感信息提取的不利影响,提出一种改进的特征子空间高光谱影像降维方法.首先选取两幅不同区域的高光谱影像作为实验区,根据高光谱影像波段相关系数矩阵"分块"的特点,利用自动子空间划分方法将实验区划分为不同的分类区间;其次利用加权K-means聚类算法计算各区间聚类中心参数,求出相邻聚类中心与对应波段间的互信息之差绝对值的最小值来确定特征子空间的划分边界,并利用 自适应波段指数法求出最佳波段,进行波段组合;最后采用基于对象的图像分析方法对降维后的高光谱影像进行分类.为验证方法的有效性,将其与常用的主成分分析法、最小噪声分离法和最佳指数法的分类结果进行实验对比.实验结果表明,基于改进的特征子空间高光谱影像降维方法分类精度明显高于其它3种常用分类方法,具有明显的降维及分类优势.

摘要： 针对KPCA不适合于大样本的不足,提出一种基于特征子空间映射的主元分析(FSP-KPCA)及其故障检测方法.利用核函数技巧,从样本数据中选取基向量集,基向量集在特征空间F中扩展生成特征子空间,样本数据在特征子空间投影,然后,对映射数据进行主元分析,从而形成FSP PCA及其故障检测方法.当故障产生时,计算该故障与已知故障的特征子空间的夹角(核主角),以此识别故障类型.将提出的方法应用于Tennessee Eastman(TE)过程故障监测,证明本算法的有效性.

摘要： 本文分析了常见的窄带干扰(NBI)的特性,并提出了一种基于回波数据特征子空间滤波的干扰抑制方法.结合实测数据的处理表明该方法可有效地抑制窄带干扰.

摘要： 本文针对传统MUSIC算法解相干性能差的问题,提出一种基于互协方差的特征空间算法(Eignspace-Direction of Arrival,ES-DOA).首先充分利用矢量信息,采用三种不同的数据预处理方法进行联合处理,获得新的增广矩阵,在增广矩阵上进行奇异值分解,构建特征子空间的加权MUSIC(Multiple Signal Classification)算法空间谱,所构建的空间谱函数不仅提升MUSIC的估计性能,还充分利用了信号子空间的信息,从而使得本文所提改进特征子空间MUSIC算法拥有更高的分辨率以及估计精度,且更适用于低信噪比条件下.仿真实验验证了所提方法的有效性和鲁棒性.

摘要： 主元分析(Principal Component Analysis, PCA作为代数特征被广泛地应用于模式识别、3D自标分析领域，如:基于视角的人脸自动识别系统(AFRS)、医学3D人体器官检测系统以及一些基于视觉的生物信息检测系统。子空间活性测度描述了一类模式适应各类特征子空间的关系.一类目标在相似的条件下形成相似的模式,在不同的条件下形成不同的模式特征,因此可以用不同的特征子空间表示.本文首先在LPCA/KPCA的基础上,提出了线性子空间活性测度/核子空间活性测度的基本概念,提出了基于特征空间的线性/核子空间活性测度定理.给出了最大子空间活性测度准则.最后,基于最大子空间活性测度准则提出了一类目标(人脸)姿态估计算法.实验结果表明本文提出的基于LSAM/KSAM姿态估计方案有效。

摘要： 为解决传统LDA(线性鉴别分析)的小样本规模问题,采用一种改进的LDA 算法，通过ICA算法求得训练样本的特征子空间，并在此基础上计算LDA算法的特征子空间。将ICA算法与LDA 算法的特征子空间进行融合，获得ICA-LDA 算法的融合特征空间。训练样本与测试样本分别朝融合特征空间投影，从而得到识别特征。利用最近邻准则即可完成性别鉴别。基于ORL(Olivetti Research Laboratory) 人脸数据库实现了一个基于ICA-LDA的人脸识别原型系统，并对其算法进行了测试。

摘要： 在双通道SAR/GMTI中,两天线沿航迹相隔一定间距放置,该相位中心间距导致两通道信号间存在缓变相位误差.对缓变相位误差的补偿方法有延时法和频域去相位斜坡,但都有其局限性。本文提出采用信号特征子空间方法在距离一多普勒频域估计该相位误差,并补偿它.仿真结果表明该方法能有效校正通道间的相位误差,适用性较好。

摘要： 人脸识别技术是人脸识别系统以人脸图像作为识别身份的媒介。论文研究了PCA算法的原理，基于matlab平台实现了人脸识别系统。该系统在对图像进行预处理的基础上，以ORL人脸库中部分图像为样本，采用K-L变换计算训练样本特征值及特征向量，得到特征脸向量，进而计算测试样本投影到特征脸空间的坐标系数，最后分类识别得出结果。实验证明该系统识别率较高，对实际应用有一定的参考价值。

摘要： 人脸识别技术是人脸识别系统以人脸图像作为识别身份的媒介。论文研究了PCA算法的原理，基于matlab平台实现了人脸识别系统。该系统在对图像进行预处理的基础上，以ORL人脸库中部分图像为样本，采用K-L变换计算训练样本特征值及特征向量，得到特征脸向量，进而计算测试样本投影到特征脸空间的坐标系数，最后分类识别得出结果。实验证明该系统识别率较高，对实际应用有一定的参考价值。

摘要： 人脸识别技术是人脸识别系统以人脸图像作为识别身份的媒介。论文研究了PCA算法的原理，基于matlab平台实现了人脸识别系统。该系统在对图像进行预处理的基础上，以ORL人脸库中部分图像为样本，采用K-L变换计算训练样本特征值及特征向量，得到特征脸向量，进而计算测试样本投影到特征脸空间的坐标系数，最后分类识别得出结果。实验证明该系统识别率较高，对实际应用有一定的参考价值。

摘要： 人脸识别技术是人脸识别系统以人脸图像作为识别身份的媒介。论文研究了PCA算法的原理，基于matlab平台实现了人脸识别系统。该系统在对图像进行预处理的基础上，以ORL人脸库中部分图像为样本，采用K-L变换计算训练样本特征值及特征向量，得到特征脸向量，进而计算测试样本投影到特征脸空间的坐标系数，最后分类识别得出结果。实验证明该系统识别率较高，对实际应用有一定的参考价值。

摘要： 本发明公开了一种基于视频深度特征识别和子空间聚类的管道缺陷检测方法，涉及管道检测技术领域，该方法包括以下步骤：S10、管道缺陷检测视频中的图像分类，通过缺陷分类器得到所有帧图像的缺陷类型识别结果、缺陷帧特征以及16类缺陷和1类无缺陷计算分值；S20、子空间聚类算法，对缺陷帧特征进行聚类计算，得到关于时间序列的缺陷帧特征聚类结果；S30、关键帧图像的获取，挑选出每个聚类中的关键值最高的缺陷帧作为关键帧特征；本发明的有益效果是：能够准确的挑选出每个聚类中关键值最高的缺陷帧，准确率高。

摘要： 本发明公开了面向跨被试RSVP的多特征低维子空间ERP检测方法。该方法首先采用迁移学习方法中的欧式空间对齐，对来自不同被试、不同试次的EEG数据在欧式空间中进行对齐。然后采用不同的特征提取方式表层和深层两路特征，其次将来自不同空间的两路特征分别进行有监督降维，使得不同类特征的类内离散度尽可能低，且类间离散度尽可能高。得到凝练且位于不同维度的两个一维特征，对这两个一维特征进行融合重构，最终将重构后的特征用于ERP检测。有效提升ERP检测时的稳定性与准确率。

摘要： 本发明属于目标识别技术领域，具体的说是涉及一种低秩判别子空间真假目标一维距离像特征提取方法。本发明首先将训练样本按列组成一个矩阵，利用稀疏重构方法分解成低秩矩阵和稀疏误差部分，并在重构学习中引入低秩矩阵的类判别信息，然后，对低秩矩阵进行分析建立低秩判别子空间，提取目标一维距离像特征。由于重构算法中引入了类判别信息，增大了类间分离，减小了类内差异，从而提高了目标识别性能，对四类仿真目标的一维距离像数据进行了仿真实验，实验结果验证了该方法是有效的。

摘要： 本发明属于目标识别技术领域，具体涉及一种局部信息增强子空间真假目标特征提取方法。本发明的方法在利用训练样本集计算的类内散布矩阵中引入邻域局部非线性距离加权，增大具有密集分布邻域的样本贡献，由此建立的判别子空间能够提取到样本数据分布的局部差异特征，同时，采用了非线性距离，一定程度上表征了数据的非线性分布情况，从而提高了目标识别性能，对四类仿真目标的RCS数据进行了仿真实验，实验结果验证了该方法的有效性。

摘要： 本发明公开了一种基于特征子空间的子阵级线性约束自适应波束形成方法，属于阵列信号处理技术领域。该方法对采样协方差矩阵进行特征值分解，以此来估计所需的干扰子空间，然后在干扰子空间约束波束响应为零来自适应的抑制干扰信号，并且引入罚函数对自适应方向图进行约束以使主瓣保形、旁瓣降低。本方法在自适应抑制干扰的同时，使得在子阵级得到的自适应方向图主瓣保形且旁瓣降低，并且能够获得较好的输出信干噪比性能。本发明适用于子阵级线性约束自适应波束的形成。

摘要： 本发明公开了一种融合目标空间分布和时序分布特征子空间的视觉跟踪算法，主要包含步骤：首先将目标区域特征从三个角度进行展开，分别进行子空间学习；其次运用一种更新策略来在线地更新三个模式下目标的均值与子空间。最后通过张量重构将三个子空间模式统一到一个似然函数中用于候选观测图像的评价。本发明实现了有效的目标跟踪方法，是一种通用的方法。实验结果表明，相对于其他经典子空间跟踪算法，该发明更加有效和鲁棒，具有很好的应用前景。

摘要： 一种基于异质特征联合自表示的特征子空间与亲和矩阵联合学习方法，将原始数据及其异质特征整合到一个公共集合中，形成多模态样本集合；然后，在集合上对每一个模态下的样本数据都学习一对垂直和水平投影矩阵，并且可以捕获所有模态下的异质特征之间的互补信息；此外，为了揭示隐藏在多模态视觉数据中的内在子空间结构，设计了一个基于阈值岭回归的自表示模型，进而将学习到的表示矩阵用于构建有效的亲和矩阵；同时，通过联合学习特征子空间和表示矩阵，二者性能可以互相促进；为了确保模型在实际应用中的性能，设计了基于图的表示矩阵约束项来捕获数据的非线性结构信息，这有助于保持复杂样本的邻居关系。

摘要： 本发明公开了一种基于特征子空间的子阵级线性约束自适应波束形成方法，属于阵列信号处理技术领域。该方法对采样协方差矩阵进行特征值分解，以此来估计所需的干扰子空间，然后在干扰子空间约束波束响应为零来自适应的抑制干扰信号，并且引入罚函数对自适应方向图进行约束以使主瓣保形、旁瓣降低。本方法在自适应抑制干扰的同时，使得在子阵级得到的自适应方向图主瓣保形且旁瓣降低，并且能够获得较好的输出信干噪比性能。本发明适用于子阵级线性约束自适应波束的形成。

摘要： 本发明公开了一种融合目标空间分布和时序分布特征子空间的视觉跟踪算法，主要包含步骤：首先将目标区域特征从三个角度进行展开，分别进行子空间学习；其次运用一种更新策略来在线地更新三个模式下目标的均值与子空间。最后通过张量重构将三个子空间模式统一到一个似然函数中用于候选观测图像的评价。本发明实现了有效的目标跟踪方法，是一种通用的方法。实验结果表明，相对于其他经典子空间跟踪算法，该发明更加有效和鲁棒，具有很好的应用前景。

摘要： 一种基于异质特征联合自表示的特征子空间与亲和矩阵联合学习方法，将原始数据及其异质特征整合到一个公共集合中，形成多模态样本集合；然后，在集合上对每一个模态下的样本数据都学习一对垂直和水平投影矩阵，并且可以捕获所有模态下的异质特征之间的互补信息；此外，为了揭示隐藏在多模态视觉数据中的内在子空间结构，设计了一个基于阈值岭回归的自表示模型，进而将学习到的表示矩阵用于构建有效的亲和矩阵；同时，通过联合学习特征子空间和表示矩阵，二者性能可以互相促进；为了确保模型在实际应用中的性能，设计了基于图的表示矩阵约束项来捕获数据的非线性结构信息，这有助于保持复杂样本的邻居关系。