主分量分析
主分量分析的相关文献在1984年到2022年内共计761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、林业
等领域,其中期刊论文666篇、会议论文60篇、专利文献220085篇;相关期刊400种,包括中山大学学报(自然科学版)、中国图象图形学报、电路与系统学报等;
相关会议56种,包括中国地球物理学会第二十九届年会、雷达网第二十届年会暨提高雷达反侦察和抗干扰能力新技术研讨会、2012年LMS中国用户大会等;主分量分析的相关文献由1721位作者贡献,包括杨静宇、陈创买、高隽等。
主分量分析—发文量
专利文献>
论文:220085篇
占比:99.67%
总计:220811篇
主分量分析
-研究学者
- 杨静宇
- 陈创买
- 高隽
- 丁健
- 何良华
- 姜斌
- 孔锐
- 张国宣
- 徐涛
- 施泽生
- 沈春林
- 胡良梅
- 芮挺
- 赵力
- 邹采荣
- 郭志波
- 郭立
- 严云洋
- 侯振杰
- 刘利平
- 刘永俊
- 吴仁彪
- 张漫莉
- 张玉君
- 戴维·维雷特
- 曼纽尔·布赖恩德
- 李弼程
- 李段
- 李锋
- 杨健
- 潘新
- 王彤
- 裴喜春
- 赵永恒
- 陈健
- 陈才扣
- 韩仲志
- 麻硕士
- 何清波
- 保铮
- 冉瑞生
- 刘宏伟
- 刘良江
- 刘艳群
- 刘郁林
- 吴小培
- 吴福朝
- 周春光
- 孔凡让
- 孙宏伟
-
-
雷东洋;
何卫平;
周雪;
丁丽丽;
杜裕;
向焱
-
-
摘要:
利用宜昌1956—2020年4—10月逐分钟降水资料分析了宜昌小时极端降水的长期变化特征,对极端降水分布较为集中的6月下旬—8月下旬极端降水强度进行主分量分析。结果表明:宜昌极端降水频次及强度均呈弱增加趋势,在1975年前后出现了1次由强到弱的突变,在1985年前后出现了1次由弱到强的突变,此外还呈现出接近3 a的周期性变化特征。极端降水频次旬变化呈单峰型分布,主要集中在6月下旬—8月下旬,峰值出现在7月下旬。其日变化呈“V字型”分布,主要集中在17时—次日03时之间,峰值出现在22—23时之间。极端降水持续时间多集中在2~4 h之间,其中以2 h居多,数学期望值是2.4 h。旬降水强度在6月下旬—8月下旬表现出3种主要特征:①各旬极端降水强度呈现整体一致特性,即同时增大或同时减小;②极端降水强度在7月下旬和其他各旬呈反向分布;③极端降水强度在7月下旬—8月上旬与其他各旬呈反向分布。
-
-
马诚;
李云红;
陈锦妮
-
-
摘要:
针对盲信号分离中信道噪声大、信号分离效果差等问题,在传统主分量分析和特征值分解方法的基础上,提出了一种基于信源数目估计的超定盲信号分离方法。首先,采用主分量分析和最大似然估计方法分别对混合矩阵和噪声协方差进行估计,用于对信道噪声的估计与去除;然后,采用交叉验证法对源信号维数进行估计,实现盲信号分离。为了验证提出算法的分离效果,对轻拖尾与轻拖尾混合信号以及重拖尾与轻拖尾信号混合情况进行仿真实验验证,结果表明该算法具有良好的分离效果。
-
-
路韬;
黄友朋;
党三磊;
张捷
-
-
摘要:
为了提升计量资产的管理水平,实现计量资产的精细化管理,提出一种基于基站定位信息的计量终端定位算法。算法首先通过多次测量,获得待定位地点的RSSI信息,同时对测量信息进行滤波后构建自相关矩阵,利用主分量分解算法对自相关矩阵进行特征提取,选取较大特征值对应的特征向量作为ELM神经网络的训练数据,并将训练好模型用于计量终端位置的定位估计。仿真结果表明,与传统的基于神经网络的定位算法相比,提出的算法具有收敛快、抗干扰强的特点,算法定位精度可以达到2米左右,定位的精确性达到了98%。
-
-
彭震;
于明;
黄炜嘉;
马国军;
李效龙
-
-
摘要:
针对脑电(EEG)信号在采集过程中易受到肌电(EMG)伪迹干扰,且EMG伪迹复杂多变难以去除的问题,提出一种基于主分量分析(PCA)和自适应步长独立向量分析(IVA)相结合的EEG中EMG伪迹去除方法.首先,利用PCA将EEG信号的主分量提取出来,对数据降维;然后对主分量引入IVA算法,根据高阶统计量和二阶统计量,结合EMG伪迹的非高斯性和弱相关性进行EMG伪迹分离,同时引入基于分离效果的自适应步长选取方法,增强分离效果.实验中采集了8通道的EEG信号,测得各通道相对均方根误差为0.09~0.2,算法的平均EMG伪迹分离率为98%,且相比单独使用IVA时间节省20%,该方法适用于动态EEG中EMG伪迹的去除.
-
-
邓继海;
周治黔;
彭燕;
陈杨
-
-
摘要:
近年来黔南州年降水量和5—8月降水量表现为增加趋势且降水偏多年份越发明显,为研究其变化规律,故选取黔南州近40年降水资料对其时间和空间状态进行分析.得出黔南州降水大致可分为三种类型:a.降水一致性偏多(偏少)型;b.西北少东南多型;c.中部多南北少型.近年来尽管降水量有增加趋势,但从近40年时间尺度来看,黔南州降水表现为减少趋势,其值在平均值周围变动;降水集中时段5—8月的变化趋势平缓,仅个别年份偏离平均值较多.
-
-
唐浩;
梁杨;
余建
-
-
摘要:
针对桥梁长期静态安全监测数据量大、影响因素复杂、时域信号难于分解等问题,根据桥梁结构响应信号中各种作用效应的周期重现规律,采用快速傅里叶变换在频域内对多种组成成分进行分离,去除或减小活荷载效应、短时温差效应以及随机干扰误差的影响.利用PCA提取低频段主分量信息用以表征桥梁结构运营状态,为在役桥梁的管养提供科学参考依据.理论推导及实桥案例证明该方法有效,为桥梁安全监测数据分析提供了一种新颖手段.
-
-
-
王军敏;
芦荐宇;
张诗梦
-
-
摘要:
利用照相设备获取的原始图像数据通常含有大量的冗余信息,不利于图像数据的传输、存储、表示和识别.采用主分量分析方法提取原始图像的主要特征,去除原始图像数据中的相关性和冗余信息;然后,将上述方法应用于图像信号处理,包括图像的倾斜校正、人脸识别和图像压缩,获得了良好的实验结果,拓展和深化了主分量分析方法在图像处理领域的应用.
-
-
林晓红
-
-
摘要:
对米老排容器苗全株鲜重、苗高、地径等17个苗木性状因子开展调查,并对其各性状关系矩阵及主分量进行分析,分析结果表明:植株鲜重指标的特征向量值最大,能体现苗木质量水平,其次是苗高、地径、茎根比等.由此可知,植株生物量鲜重、地径、苗高等3个因子可作为米老排苗木质量评价的主要指标.
-
-
马越;
陈捷;
洪荣晶;
潘裕斌
-
-
摘要:
齿轮箱是风力发电机组的核心传动部件,不仅结构复杂制造成本高,而且故障率高维修费用巨大,对其进行状态监测具有重要意义.针对风电齿轮箱在复杂工况下运行所产生的非线性、非平稳振动信号,提出了一种基于EEMD-CC和PCA的风电齿轮箱状态监测方法.该方法先对含有大量噪声的风电齿轮箱振动信号进行集合经验模态分解和相关系数(EEMD-CC)降噪处理.然后,将降噪后的正常信号数据进行主分量分析(PCA)建模,并以T2统计量和SPE统计量作为信号异常的评判指标.最后,把降噪后的测试数据带入PCA模型中,分别判断T2和SPE值是否超出阈值,实现风电齿轮箱的状态监测.试验结果证明,该方法能够有效地监测风电齿轮箱的状态.
-
-
ZHANG Yuan;
张原
- 《2016航空试验测试技术学术交流会》
| 2016年
-
摘要:
对航电系统显示画面的自动识别一直是制约现代飞机显控分系统系统实现自动测试的瓶颈之一.若认为画面上的动态信息是噪声、不变的特征是信号,则页面识别问题转化为混杂了噪声的信号的模式识别问题.为了应对该问题中信号的巨大规模,引入主分量分析的方法用于信号的规模缩减.将所有主要画面转化为向量并组织为一个矩阵,通过主分量分析,找出区分每个页面框架的主要特征,得到缩减框架矩阵规模的主分量矩阵y和缩减了规模的画面特征矩阵F.测试时,通过对实时采集的显示画面矩阵进行矩阵V的变换,得到根据画面区分特征缩减规模的画面向量S.最终通过模式识别算法,找到与之最相似的显示画面框架,得到当前显示的页面.
-
-
-
李鹏;
蔡晓霞;
陈红;
赵永宽
- 《2010年第四届中国可信计算与信息安全学术会议》
| 2010年
-
摘要:
QIM-JPEG2000作为以JPEG2000图像为载体的最新隐写术,采取设置恒域的方式,保持了小波系数的直方图,很好地抵御了基于直方图攻击的隐写分析方法.针对这种隐写术,提出了一种基于JPEG2000图像小波系数主分量分析的隐写分析方法.该算法在JPEG2000图像三级小波系数上进行主分量变换,分析主分量的统计特征在信息隐写前后的变化,提取小波系数主分量的均值、方差、斜度、峰值和熵组成特征向量,利用支持向量机进行载体图像和载密图像的分类,从而检测出jPEG2000图像是否嵌入了秘密信息.实验表明了本方法的可行性.
-
-
-
-
-
-
-
-
孙颢
- 《雷达网第二十届年会暨提高雷达反侦察和抗干扰能力新技术研讨会》
| 2013年
-
摘要:
舰船在航行过程中会受到海洋大气环境的影响,导致在舰船艉部会产生舰艉流.在舰载机着舰的过程中,舰艉流的存在会对舰载机产生巨大的影响,导致舰载机的着舰安全性和飞行品质的降低.为研究舰载机进舰着舰过程中舰艉流的影响,并结合美军标中关于舰艉流的相关说明,在MATLAB环境中模拟舰艉流模型并仿真舰艉流速度的空间分布,最终得到舰艉流在水平方向和垂直方向产生的总扰动速度.仿真结论需要实测数据进一步确认.
-
-
-
-
-
-
-
- 南京邮电大学
- 公开公告日期:2020.03.31
-
摘要:
本发明公开了一种基于非线性主分量分析从图像序列中分离信息的图像降噪方法;取相对静止的场景图像一组;基于盲源分离(Blind Source Separation,BSS)原理,将图像信息和图像噪声视为每幅图像的组成分量;图像信息是稳定而图像噪声是随机的,这个特点使图像序列中每幅图像视为图像信息分量和图像噪声分量的一种组合;利用非线性主分量分析(nonlinear Principal Component Analysis,NLPCA)的非高斯性判断使图像信息和图像噪声分开,输出分量中标准方差最大的即为图像信息分量。该方法不需要噪声先验信息,即将降噪后的图像信息提取出来,提取效率随图像序列中图像数量和图像噪声强度的增加而提高,也将随盲源分离(BSS)的技术改进而提高,是一种实用且有潜力的图像降噪方法。
-
-
-
-