保局投影
保局投影的相关文献在2005年到2022年内共计66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、机械、仪表工业
等领域,其中期刊论文64篇、会议论文2篇、专利文献78027篇;相关期刊40种,包括电子科技大学学报、中国图象图形学报、光学精密工程等;
相关会议2种,包括第七届和谐人机环境联合学术会议(HHME2011)暨第20届全国多媒体技术、第7届全国普适计算、第7届全国人机交互联合学术会议、第八届全国信息隐藏与多媒体安全学术大会暨湖南省计算机学会第十一届学术年会(CIHW 2009)等;保局投影的相关文献由144位作者贡献,包括夏利民、赵继东、鲁珂等。
保局投影—发文量
专利文献>
论文:78027篇
占比:99.92%
总计:78093篇
保局投影
-研究学者
- 夏利民
- 赵继东
- 鲁珂
- 杨利平
- 祝磊
- 罗大庸
- 辜小花
- 吴跃
- 张伟
- 朱善安
- 龚卫国
- 叶娅兰
- 孙可
- 张敏情
- 曾家智
- 曾青松
- 李伟红
- 李晓东
- 杨晓元
- 杨杰
- 王亦平
- 苏光伟
- 邓振云
- 郭志强
- LIU Yang
- Li Tie
- SUN Jin guang
- 丁世飞
- 丁二锐
- 丁正明
- 丁阳
- 乎西旦·居马洪
- 付芳梅
- 何晓飞
- 何骅
- 余国先
- 余磊
- 侯晓荣
- 傅思勇
- 刘俊宁
- 刘帅
- 刘敏
- 刘文彬
- 刘旸
- 刘莎
- 刘辉
- 刘长良
- 匡春临
- 卓力
- 厉力华
-
-
李巧茹;
石宇
-
-
摘要:
传统方法通过预警得出的驾驶状态与实际状态不符,为了降低道路交通安全隐患,研究一种连续驾驶条件下基于保局投影的疲劳驾驶预警方法。设定图像采集流程,针对获取的图像,通过自适应中值滤波法确定滤波器运行规则,去除图像噪声,并采用自适应阈值光照均衡方法转变图像色彩空间,找出参考白点调整光照,提高图像质量;选择相应投影矩阵,利用准则函数将高维数据映射在低维特征空间中,获取最小化保局投影矢量,提取出最显著的疲劳特征信息;分别设置眼部、嘴部、头部的疲劳特征指标,根据这些指标判断驾驶员是否存在疲劳状态,若存在及时给出预警。仿真结果证明,上述方法在保证图像质量的前提下预警结果与驾驶员实际状态相符。
-
-
曾万里;
雷翔霄
-
-
摘要:
基于集合的对象匹配问题的核心是如何准确、高效地对图像集合进行建模,并定义模型对之间的相似性。将保局投影的思想应用到图像集合匹配,首先应用度量学习作为预处理,将样本投影到一个低维、紧致的流形空间中,然后通过核函数将这些样本投影到再生的核希尔伯特空间内,并用保局投影对该样本进行分类。选取部分公开的图像、视频数据库对算法进行验证,实验的对象识别率普遍较高,说明保局投影是一种有效的基于集合的对象匹配方法。
-
-
邬东辉;
顾幸生
-
-
摘要:
针对工业过程中检测和储存的数据维度不断增大,传统的检测方法中存在处理速度慢、故障特征提取不明显等问题,提出了一种基于自适应稀疏表示和保局投影(Adaptive Sparse Representation and Locality Preserving Projections,ASRLPP)的故障检测方法.首先利用稀疏字典学习算法构造残差空间对数据进行特征提取,使数据的全局特征更加明显;然后在残差空间中利用保局投影(Locality Preserving Projections,LPP)算法进行降维操作,对数据进行过滤降维,保留局部特征;最后利用T2统计量计算控制限进行监控.在检测过程中,引入自适应更新规则,将检测到的正常工况数据用于更新初始训练集,选取更加合理的训练集,动态地调整控制限,使其与所处理的故障数据特征相适应,提高故障检测效率和准确率.通过一个数值例子以及TE(Tennessee-Eastman)过程仿真验证了 ASRLPP算法的有效性.
-
-
刘帅;
刘长良;
曾华清
-
-
摘要:
风电机组运行环境恶劣、机组设备衰退是近年来齿轮箱故障频发的主要原因,其设备状态与机组安全性、运营成本息息相关.面对这一挑战,利用监控与数据采集系统数据,提出一种将保局投影、核极限学习机和信息熵相结合的风电机组齿轮箱故障预警方法.采用保局投影对风电机组状态参数进行特征提取后,使用核极限学习机建立状态参数预测模型,最后辅以改进的加入信息熵概念,可准确预警异常工况.以河北省张家口某一风电场的运行数据作为实例进行研究,仿真结果表明,所提算法至少能提前2天预警潜在故障,验证该预警方法的有效性与实效性.
-
-
徐礼俊;
方婧涵;
王亦平
-
-
摘要:
为了解决在实际应用中LPP算法存在欠拟合状态的问题,详细论述了保局投影(LPP)的映射原理;分析了LPP方法在某些数据集下的欠拟合状态与邻接图之间的关系;提出了基于测地线的LPP(ISOLPP)流形学习方法。实验结果显示,ISOLPP方法在多个测试数据集上取得了很好的嵌入效果,不仅能够继承LPP具有显式投影矩阵的优点,而且解决了LPP算法中存在欠拟合状态的问题,显著提高了算法的适应性。
-
-
蒋青云
-
-
摘要:
提出一种基于改进LPP和ECOC-SVMS的离线签名识别方法.针对预处理后的签名图像,选择多种有效特征构建高维特征向量,引入一种改进的保局投影方法进行特征提取并同时实现高效降维;签名识别方面,使用基于Hadamard纠错编码方法的ECOC支持向量机多类分类方法,并引入近似概率对ECOC解码进行改进,以提升多类分类器的性能.实验结果表明此方法的可行性和有效性.
-
-
乎西旦·居马洪;
古丽娜孜·艾力木江
-
-
摘要:
提出了一种基于分块重排向量二维局部保持鉴别(Mv2DLPP)的人脸识别方法.先对原始图像矩阵进行分块,重排连接每个子块,每个子块转换成向量,通过列向量表示每个子块,可以得到二维图像,然后对二维矩阵实施2DLPP方法进行特征提取,该方法能有效地提取图像的局部特征.在ORL和YALE人脸库的测试结果验证了该算法的有效性.
-
-
邓振云;
龚永红;
孙可;
张继连
-
-
摘要:
kNN算法作为一种简单、有效的分类算法,在文本分类中得到广泛的应用.但是在k值(通常是固定的)的选取问题上通常是人为设定.为此,本文引入了重构和局部保持投影(locality preserving projections,LPP)技术用于最近邻分类,使得k值的选取是由样本间的相关性和拓扑结构决定.该算法利用l1-范数稀疏编码方法使每个测试样本都由它的k(不固定)个最近邻样本来重构,同时通过LPP保持重构前后样本间的局部结构不变,不仅解决了k值的选取问题,并且避免了固定k值对分类的影响.实验结果表明,该方法的分类性能优于经典kNN算法.
-
-
郑鑫;
田学民;
张汉元
-
-
摘要:
In order to deal with the problem that locality preserving projections (LPP) does not take into account the global structure and dynamic characteristic of process data, a new fault detection method based on dynamic sparse locality preserving projections (DSLPP) is proposed. In the study, the original data matrix is firstly extended to a time-delay augmented matrix. Then, a sparse coefficient matrix which can represent global sparse reconstructive relationship of data is gotten by solving an optimal problem of sparse representation (SR). The sparse coefficient matrix combines with the objective function of LPP to form a new objective function for dimensionality reduction. The new dimensionality reduction algorithm can not only preserve the local neighbor structure of the original data space, but also have better effect in preserving the global sparse reconstructive relationship. At last, DSLPP-basedT2 andQ statistics are constructed respectively in the feature space and residual space for fault detection.The simulation results of Tennessee Eastman process demonstrate that the proposed method detects faults more quickly and achieves lower fault missing alarm rate than the LPP method.%针对保局投影(locality preserving projections,LPP)没有考虑过程数据的全局信息和动态性的问题,提出一种新的基于动态稀疏保局投影(dynamic sparse locality preserving projections,DSLPP)的故障检测方法。该方法首先将原始数据矩阵扩展为考虑时序相关的增广矩阵,然后通过求解最优稀疏表示(sparse representation,SR)问题,得到能够表示数据全局稀疏重构关系的稀疏系数矩阵,并将其与LPP算法结合,构建综合考虑数据局部和全局关系的目标函数进行数据降维,最后分别在特征空间和残差空间构造 T2统计量和 Q 统计量进行故障检测。TEP的仿真结果表明,与LPP方法相比,新方法能更迅速检测故障发生并降低过程监控漏报率。
-
-
董玉亮;
顾煜炯
-
-
摘要:
针对大型风电机组运行工况和状态信息复杂,难以实现故障早期预警的问题,提出基于局部保持投影(LPP)和自组织映射的故障预警方法.该方法充分考虑机组健康状态特征的高维、非线性特点,采用LPP算法实现状态特征提取,并建立基于自组织映射(SOM)的多状态特征融合健康状态评估模型.采用最小量化误差(MQE)作为机组健康状态指标,并给出健康衰退报警限的确定方法.将该方法用于某1.5 MW风电机组传动系统故障前的健康状态分析,结果表明,该方法提前监测到机组健康状态的衰退趋势,可实现故障的早期预警,避免严重故障发生,并可为合理调整运行和安排维修提供依据.