公共文化服务平台

基于EMD和SVD的虹膜特征提取及识别被引量：6: 2011年; 为克服小波变换和Gabor滤波器提取虹膜特征时小波基函数固定和Gabor滤波器参数需优化选择的问题,提出了一种基于经验模态分解(EMD)和奇异值分解(SVD)的虹膜特征提取方法.首先,对预处理后的虹膜图像进行EMD,将获得的一系列固有模态函数和残差分量构成初始矩阵;然后,对该矩阵进行SVD,以其奇异值作为虹膜特征向量;最后,利用ModestAdaBoost分类器进行识别.实验结果表明,该方法提取的特征向量维数少,识别率高,虹膜特征提取和匹配时间复杂度低.; 罗忠亮林土胜杨军赵晓芳; 关键词：虹膜识别特征提取经验模态分解奇异值分解

用于虹膜识别的轮廓波特征提取: 2011年; 为获得高品质的虹膜纹理特征,针对小波变换方向选择性差的局限和虹膜图像纹理丰富的特点,本文提出了一种基于轮廓波(Contourlet)变换的虹膜特征提取方法。首先对预处理后的虹膜图像进行Contourlet分解,然后根据高低频子带所表征的信息,采用不同特征提取策略,提取其低频分量的均值及标准差和不同尺度、不同方向上高频子带变换系数矩阵的能量作为特征值,最后利用支持向量机和汉明距离的方法对CASIAVer1.0和MMU两类虹膜库中的图像进行测试。实验结果表明,同基于Harr小波和离散余弦变换等特征提取方法相比,该方法可获得较好的识别性能。; 罗忠亮林土胜李碧杨军张地; 关键词：特征提取轮廓波变换虹膜识别子带能量

基于FDA-KDE间歇过程在线监控: 2014年; 针对基于传统的多向主元分析(Multiway Principal Component Analysis,MPCA)方法用于间歇过程在线监控时需要对新批次未反应完的数据进行预估,从而易导致误诊断,且统计量控制限的确定是以主元得分呈正态分布为假设前提的缺陷,结合Fisher判别分析(Fisher Discriminant Analysis,FDA)在数据分类及非参数统计方法核密度估计(Kernel Density Estimation,KDE)在计算概率密度函数方面的优势,提出了一种FDA-KDE的间歇过程监控方法。该方法首先利用FDA求取正常工况数据和故障数据的Fisher特征向量和判别向量,获得Fisher特征向量的相似度:然后在提出偏平均集成平方误差(Biased Mean Integrated Squared Error,BMISE)交叉验证法确定KDE的带宽从而获得相似度统计量控制限的基础上,利用已获得的数据测量值对过程进行监控,避免了基于MPCA方法对未来测量值的预估;最后采用基于Fisher判别向量权重的贡献图方法来进行故障诊断。通过对青霉素发酵间歇过程应用表明,所提出的方法比传统的MPCA方法能更及时地监测出过程异常情况,更准确地判断异常发生的原因。; 肖应旺刘冬杰杨军张承忠姚美银; 关键词：故障诊断

统计监控建模离群点检测数据预处理高效算法被引量：5: 2012年; 基于多向主元分析(multi-way principal component analysis,MPCA)(包括主元分析(principal component analysis,PCA))的统计监控模型易受建模数据中离群点影响,将数据点的k-最近邻(k-nearest neighbor,k-NN)距离dk作为离群度指标能有效地发现非线性数据集中的离群点,但现有的基于该定义的鲁棒离群点检测算法对不同尺度的中心化和标准化方法非常敏感,且需要计算每个数据点的dk,引起巨大的计算开销。提出一种改进尺度的近邻修剪(modified scale neighborhood pruning,MSNHP)高效鲁棒离群点检测算法用于对统计监控建模数据集的预处理。该算法利用改进尺度得到离线建模正常数据的均值和标准差,并对数据进行中心化和标准化处理;在每次dk查询过程中计算出其他点的dk上界用于直接修剪非离群点,以减少dk查询的次数;并通过优化搜索次序提高修剪效果和减少每次dk查询的计算开销。将该算法应用于β-甘露聚糖酶发酵间歇过程离群点检测,与其他鲁棒离群点检测算法相比,应用结果表明该算法明显减少了计算开销,对数据集数据个数和算法参数都具有更好的伸缩性。; 肖应旺杨军张承忠杜瑛; 关键词：数据预处理

主元空间中故障可重构性、可分离性研究被引量：3: 2015年; 基于主元分析(Principal Component Analysis,PCA)的统计过程性能监测尽管不依赖于精确的数学模型,但也限制了它的故障诊断能力。本文在故障子空间和PCA监测模型及故障重构技术的基础上,研究了基于T2统计量的故障诊断问题,获得了主元空间中故障可重构性、可分离性的必要充分理论条件。通过对双效蒸发过程的仿真监测,证实了所获理论结果的有效性;表明通过故障重构不仅为故障识别提供了基础,而且重构故障幅值波形还为判断传感器故障类型提供了依据。; 肖应旺陈呈国黄业安刘冬杰杨军姚美银

基于全局颜色对比的显著性目标检测被引量：2: 2014年; 为了能正确检测显著性图中的多个显著性目标,提出了一种基于全局颜色对比的显著性目标检测算法。该算法首先提取图像的全局颜色对比度特征,然后把显著性图和全局颜色对比度作为特征输入条件随机场框架中,得到二值显著性掩模,最后经区域描绘子计算得到包含显著性目标的最小外接矩形。在两种公开的数据集上的实验结果表明,该算法在精度、召回率以及F-测度方面的表现优于现有其他几种算法,在计算效率上也具有一定的优势。因此,所提出的算法在检测效果上优于现有的显著性目标检测算法,而且还能够检测到多个显著性目标。; 杨军林土胜肖应旺; 关键词：条件随机场

任务驱动教学法在VFP程序设计课程中的应用: 2009年; 在任务驱动教学法的定义的基础上,结合VFP程序设计课程教学,给出了任务驱动教学法的实施过程和实施该教学法应掌握的关键环节及注意事项。实践证明,该方法是行之有效的。; 杨军胡绪英; 关键词：VFP程序设计

数字逻辑与数字系统课程教学方法研究: 2005年; 本文从CCC2002中对数字逻辑与数字系统课程教学的要求出发,把研究性教学方法引入到课程教学实际,阐述了在课程教学要素中如何有效运用研究性教学方法。; 杨军易敏; 关键词：研究性教学教学方法

统计监控建模数据预处理离群点检测算法被引量：5: 2013年; 针对基于多向主元分析(Multi-way Principal Component Analysis,MPCA)(包括主元分析(Principal Component Analysis,PCA)的统计监控模型易受建模数据中离群点影响的不足,通过对各种不同尺度的中心化和标准化方法及鲁棒离群点检测算法的对比研究,提出了一种基于改进尺度的中心最短距离/椭球多变量整理(Closest Distance to Center/ellipsoidal Multivariate Trimming,CDC/MVT)的建模数据离群点去除算法。该算法首先利用改进尺度得到离线建模正常数据的均值和标准差,并对数据进行中心化和标准化处理;然后利用CDC算法找出建模历史数据中最一致的一半正常点;最后用这最一致的一半正常点初始化MVT的马氏距离的均值和协方差,并通过迭代计算得到其他的正常点。将该算法应用于β-甘露聚糖酶发酵间歇过程离群点的去除,与其他鲁棒离群点检测算法相比,应用结果表明该算法能有效地去除建模数据中的离群点。; 肖应旺杨军张承忠姚美银杜瑛; 关键词：数据预处理

CDC/MVT离群点去除的KPCA-MSVMs过程监控被引量：1: 2013年; 基于主元分析(Principal Component Analysis,PCA)的统计监控模型易受建模数据中离群点的影响;大多工业过程表现出强非线性;且基于PCA的统计性能监控法由于不用过程机理模型的信息从而对故障诊断问题难以在理论上作系统分析,提出基于中心最短距离法CDC(Closest Distance to Center,CDC)/椭球多变量整理法MVT(ellipsoidal Multivariate Trimming,MVT)离群点去除的核主元分析KPCA(Kernel PCA,KPCA)-多支撑向量机MSVMs(Multiple Support Vector Machines,MSVMs)的过程监控方法。该方法首先提出改进尺度的CDC/MVT离群点去除算法以获取正常建模数据;然后利用KPCA来进行故障特征的提取,从而提高非线性统计过程监控的准确性;最后提出MSVMs用来对故障的来源进行分类,以避免求解核主元空间到原始空间的逆映射。将该方法应用到对TE(Tennessee Eastman,TE)过程的监控,表明了所提出方法的有效性,为过程的监控和故障诊断提供了一个新的方法。; 肖应旺杨军张承忠姚美银; 关键词：KPCA TE过程

渝B2-20050021-1　渝公网安备 50019002500403号　违法和不良信息举报中心　互联网出版许可证　新出网证(渝)字10号

杨军

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

杨军

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈