基于块对角投影表示的人脸识别

针对大多数特征表示算法在挖掘高维数据内在结构时容易受到噪声的影响,以及特征学习与分类器设计割裂导致分类性能降低的问题,提出了一种新的基于特征表示的人脸识别方法,称为块对角投影表示（BDPR）学习。首先,利用样本信息对每类样本的编码系数施加一个加权矩阵,通过局部约束来加强表示系数之间的相似性,从而降低噪声对系数学习的影响,使所提方法能够更好地保持数据的局部结构。其次,为了实现数据与编码系数相关联,降低表示系数的学习难度,构造了块对角化判别约束项来学习一个判别投影,通过投影从低维数据中提取样本表示系数,使系数包含更多的样本间全局结构信息且具有更低的计算复杂度。最后,将系数学习和分类器学习整合到同一框架下,同时增大不同类别样本间的“标签距离”,采用迭代求解的方式交替更新判别投影和分类器,最终得到最适合当前表示特征的分类器,使得所提方法能自动完成分类。多个公开的人脸数据集上的实验结果表明:较之传统的协作表示分类和多个主流的子空间学习方法,所提方法均取得了更优的识别效果。      

一种修正的马氏距离判别法

马氏距离判别法是一种基于马氏距离的多元统计分析方法，其引入了协方差矩阵的逆矩阵，以排除属性变量的量纲及变量之间的相关性对距离度量的干扰。然而，在属性变量存在严重的多重共线性时，样本协方差矩阵的奇异性会影响其逆矩阵估计的稳定性，从而降低马氏距离判别法的有效性。为此，提出了一种修正的马氏距离判别法，采用了一般交叉验证(GCV)方法，在属性变量间存在高度相关性的情况下，选择预测效果最好的变量维度，同时可以对协方差矩阵的逆矩阵进行稳定的估计。修正的马氏距离判别法可以得到可靠的协方差矩阵的估计，提高模型的判别准确率；也可以抵抗样本外的扰动，提高模型的泛化能力。仿真实验结果验证了在属性变量存在严重的多重共线性情形下，修正的马氏距离判别法的判别效果较经典的马氏距离判别法有明显的提升。      

含函数型自变量回归模型中的变量选择

针对含有函数型和多元向量数据的回归模型中变量选择和参数估计问题进行研究,扩展了函数型数据分析和变量选择方法的应用范围。首先,函数型自变量基于函数型主成分基函数空间进行投影;然后,对投影后的函数型自变量（按组）及多元向量自变量采用惩罚变量选择方法,同时估计相应的系数。惩罚项调节参数采用自适应调节参数,损失函数采用中位绝对损失函数,以此为例,通过引入松弛变量将估计算法转化为求解线性规划问题,算法复杂度低。数值模拟结果表明,所提方法对于含函数型自变量回归模型的变量选择和参数估计均具有良好效果。      

函数型正则广义典型相关分析

基于正则广义典型相关分析理论框架,提出一类对于多元函数型数据的充分降维方法。通过积分形式,将平方可积空间中的函数型数据投影至实空间中的一系列数值变量,在整体相关性度量最大的目标准则下,同时确定这些函数型投影方向,实现多元函数型数据向传统数值变量转化的特征信息提取及快速降维过程。在一般基函数系统表示下,推导得到最优投影权重函数的迭代计算方法,该方法对于基函数系统的选取具有独立性。大量仿真结果表明,在有限样本情况下,所提方法能够有效探测多元函数型数据之间的相关关系,且对投影权重函数的估计具有一致性。关于帕金森综合征患者步态的实例数据研究表明,由函数型数据投影得到的数值特征信息具有可解释性,所提方法具有一定实用价值。     

一种改进的近似支持向量机算法

标准近似支持向量机受类别差异影响和噪声、野值数据干扰较重,使得分类能力不高.提出一种改进的近似支持向量机算法——加权近似支持向量机,通过为不同类别设定不同的惩罚参数和为每个样本引入模糊隶属值,有效补偿类别差异带来的倾向性并去除噪声和野值数据的影响.模糊隶属函数的选取采用样本与类中心的距离和样本紧密度的加权平均值计算,以有效去除噪声和野值数据的干扰.经过分析,改进后的算法可近似归结为一种岭回归模型.实验表明,与标准近似支持向量机相比,该算法有更好的分类能力.      

基于中心-对数半长的区间数据主成分分析

为研究多变量区间数据的降维和可视化,采用包含中心点和半长对数值的二维数组表征区间数据,建立了区间数据的代数运算法则,并在此基础上提出了一种新的区间数据主成分分析(PCA)方法。对区间半长取对数的处理保证了最终得到的区间主成分半长非负的合理性,计算过程简单、复杂度较低,并且使得降维前后样本集合中点点之间相对位置的改变尽可能小。通过对高维空间进行变量降维,从而多种经典的统计分析方法能够得到运用,同时能够在低维空间中描绘原始高维空间中的样本点,使得多变量区间数据的可视化成为可能。仿真实验结果表明了所提方法的有效性。      

基于新息正交的工业CT图像自适应缺陷识别

针对X射线投影图像的特点,研究基于Kalman滤波算法新息正交原理的缺陷识别问题.建立了投影图像的二维状态空间模型,定义了确定图像区域大小与灰度的动态评价函数和相应的阈值.在分析Kalman滤波算法新息正交性的基础上,得到了一种新的缺陷判别方法,提出了图像数据自适应补偿算法,提高了图像的识别效率和精度,并通过实验验证了方法的有效性.     

基于PCA和WPSVM的航天器电特性识别方法

针对航天器电特性监测系统识别过程中存在测试数据量大、特征维数高、样本少、计算速度慢和识别率低等问题,提出基于主成分分析(PCA)的特征提取和加权近似支持向量机(WPSVM)的在线故障诊断方法.实现了对信号故障特征的主成分分析、选择和提取,并对高维特征数据实现了降维,提高了航天器电特性在线故障诊断的准确性和速度.针对PCA中的结果选取问题,提出运用数据贡献度阈值进行数据截取的方法,有效地保证了数据的有效性与一致性.结果表明:该方法充分利用了航天器电特性监测系统的有用数据特征,有效提高了识别的精度,且计算时间较短,效率较高.      

核空间聚类在图像纹理分类中的简化算法

模糊c均值聚类已广泛应用于模糊模式识别领域,但对于线性不可分数据并不适用.在核方法中通过将输入数据经过非线性映射投影到高维特征空间来解决非线性分类的问题.将传统的模糊c均值聚类算法应用于核空间中,对线性不可分的样本进行了核空间聚类的分类实验,得到了正确的分类结果.由于图像分类中分类样本(对应图像像素)数目庞大,造成了核空间聚类算法中特征距离的计算量过大.因此,在核空间聚类的基础上,提出了对图像先进行过分割,再对过分割的图像块进行核空间聚类的方法,大大降低了高维空间特征距离计算的运算成本,并取得了良好的分类效果.      

基于马氏距离的半监督鉴别分析及人脸识别

针对人脸识别应用中人脸样本的类别信息不足以及人脸样本特征间存在相关性的问题,提出了一种基于马氏距离的半监督鉴别分析.该方法在图嵌入框架下利用马氏距离对数据集中带有类别信息的样本进行边界Fisher分析,不仅保持了类内的紧致性和类间的分离性,而且抽取出有利于分类的鉴别特征,同时将不带类别信息的样本用于描述数据集的几何结构,保留了样本间的局部邻域信息.与传统的特征抽取方法相比,该方法有较好的识别性能,在ORL,YALE及AR人脸数据库上的实验验证了该方法的有效性.      

基于Gram-Schmidt过程的判别变量筛选方法

利用Gram-Schmidt过程,在自变量集合中选择对判别分类解释性最强的信息,删除对分类无显著解释作用的信息以及重复解释的信息,并把挑选出来的解释变量集合变换成若干直交变量.一方面实现了判别分析模型中的变量筛选,同时也解决了自变量多重共线条件下的有效建模问题.在选入变量的过程中运用F统计量检验变量的判别作用,更容易被统计应用人员所接受.为了说明所提算法的合理性和有效性,以Fisher判别分析建模为例,通过仿真数据建模取得了合理准确的分析结论.      

飞机结构多部位损伤发生的可能性分析

基于疲劳统计学与断裂力学的基础,利用已有的飞机单细节结构试验结果,提出一种定量计算飞机结构发生多部位损伤(MSD,Multiple Site Damage)可能性的方法.该方法简化了飞机结构发生MSD可能性的计算,为飞机结构的安全性评估提供基础.该方法认为单细节的裂纹萌生寿命服从正态分布或对数正态分布.对于多细节的飞机结构,到某一时刻,当2个或2个以上细节萌生裂纹时,则认为该结构发生了MSD.给出了具体的方法介绍和理论推导,并给出了一个具体的计算示例,得到MSD产生概率与应力水平的关系曲线.计算结果表明,该方法计算合理,较符合实际情况,利于工程应用.      

基于核主成分分析的多输出模型确认方法

目前对于不确定性环境下多个相关的复杂计算模型进行确认的方法存在计算困难及稳定性较差的问题。针对这类复杂计算模型,提出了一种新的基于核主成分分析(KPCA)的多输出模型确认方法。该方法将核主成分分析与面积法的思想相结合,构造了一个新的易于计算且稳定性高的模型确认指标。所提方法通过核主成分分析将相关的输出变量转化为不相关的核主成分,再对每一核主成分进行模型与实验的对比,从而避免了传统多输出模型确认方法中需要求解多个输出的联合累积分布函数的困难。由于核主成分分析(PCA)方法能够有效提取分析对象的非线性成分,因此基于核主成分分析的多输出模型确认方法较基于主成分分析的模型确认方法更为稳定,这表现在相同的实验样本数据下核主成分分析的方法具有更低的出错率。另外核主成分分析通过核主成分提取,可以实现多输出模型的降维,从而降低多输出模型确认的复杂度。所提方法既可以用于一般的多输出模型的确认,也可以用于多确认点的输出模型的确认。最后通过数值算例和工程算例证明了该方法的正确性与有效性。     

基于高阶LADRC的V/STOL飞机悬停/平移 模式鲁棒协调解耦控制

针对垂直/短距起降（V/STOL）飞机在悬停/平移模式下存在的动力学耦合、推力矢量控制冗余以及易受扰动风影响的问题,提出了一种基于高阶线性自抗扰控制（LADRC）的鲁棒协调解耦控制方法。首先根据V/STOL飞机的概念方案,建立了推力矢量模型和扰动风影响下的非线性悬停/平移运动模型。然后在此基础上,给出了该模式下位置和姿态的协调控制策略,据此通过控制量变换设计了六通道的自抗扰解耦控制律,其中利用LADRC对总扰动的实时估计补偿能力避免了多推力矢量的冗余控制。仿真比较结果验证了LADRC对悬停/平移模式控制的有效性以及对飞机内部参数摄动和外界突风干扰的鲁棒性。      

Stewart台体并联机器人位置正解

为获得Stewart台体并联机器人位置正解的解析解,使用分次字典序Groebner基和Sylvester结式相结合的代数方法对该问题进行研究.利用计算代数中的分次字典序Groebner基算法,计算该机器人位置正解封闭数学模型的分次字典序Groebner基;从得出的51个基中选取20个基,构造20阶Sylvester结式,分析符号形式方程组的变量次数,可以直接得出该机器人位置正解一元高次方程的次数为40且最多有40组解的结论,其结果与前人的完全一致,但结式的尺寸却小得多.为了对结果进行验证,使用同伦连续法对同一个数字算例进行计算,两种方法得到结果一致.为并联机构位置正解的研究提供了一种新的有效算法.     

不确定切换系统的鲁棒自适应控制方案

针对切换信号依赖于独立决策变量的不确定切换系统,基于多Lyapunov函数方法和模型参考自适应控制理论,提出并分析一种控制器具有非线性死区特征的鲁棒自适应切换控制方案.首先,由参考切换系统和自适应控制律集合建立闭环切换系统,而后构造Lure-Postnikov形式的多Lyapunov函数,并以一组线性矩阵不等式推导给出闭环切换系统为有界模型参考自适应控制系统的充分条件.最后,选择HiMAT(Highly Maneuverable Aircraft Technology)飞行器包线内的5个工作点,以其纵向短周期运动模型建立切换系统,并设计具有非线性死区特征的鲁棒自适应控制器.仿真验证了方案的有效性,结果表明系统在快速连续切换下可良好地跟踪期望轨迹.     

基于自编码器和HMM的民机接地点远事件检测

已有的飞行品质监控（FOQA）标准仅由地速的积分距离判定接地点远事件（LTE）的发生,无法结合多个快速存取记录器（QAR）参数检测并解释发生该事件的原因。通过滑动窗口对包含多个参数的QAR样本进行分段,按照分段位置形成若干分段样本集。由长短时记忆网络（LSTM）自编码器得到QAR样本分段及分段内向量的特征表示,采用K-means分别对这些表示向量进行聚类处理,实现QAR样本及其分段的符号化。使用正常航班QAR样本集的符号序列建立隐马尔可夫模型（HMM）,以检测包含接地点远事件的航班。由发生及未发生接地点远事件的QAR样本各个分段的符号序列构建HMM后,采用Viterbi算法确定接地点远事件在QAR样本分段内的具体位置。在真实QAR数据集上的实验结果表明,与其他多维时间序列异常检测方法相比,所提方法不仅能有效检测接地点远事件,而且可以获得多个QAR参数的异常值,辅助领域专家分析发生该事件的原因。      

快速Gram-Schmidt回归方法

提出一种快速的变量筛选与回归建模方法.该方法将在建模过程中,一方面筛选出对因变量有最佳解释作用的信息;另一方面基于Gram-Schmidt正交变换,识别和检验模型中的冗余变量,以便能够及时和成批量地删除所有冗余信息.仿真分析指出,在自变量数量巨大,同时变量之间的多重相关程度又非常高的情形下,与经典的逐步回归相比,该方法的计算速度更快,建模过程更加简洁有效.