Color Image Classification Using Support Vector Machines

0IntroductionThefastadvancementofdigitalimagingtechnologyhasresultedintheexponentialin-creaseofimagedatainbothprofessionalarchivesandpersonalleisurecollections.Effectivelymanag-inglargeimagecollectionsandmakingthemeas-ilyaccessibleposessignificanttechnica…     

一种非周期调制直扩信号扩频码估计方法

对卫星测控中一类扩频码周期与信息码周期之比为非整数的直扩信号进行了研究,得出这类信号可建模成非周期调制直扩信号,提出并讨论了一种基于差分主元分析（D PCA）的非周期调制直扩信号扩频码估计方法,该方法通过计算与差分序列协方差矩阵的最大特征值对应的特征向量完成信息码个数、子序列、信息码同步点等参数的估计,解决了传统矩阵分解方法在估计码序列时码序列相位模糊问题,理论分析和仿真结果表明该方法可以在低信噪比下进行有效估计。     

基于PCA-IMD的加注泵融合式健康监测研究

针对加注系统中加注泵的健康监测问题,提出一种基于主成分分析(Principal Component Analysis,PCA)与改进马氏距离(Improved Mahalanobis Distance,IMD)相融合的健康度量模型。对系统健康度、健康度量等相关概念进行研究,选用距离测度中的马氏距离作为度量加注泵健康状态的标准。基于PCA对测试样本进行优化,降低测试样本属性维数,采用IMD计算优化后得到的主成分样本矩阵改进马氏距离,以平均IMD值表征待评估系统的健康状态变化情况。通过加注泵加注过程中实际测试数据验证了该方案的准确性。     

一种适用于进近尾流间隔缩减的机型聚类方法

目前,我国广泛使用的尾流间隔标准过于保守,导致机场跑道容量受限。以进近航空器的尾流遭遇问题为研究对象,首先研究进近尾流安全间隔缩减方法,获取缩减后的临界尾流间隔;然后基于主成分分析法（PCA）对 BADA 数据库中的航空器性能数据降维,提出一种适用于进近尾流间隔缩减的机型层次聚类方法;最后采用该方法得到新的机型分类结果并构建缩减后的尾流安全间隔标准。结果表明：本文所使用的机型层次聚类方法与国内外航空器分类方法具有较好的一致性,在长沙黄花国际机场的主流配对机型间,所获取的进近航空器尾流间隔标准与传统尾流间隔标准相比可以缩减 0.8 km 以上。     

A point-wise least squares spectral analysis (LSSA) of the Caspian Sea level fluctuations,using TOPEX/Poseidon and Jason-1 observations

The Caspian Sea has displayed considerable fluctuations in its water level during the past century. Knowledge of such fluctuation is vital for understanding the local hydrological cycles, climate of the region, and construction activities within the sea and along its shorelines. This study established a point-wise satellite altimetry approach to monitor the fluctuations of the Caspian Sea using a complete dataset of TOPEX/Poseidon for the period 1993 to the middle of 2002, and its follow-on Jason-1 for the period 2002 to August 2009. Therefore, 280 virtual time-series were constructed to monitor the fluctuations. The least squares spectral analysis (LSSA) method is, then employed to find the most significant frequencies of the time-series, while the statistical method of principle component analysis (PCA) is applied to extract the dominant variability of level variations. The study also used the observations of TOPEX/Poseidon and Jason-1 over the Volga River along with 5 years of Volga’s water discharge to study its influence on the Caspian Sea level changes. The LSSA results indicate that the lunar semidiurnal (M2) and the Sun semidiurnal (S2) frequencies are the main tidal frequencies of the Caspian Sea with the mean amplitude of 4.2 and 2.8 cm, respectively. A statistically significant long-term frequency (12.5-years period) is also found from altimetry and tide gauge observations. A phase lag, related to the inter-annual frequencies of the Volga River was detected from the point-wise time-series showing level propagation from the northwest to the southeast of the sea. The cross-correlation between the power spectrum of Volga and that of the northern-most, middle, and southern-most points within the Caspian Sea were respectively 0.63, 0.51 and 0.4 of zero-lag correlation, corroborating the influence of the Volga River. The result of PCA also shows that different parts of the Caspian Sea exhibit different amplitudes of level variations, indicating that the point-wise approach, when employing all available satellite measurements could be a suitable method for a preliminary monitoring of this inland water resource as it gives accurate local fluctuations.     

基于G2DPCA的SAR目标特征提取与识别

给出了基于广义二维主分量分析（G2DPCA)的合成孔径雷达（SAR）图像目标特征提取 方法。与主分量分析（PCA）相比,在寻求最优投影方向时,它直接基于二维图像矩阵而不 是一维向量,在特征提取前不必将2维图像矩阵转换成1维向量。与二维主分量分析（2DPCA ）相比,它可以同时去除图像行和列像素间的相关性。基于美国运动和静止目标获取与识别 （MSTAR）计划录取的数据的实验结果表明,结合预处理,G2DPCA在大大降低了特征 维数的同时,又改善了识别性能,并且正确识别率在97％以上,且对目标方位变化具有较 好的鲁棒性。     

一种终端区利用率评估方法研究

终端区利用率量化评估是解决终端区运行瓶颈、挖掘运行潜力的重要前提。现有方法大都面向全空域,指标缺乏通用性。聚焦终端区运行特点,构建了终端区利用率评估指标,基于灰色绝对关联度和主成分分析法,建立了灰色主成分评估模型,并对传统灰色绝对关联度的计算方法进行改进。以20个典型终端区数据为基础,经模糊C均值聚类验证了所提方法有效正确,且可区分性更好,能够满足多个终端区间的横向对比要求;结合广州终端区雷达数据进一步分析,发现方法更加细致地反映了沿时间轴的资源利用情况,满足单个终端区的纵向对比要求,可以为终端区的天气影响评估及流量管理优化策略评估提供论证依据。     

MEMS冗余惯组小幅值故障检测的PCA算法设计和优化

当组成冗余惯组的陀螺为MEMS陀螺,而故障又为幅值比较小的阶跃故障时(仿真发现,阶跃故障幅值为陀螺噪声方差的10倍左右大小时),使用以往的PCA故障检验方法,陀螺噪声会造成故障检测的困难.针对这种情况,提出了MEMS冗余惯组小幅值故障检测的PCA(Principal Component Analysis)算法设计和优化的方法,在以往PCA算法的基础上结合假设检验算法,考虑了陀螺噪声的影响,降低了MEMS陀螺噪声对故障检测的影响.通过仿真验证,证实了本文算法比以往PCA算法具有更高的检测准确性和灵敏度,这对于提高整个系统的可靠性具有重要意义.     

基于PCA聚类机场跑道利用率研究分析

机场跑道利用率低一直是制约机场运行效率的主要因素之一.为找出机场跑道利用率低的机场,首先运用数据挖掘的方式,结合国内外相关研究,找到一套适合机场跑道利用率的评价指标体系,利用主成分聚类分析方法,建立基于主成分聚类分析下机场跑道聚类结果;其次对聚类分析得到的相关图表加以说明,并揭示各大机场跑道利用状况的发展趋势并加以分析.结果表明:PCA聚类分析优于聚类分析,具有一定实用性.     

基于卡尔曼滤波和主元分析的发动机性能衰退

在给定测量参数基础上,通过非线性估计得到对应离散时刻的部件性能参数,利用数据插值方法扩充测量参数。利用主元分析方法对这些测量参数进行分解,提取反映性能衰退的成分,以此构造反映性能变化的统计量,假定该统计量服从,分布,对性能衰退情况做进一步分析,得到在10000时间点附近性能衰退最为严重,已超过阀值,与前面参数估计结果相符。用部件性能衰退分析方法对发动机性能状况监控,为及时采取维护措施提供了一定的指导作用。