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。     

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。     

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。     

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.     

基于深度置信网络的直升机飞行动作识别

针对直升机飞行参数进行飞行动作识别问题,利用直升机实际飞行、操纵、飞行动作和动力学模型分析将 300 多个飞行参数降维为 112个特征参数:利用主成分分析提取参数相关度、利用线性判别分析进行特征提取,实现 PCA 和 LDA 双降维,进一步构建深度置信网络。与支持向量机和随机森林对比,经实际应用验证,该算法能有效实现飞行动作识别准确率,具有较强的实用性和机型之间迁移性。     

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。     

利用图像相关等级的目标判别方法及其应用

提出一种根据PCA重构图像与原目标相关等级进行的目标识别方法,解决伪目标参与识别影响识别准确度的问题。首先建立目标模板库特征空间,将定位到的目标对象映入特征空间,利用PCA变换进行图像重构,定义降维重构图像与原目标之间的相关度函数,根据该函数判别图像等级;若原目标与其重构图像相似度很低,认定原目标为伪目标,将其剔除,不进入识别过程;若认定为真实目标后,根据相似性程度,分别选用降维重构图像或原图像作为识别对象,利用Hu不变矩距离分类器进行识别。该方法可有效剔除伪目标,并根据图像质量选用识别目标,提高了目标识别准确度,交通卡口获取的实测车辆图像车标识别试验验证了该方法的鲁棒性和有效性。     

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.