检索结果-内蒙古大学图书馆

作者：张妙华中农业大学

学位级别：硕士

主成分分析(PCA)是一个已经成熟并广泛应用的数据处理和降维的工具，旨在保留变量最大信息量的情况下，寻求原始变量的线性组合。但是，主成分分析也存在着一些不足。首先，主成分分析中的任意主成分都是其所有变量的一个线性组合，使... 详细信息

主成分分析(PCA)是一个已经成熟并广泛应用的数据处理和降维的工具，旨在保留变量最大信息量的情况下，寻求原始变量的线性组合。但是，主成分分析也存在着一些不足。首先，主成分分析中的任意主成分都是其所有变量的一个线性组合，使得主成分分析法在主成分的解释上存在困难。其次，主成分分析主要用于线性数据的处理，而在非线性数据的处理上效果则不太理想，但是在实际的应用背景中，大部分的数据是呈现非线性分布的。为了解决上述问题，目前已经提出了核主成分分析(KPCA)用于处理非线性数据;提出了稀疏主成分分析(SPCA)，主要用于进行主成分的稀疏化，得到便于解释的主成分表达;还提出了二者的结合，即基于L1惩罚项的稀疏核主成分分析(L1-SKPCA)，用于同时实现非线性处理和稀疏性。然而基于1L罚的优化问题可能存在数据之间的冗余难以去除的问题，并且1TL惩罚项(Transformedlasso)的压缩能力在相同的压缩参数下要强于L1惩罚项，故本文提出了基于TL1惩罚项的稀疏核主成分分析(TL1-SKPCA)来对其进行改进。　　1TL-SKPCA的直接思考是将原方法中L1罚替换为TL1罚。该方法通过对原始变量进行非线性转换，将其投影至高维特征空间中，然后在新空间中对其进行稀疏主成分分析。但是由于投影函数无法显式获得，所以无法对数据的协方差矩阵进行分解，从而考虑将其转换成对核矩阵的分解。随后，再将核矩阵的特征分解转化成为回归系数求解模型，在该模型中加入1TL惩罚项进行系数压缩，由此得到了1TL-SKPCA的数学模型。最后利用阈值迭代法求得稀疏主成分，使得样本点在特征空间的新坐标得到了稀疏。这样，TL1-SKPCA同时实现了变量的稀疏性和非线性处理，同时由于TL1罚是介于L0罚和L1罚之间的一种惩罚项，故其压缩力度更强，更能删除存在于数据中的不必要信息。　　为了验证该方法的有效性，本文将其应用于定量构效关系(QSAR)问题的研究中，并将其与KPCA、L1-SKPCA的分析结果进行对比。首先，通过对环氧化酶-2抑制剂数据集COX-2分析可以发现，TL1-SKPCA在QSAR的应用中效果更加理想。将1TL-SKPCA的实验结果与KPCA相比，TL1-SKPCA能够在较大稀疏化的情况下，保留82.397%有效信息量，仅比保留相同个数主成分的KPCA少6%左右的信息。同时与L1-SKPCA结果相比得到，在相同的稀疏程度下，TL1-SKPCA能够保留比L1-SKPCA多12%左右的信息量。其次，将该方法应用于二氢叶酸还原酶抑制剂的分析中发现，KPCA累计方差为76.48%，同时TL1-SKPCA的方差贡献率为70.45%，相对减少了6%左右，但是后者在每一主成分上实现了接近60%的稀疏性，由此可以看出，TL1-SKPCA在达到稀疏效果的同时也保留了较多的信息。然而L1-SKPCA只保留了48.23%的信息，比TL1-SKPCA少了接近22%，相差较大，由此得出其在相同稀疏度的情况下，L1-SKPCA拥有的信息量少于TL1-SKPCA。因此从上述结论可以看出，TL1-SKPCA是行之有效的。　　基于以上分析，本文所提出的TL1-SKPCA能合理的应用于QSAR问题中，能够用于该领域中的数据压缩和提取，帮助后续关于化合物性质的进一步评价。同时也能减少实际中对化合物性质检测实验的时间和金钱投入，促进药物研究、计量化学等领域的进一步发展。

关键词：稀疏核主成分分析 TL1惩罚项定量构效关系数学模型

来源：评论

学校读者我要写书评

暂无评论

基于稀疏核主成分分析的语音情感识别研究

引用

信息化研究 2014年第1期40卷 36-39页

作者：王晓兰王蓓顾为一东南大学学习科学研究中心南京210096

为提升语音情感识别的能力,本研究提出一种基于稀疏核主成分分析(Sparse Kernel Principal Component Analysis,SKPCA)的方法。该方法结合核主成分分析以及稀疏表示的方法,能够同时满足特征降维和样本稀疏,起到降维和降噪的作用。本研... 详细信息

为提升语音情感识别的能力,本研究提出一种基于稀疏核主成分分析(Sparse Kernel Principal Component Analysis,SKPCA)的方法。该方法结合核主成分分析以及稀疏表示的方法,能够同时满足特征降维和样本稀疏,起到降维和降噪的作用。本研究首先利用openSMILE工具包提取情感语音样本的声学特征及其统计特征用于情感识别,然后介绍SKPCA的算法原理及推导过程,最后使用多种分类器在柏林库做了大量的实验,实验结果表明,使用SKPCA方法可取得较好的识别结果。

关键词：语音情感情感识别特征降维稀疏核主成分分析

来源：评论

学校读者我要写书评

暂无评论

稀疏主成分分析算法研究

稀疏主成分分析算法研究

引用

作者：尹金娣西安电子科技大学

学位级别：硕士

现在,全球已进入互联网时代,在各个领域都能收集到丰富多样的数据信息。通过对这些数据信息的处理,可以更加丰富、具体的描述客观对象,帮助人们找到事物的本质规律,以致做出正确的判断与措施来提高社会资源利用率。但在实际问题应用中,... 详细信息

现在,全球已进入互联网时代,在各个领域都能收集到丰富多样的数据信息。通过对这些数据信息的处理,可以更加丰富、具体的描述客观对象,帮助人们找到事物的本质规律,以致做出正确的判断与措施来提高社会资源利用率。但在实际问题应用中,这些海量的高维数据之间往往存在大量冗余。因此,如何对这些数据进行处理,找到数据之间的内在联系,已成为人们日益关注的问题。传统的主成分分析方法是很受欢迎的处理高维数据的降维工具,但其提取的主成分的元素大都是非零的,这就很难去解释主成分对应的具体特征是什么。稀疏主成分分析是在主成分分析的基础上得到的提取稀疏主成分的算法。但稀疏主成分分析是线性分类工具,不能处理非线性数据,故本文将其与核函数结合得到了稀疏核主成分分析方法。文章主要分以下三个方面叙述。1.介绍了一些相关的范数定义,主成分分析（PCA）,核主成分分析（KPCA）,交替方向法（ADM）,矩阵收缩法。此外,本文还总结了稀疏主成分分析算法的七种优化模型。2.稀疏主成分分析（SPCA）的目的是提取一些原始数据变量的线性组合并且这些组合在稀疏的同时尽可能多地保留原来的信息。本文考虑了测量方差的2L和L1范数,诱导稀疏的L0和L1范数,以及约束和惩罚两种用途得到新的两种SPCA最优模型。然后将这两种模型与交替方向法结合得到了新的稀疏主成分分析方法。并在人工数据和真实数据上做了实验,最终证明了算法的有效性。3.由于生活中的数据大都是非线性的,因此本文根据主成分分析向核主成分分析推广的思想,将稀疏主成分分析与核函数结合,得到了稀疏核主成分分析算法（SKPCA）。在实验部分,本文分别使用了30个省市的农民家庭消费状况数据和二维人工生成样本数据来进行实验仿真。实验证明,这种方法可以有效的提取非线性数据的稀疏主成分。

关键词：数据降维主成分分析核函数稀疏主成分分析稀疏核主成分分析

来源：评论

学校读者我要写书评

暂无评论

面向阶段任务的携行器材品种确定方法

引用

系统工程与电子技术 2024年第6期46卷 2054-2064页

作者：吴巍屹贾云献姜相争史宪铭刘洁刘彬董恩志朱曦陆军工程大学石家庄校区装备指挥与管理系河北石家庄050003

维修器材是有效实施维修保障的物质基础,携行器材品种确定是开展维修器材携行决策的关键。针对执行阶段任务武器装备维修器材品种多、影响因素复杂且关联关系不明确造成的携行器材品种确定困难的现实问题,提出了一种将改进稀疏核主成分... 详细信息

维修器材是有效实施维修保障的物质基础,携行器材品种确定是开展维修器材携行决策的关键。针对执行阶段任务武器装备维修器材品种多、影响因素复杂且关联关系不明确造成的携行器材品种确定困难的现实问题,提出了一种将改进稀疏核主成分分析(sparse kernel principal component analysis,SKPCA)算法与长短时记忆(long short-term memory,LSTM)神经网络模型相结合的阶段任务携行器材品种确定方法。在分析与任务阶段时序相关的携行器材影响因素及特征指标的基础上,运用基于弹性惩罚的SKPCA降维算法,对器材特征进行降维分析并得到低维稀疏特征向量,通过缩减数据容量增强特征指标的可解释性;运用混沌序列改进花授粉算法(flower pollination algorithm,FPA)优化LSTM超参数,构建混沌FPA-LSTM预测模型,精准进行携行器材品种确定。通过对演习携行器材品种确定算例分析验证了所提方法的科学性和可行性。

关键词：携行器材阶段任务稀疏核主成分分析影响因素分析花授粉算法长短时记忆神经网络

来源：评论

学校读者我要写书评

暂无评论

基于气象数据降维与混合深度学习的短期电力负荷预测

引用

电力建设 2024年第1期45卷 13-21页

作者：申洪涛李飞史轮孙胜博杨振宁杨挺国网河北省电力有限公司营销服务中心石家庄市050035 天津大学电气自动化与信息工程学院天津市300072

精确的短期负荷预测能通过预知所需用电负荷来指导电网的调度运行。但电力负荷不仅与用户用电习惯相关,还容易受到温度、湿度等气象因素的影响。因此,文章在现有的使用负荷历史数据基础上,增加了影响区域型电力负荷的气象数据,并考虑高... 详细信息

精确的短期负荷预测能通过预知所需用电负荷来指导电网的调度运行。但电力负荷不仅与用户用电习惯相关,还容易受到温度、湿度等气象因素的影响。因此,文章在现有的使用负荷历史数据基础上,增加了影响区域型电力负荷的气象数据,并考虑高维气象参量数据对预测算法的过拟合问题,提出了基于稀疏核主成分分析(sparse kernel principal component analysis,SKPCA)的高维气象数据降维方法。进而以历史负荷功率和SKPCA重构后主成分为输入,构建了基于卷积神经网络(convolutional neural network,CNN)和长短时记忆(long-short-term memory,LSTM)神经网络的混合深度学习预测模型。CNN-LSTM模型可以同时提取负荷功率及气象数据的空间和时间相关特征,从而全面利用数据的时-空相关性特征,提升负荷功率的短期预测精度。相比于常见的数据降维和负荷预测方法,文章所提方法的数据维度降低了71.43%,预测精度达到了98.92%。结果表明,所提算法融合通过SKPCA降维后的气象数据能够显著提升区域型电力短期负荷预测准确度。

关键词：电力负荷预测高维气象数据稀疏核主成分分析卷积神经网络长短时记忆神经网络

来源：评论

学校读者我要写书评

暂无评论

基于SKPCA与NEAT算法的煤与瓦斯突出危险性预测

引用

安全与环境学报 2021年第4期21卷 1427-1433页

作者：徐耀松程业伟辽宁工程技术大学电气与控制工程学院辽宁葫芦岛125105

针对煤与瓦斯突出预测精度不足的问题,为了减少突出灾害的危害,提出了基于稀疏核主成分分析法(SKPCA)与增强拓扑神经进化算法(NEAT)的煤与瓦斯突出危险性预测方法。通过核主成分分析法对突出非线性数据进行降维,然后对主成分数据进行稀... 详细信息

针对煤与瓦斯突出预测精度不足的问题,为了减少突出灾害的危害,提出了基于稀疏核主成分分析法(SKPCA)与增强拓扑神经进化算法(NEAT)的煤与瓦斯突出危险性预测方法。通过核主成分分析法对突出非线性数据进行降维,然后对主成分数据进行稀疏化,减少原始数据中不重要元素对降维后主成分的影响。搭建增强拓扑神经进化网络(NEAT)预测模型,采用进化算法同时优化神经网络的权值和拓扑结构,得到最佳神经网络预测模型。将处理后的主成分数据输入模型预测突出危险指数,结果表明,该方法危险等级预测准确度达到98%,SKPCA-NEAT模型在煤与瓦斯突出预测上相比PCA和BP神经网络具有优势。

关键词：安全工程煤突出瓦斯突出稀疏核主成分分析 NEAT算法

来源：评论

学校读者我要写书评

暂无评论

基于语音信号的情感识别研究

基于语音信号的情感识别研究

引用

作者：顾为一东南大学

学位级别：硕士

语音情感识别是社会信号处理研究的重要内容，其目的就是研究如何使计算机能通过人的语音来判断人的情感。该研究涉及两个重要步骤：如何抓住语音中的情感特征和如何对特征进行良好的情感识别。本文将针对语音信号的情感特征提取和分类... 详细信息

语音情感识别是社会信号处理研究的重要内容，其目的就是研究如何使计算机能通过人的语音来判断人的情感。该研究涉及两个重要步骤：如何抓住语音中的情感特征和如何对特征进行良好的情感识别。本文将针对语音信号的情感特征提取和分类问题开展研究。\n 在提取语音的情感特征方面，传统研究主要集中在韵律特征、全局统计特征和时域特征上，而本文使用的情感特征包括基音、共振峰、语速、能量、mfcc、E250等，覆盖了韵律特征和音质特征，全局统计特征和短时时序特征，时域特征和频域特征，从而使特征中包含较全面的情感鉴别信息。\n 在语音信号的情感识别方面，应用了偏最小二乘回归分析，考虑到偏最小二乘回归作为线性分类器的局限性，本文又采用了核偏最小二乘回归方法，将可能呈非线性分布的原始数据映射到核空间使之呈线性分布，然后再进行偏最小二乘回归。不过向高维特征空间的投影带来了新的问题，高维特征数据往往包含较多的冗余和相关信息，考虑在后续处理前先对它进行降维去相关，由此引入核主成分分析偏最小二乘回归。又因为样本数据通常包含噪声，得到的回归模型往往不精确，且样本容量越小这种不精确越明显，为了解决这个问题，本文在核主成分分析偏最小二乘回归的基础上又进一步提出稀疏核主成分分析偏最小二乘回归，在求解KPCA的特征方程时，通过附加惩罚项来使样本系数收缩稀疏，从而实现样本选择的功能。\n 在对全局统计特征的实验里，本文对比研究了k近邻、高斯混合模型和偏最小二乘回归、核偏最小二乘回归、核主成分分析偏最小二乘回归、稀疏核主成分分析偏最小二乘回归等语音情感识别方法。在对短时时序特征的实验里，本文采用了传统的隐马尔可夫模型进行分类研究，并与基于全局统计特征的实验结果作了比较分析。\n 本文基于matlab平台，针对柏林的公开语音情感库EMO-DB，独立完成了对整个语音情感识别系统从前端数据处理、特征提取到后期情感识别的整个流程研究。

关键词：语音信号语音情感识别偏最小二乘回归核方法稀疏核主成分分析隐马尔可夫模型

来源：评论

学校读者我要写书评

暂无评论

说话人识别算法研究

说话人识别算法研究

引用

作者：张勇兰州理工大学

学位级别：硕士

说话人识别作为生物特征认证技术的一种,和传统的认证方式相比,具有使用方便、安全性高、不易被遗忘等优点,在电话金融交易、军事侦察和信息检索等领域有着广泛的应用前景。说话人识别技术研究虽然取得了一定的研究成果,但是由于说话人... 详细信息

说话人识别作为生物特征认证技术的一种,和传统的认证方式相比,具有使用方便、安全性高、不易被遗忘等优点,在电话金融交易、军事侦察和信息检索等领域有着广泛的应用前景。说话人识别技术研究虽然取得了一定的研究成果,但是由于说话人的特征大样本问题以及实际环境的复杂性,离真正的实际应用还有一段距离。因此,如何提高说话人识别的实用性,已经成为人们迫切需要解决的问题。本文着重研究了在不影响识别率的情况下,如何提高训练速度和识别速度,满足说话人识别的实时性要求,并以此为中心对相关问题进行了深入的探讨,研究内容主要包括两个方面: (1)针对SVM在说话人识别中的大样本训练问题,提出了一种基于改进PSO-SVM的说话人识别算法。改进后的粒子群优化算法计算量小,实现容易,具有较强的全局搜索能力,识别时用改进后的PSO对SVM的样本进行寻优,减少了寻优过程的计算量,节省了寻优时间。实验结果证实了在不影响识别率的前提下,该方法与其它传统方法相比具有更快的识别速度。 (2)为了提高说话人识别的速度,提出了一种基于核K-均值聚类的稀疏KPCA的说话人识别算法。通过核K-均值聚类的方法对语音帧进行聚类,由于聚类的中心能够很好的代表类内的特征,用中心样本帧取代该类,减少了核矩阵的维数,然后再采用稀疏KPCA方法对核矩阵进行特征提取。该方法能够减少存储空间和计算的复杂度,提高了说话人识别的速度,满足了说话人识别的实用性要求。

关键词：说话人识别粒子群优化算法支持向量机稀疏核主成分分析核K-均值聚类

来源：评论

学校读者我要写书评

暂无评论

海天背景下的红外小目标检测与跟踪

引用

西安邮电大学学报 2018年第6期23卷 56-62页

作者：廖延娜胡雪敏吴成茂西安邮电大学理学院陕西西安710121 西安邮电大学电子工程学院陕西西安710121

为了提高海天背景下核主成分分析算法检测红外小目标的识别速度,提出一种卡尔曼滤波结合稀疏核主成分分析的红外小目标跟踪与检测的方法。首先,使用卡尔曼滤波器预测当前帧目标在下一帧中的估计位置,其次,根据预测误差协方差矩阵确定目... 详细信息

为了提高海天背景下核主成分分析算法检测红外小目标的识别速度,提出一种卡尔曼滤波结合稀疏核主成分分析的红外小目标跟踪与检测的方法。首先,使用卡尔曼滤波器预测当前帧目标在下一帧中的估计位置,其次,根据预测误差协方差矩阵确定目标可能出现的范围;最后,在该范围内使用稀疏核主成分分析算法进行检测,得到目标位置。在海天背景下的红外图像序列上进行测试,实验结果表明,提出的方法与核主成分分析算法在60帧海天背景的红外图像上的平均检测时间分别是10.12s和310.51s。证明所提方法在保证检测精度的前提下提高了识别速度。

关键词：稀疏核主成分分析卡尔曼滤波红外小目标

来源：评论

学校读者我要写书评

暂无评论

KPCA-GPR模型在常压塔塔顶汽油干点预测中的应用

引用

辽宁石油化工大学学报 2022年第6期42卷 73-77页

作者：郭丽莹郎宪明辽宁石油化工大学信息与控制工程学院辽宁抚顺113001

由于常减压蒸馏过程的复杂多变性,过程变量耦合严重,直接建模会增加问题分析的难度。为了提高模型性能,首先采用核主元分析(KPCA)算法对模型的变量进行选择,再将经过处理的数据作为高斯过程回归(GPR)模型的输入,采用KPCA-GPR模型建立常... 详细信息

由于常减压蒸馏过程的复杂多变性,过程变量耦合严重,直接建模会增加问题分析的难度。为了提高模型性能,首先采用核主元分析(KPCA)算法对模型的变量进行选择,再将经过处理的数据作为高斯过程回归(GPR)模型的输入,采用KPCA-GPR模型建立常压塔塔顶汽油干点的估计模型。该方法可解决不同变量之间的非线性相关性,并且具有灵活的非参数推广及超参数自适应调节等优点,通过计算经验置信区间,不仅可以对汽油干点进行预测估计,还可以做概率解释。仿真结果表明,KPCA-GPR模型取得了较好的估计结果。

关键词：软测量核主成分分析稀疏核主成分分析最小二乘支持向量机汽油干点

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：