|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 基于KPCA-HSMM设备退化状态识别与故障预测方法研究显示文摘为消除多通道观测信息冗余,压缩高维故障特征,提出基于KPCA多通道特征信息融合的HSMM设备退化状态识别与故障预测新方法。首先,对采集的单通道振动信号进行小波相关滤波处理,构造单通道振动信号的小波相关特征尺度熵向量,然后,利用KPCA方法对多通道的小波相关特征尺度熵向量进行冗余消除和特征融合,得到多通道的融合小波相关特征尺度熵向量,并以此向量作为HSMM的输入进行训练,建立基于HSMM的设备运行状态分类器与故障预测模型,从而实现设备退化状态识别与故障预测。将其应用到滚动轴承的退化状态识别与故障预测中,验证了该方法的有效性。 | 曾庆虎 邱静 刘冠军 谭晓栋 | 2009 | 仪器仪表学报2009，30，7： | 27 |
| 2 | 基于KPCA的城镇化水平综合评价显示文摘 | 朱甫芹 | 2004 | 统计与决策2004，20，1： | 20 |
| 3 | 基于KPCA和SVM的网络入侵检测显示文摘入侵检测系统是网络安全的重要组成部分,目前的入侵检测算法存在着先验知识少的情况下推广能力差的问题。本文提出了利用核主成分分析(KPCA)和支持向量机(SVM)相结合进行入侵检测的方法。与传统算法相比,本文的方法对网络异常连接有更高的检测率和更强的泛化能力。文章最后在KDDCUP数据集上进行的实验,证明了本文方法的适用性和高效性。 | 包潘晴 杨明福 | 2006 | 计算机应用与软件2006，23，2： | 19 |
| 4 | 基于KPCA的多变量时间序列数据异常检测方法研究显示文摘介绍了一种采用的KPCA技术获取多变量时间序列数据高维特征空间的主成方向矢量,使用主成方向矢量内积作为异常的度量,并采用vMF分布表征主成方向矢量分布来进行多变量时间序列数据异常检测的方法;检测过程中使用历史数据训练获取分布模型的参数估计,通过计算实际数据主成方向矢量在训练模型的概率来判断异常的发生;与传统的异常检测方法相比,该方法不依赖先验的专家知识,且能够通过训练学习自动调节模型参数,可用于不同系统的异常检测中;实验表明,该方法具有较高的有效性。 | 李权 周兴社 | 2011 | 计算机测量与控制2011，19，4： | 14 |
| 5 | 基于非线性特征提取和SVM的人脸识别算法显示文摘传统的PCA或LDA都是从像素的二阶依赖上考虑的,对于多像素之间的依赖性或像素的高阶关系不敏感。该文利用核函数方法提取像素高阶相关,并与线性SVM相结合来进行人脸识别。从Yale人脸库上的实验结果可以看出,非线性特征提取是很有效的,并且SVM分类器的性能优于最近邻分类器。 | 孙大瑞 吴乐南 | 2004 | 电子与信息学报2004，26，2： | 14 |
| 6 | 基于KPCA和近红外光谱的鉴别玉米单倍体方法研究显示文摘玉米的单倍体鉴别技术对玉米单倍体育种技术非常重要。近红外光谱分析技术以其操作简便,可在线分析监测,速度快,无损,测试成本低等特点在农业领域备受关注,应用广泛。实验首先通过美国JDSU公司的近红外光谱仪采集由国家玉米改良中心提供的玉米种子单倍体、多倍体的近红外光谱数据,然后对获得的原始数据做平滑(smoothing)、一阶导(first derivative,FD)和矢量归一化(vector normalization,VN)预处理以消除其噪声影响,再采用核函数为高斯核函数(Gaussian kernel function)的核主成分分析(kernel principal components analysis,KPCA)的方法将玉米种子的近红外光谱数据映射到高维空间中,并对映射后的数据做非线性特征提取,然后应用支持向量机(support vector machines,SVM)对提取的玉米种子单倍体、多倍体光谱数据的非线性特征建立分类模型,最后输入测试数据进行玉米单倍体、多倍体的分类鉴别测试,预测玉米种子是否是单倍体。设计了两组对比试验,其正确识别率的平均值分别达到95%和93.57%。在该实验中,基于KPCA的玉米单倍体识别算法的性能表现较好、识别率较高。通过两组对比实验,证明了玉米种子的近红外光谱数据更适于先将其映射于高维空间中进行特征提取,再对提取的特征进行建模、分类分析。该实验为玉米单倍体识别技术提供了新的思路和方法。 | 刘文杰 李卫军 李浩光 覃鸿 宁欣 | 2017 | 光谱学与光谱分析2017，37，7： | 12 |
| 7 | 采用KPCA和BP神经网络的单目车载红外图像深度估计显示文摘提出一种基于监督学习得到深度估计模型的单目车载红外图像深度估计方法。首先用核主成分分析法(KPCA)筛选红外图像特征。将最初提取的红外图像特征用核函数非线性映射到一个线性可分的高维特征空间,再完成主成分分析(PCA),得到降维后的红外图像特征。然后以BP神经网络为模型基础,对红外图像特征和深度值进行训练,训练后的深度估计模型可对单目车载红外图像的深度分布进行估计。实验结果证明,利用该模型估计的单目车载红外图像的深度信息与原红外图像的深度信息一致。 | 孙韶媛 李琳娜 赵海涛 | 2013 | 红外与激光工程2013，42，9： | 12 |
| 8 | Online Contribution Rate Based Fault Diagnosis for Nonlinear Industrial Pro cesses显示文摘在过去的十年,核主管部件分析(KPCA ) 在监视区域的数据驱动的过程相当流行地出现了。庞大的工作被做了显示出它的简洁,可行性,和有效性。然而,核诡计的介绍使直接为差错诊断采用传统的贡献阴谋不可能。在这份报纸,根据重游并且分析存在, KPCA 相关的诊断来临,新贡献率基于方法被建议它能清楚地解释有缺点的变量。而且,为联机非线性的诊断的一个计划被建立。最后,连续搅动的坦克反应堆(CSTR ) 上的案例研究基准被使用存取新方法论的有效性,在有传统的线性方法的比较也被包含的地方。 | PENG Kai-Xiang ZHANG Kai LI Gang | 2014 | 自动化学报2014，40，3： | 12 |
| 9 | 用核学习算法的意识任务特征提取与分类显示文摘介绍了核学习算法中核主分量分析 (KPCA)和支持向量机 (SVM)的基本原理 ,给出一种推广误差上界估计判据 ,实现了SVM核参数及惩罚因子的优化选取 .根据多变量自回归模型理论对 4个受试对象、三种不同意识任务的脑电信号进行特征提取 ,并利用KPCA方法进行降维预处理 ,对SVM进行训练和分类测试 .结果表明 ,KPCA算法在高维特征空间具有较强的特征选择能力 ,优化核参数的SVM的分类正确率明显高于径向基函数网络 ,三种意识任务的平均分类正确率达 78 6 % . | 薛建中 闫相国 郑崇勋 | 2004 | 电子学报2004，32，10： | 10 |
| 10 | Modeling and monitoring of nonlinear multi-mode processes based on similarity measure-KPCA显示文摘A new modeling and monitoring approach for multi-mode processes is proposed.The method of similarity measure(SM) and kernel principal component analysis(KPCA) are integrated to construct SM-KPCA monitoring scheme,where SM method serves as the separation of common subspace and specific subspace.Compared with the traditional methods,the main contributions of this work are:1) SM consisted of two measures of distance and angle to accommodate process characters.The different monitoring effect involves putting on the different weight,which would simplify the monitoring model structure and enhance its reliability and robustness.2) The proposed method can be used to find faults by the common space and judge which mode the fault belongs to by the specific subspace.Results of algorithm analysis and fault detection experiments indicate the validity and practicability of the presented method. | 王小刚 黄立伟 张颖伟 | 2017 | Journal of Central South University2017，24，3： | 9 |
| 11 | 基于KPCA-粒子群随机森林算法的舆情趋势预测研究显示文摘随着互联网时代社交媒体的飞速发展,热点事件不断进入公众视野,舆情分析成为公共管理部门面临的新挑战。针对该问题提出基于KPCA-粒子群随机森林算法用于舆情趋势预测研究。实验结果表明,该算法在预测精度上较BP神经网络算法有显著提高,可以为政府部门及时掌握、引导和控制网络舆情提供决策支持。 | 聂黎生 | 2019 | 现代电子技术2019，42，15： | 9 |
| 12 | 基于Cholesky分解的K2DPCA人脸识别研究显示文摘K2DPCA(kernel 2D principal component analysis)是基于非线性特征提取的重要人脸识别方法,具有成功的应用.但对大规模训练数据库,其因核矩阵K规模过大、计算代价高而不能有效实现.采用选主元Cholesky,分解方法,仅需计算核矩阵的对角线上元素和部分精选列,得到迹范数意义下核矩阵K的最优Nystr(o|¨)m型低秩近似LL^T来解决该问题.并只需计算小规模矩阵L^TL的特征值和特征向量,实现大规模K2DPCA/KPCA(kernel principal component anialysis)的非线性特征提取.在加噪ORL人脸数据库上的实验结果表明,较K2DPCA/KPCA方法,新方法显著提高了识别率,并可以很大程度上克服噪声的影响;在Extended YaleB大型人脸数据库上的实验结果表明,此算法解决了K2DPCA核矩阵过大而不能有效实现的缺点. | 周水生 郑颖 穆新亮 | 2016 | 系统工程理论与实践2016，36，2： | 9 |
| 13 | 基于EEMD-KPCA和KL散度的垮落煤岩识别显示文摘综放开采中关键工艺放煤自动化的实现,可以使放煤工人远离工作面,远程控制顶煤的放落,从而保障放煤工人的健康问题。而顶煤放落过程中垮落煤岩的实时有效识别是放煤自动化的理论基础。针对垮落煤岩识别的实时性和综放开采的效率问题,基于综放开采现场采集的垮落煤岩冲击液压支架后尾梁的振动信号,提出了一种基于EEMD-KPCA和KL(Kullback-Leibler)散度的垮落煤岩识别方法。该方法首先对振动信号进行集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)得到一组固有模态分量(Intrinsic Mode Functions,IMFs),分别计算各个IMF的能量,峭度和样本熵,构造表征垮落煤岩的特征向量;然后利用核主成分分析(Kernel Principal Component Analysis,KPCA)对特征向量进行降维,分别以各个IMF能量、IMF峭度、IMF样本熵构成的向量的KPCA低维特征来表征垮落煤岩;最后计算'未知样本'不同特征向量与垮落煤岩两类样本与之对应的特征向量的KL散度值,通过比较KL散度值来实现垮落煤岩的实时识别,并比较表征垮落煤岩不同特征向量的特征提取耗时和识别有效性。然后利用BP神经网络验证基于EEMD-KPCA的特征向量的有效性。实验结果表明:基于EEMD-KPCA和KL散度的识别方法可以实现垮落煤岩的实时识别,且大大降低了传统垮落煤岩识别方法对综放开采效率的影响;由EEMD分解后的各个IMF的能量和峭度构成的向量的KPCA低维特征最有效。 | 李一鸣 白龙 蒋周翔 高宏 黄小龙 刘相权 黄民 | 2020 | 煤炭学报2020，45，2： | 9 |
| 14 | Kernel ICA Feature Extraction for Anomaly Detection in Hyperspectral Imagery显示文摘 | ZHAO Chunhui WANG Yulei MEI Feng | 2012 | Chinese Journal of Electronics2012，21，2： | 8 |
| 15 | 基于PSO-KPCA-LVQ神经网络的雷达一维距离像识别显示文摘针对雷达目标一维距离像识别研究,将子空间法中的核主成分分析方法(KPCA)与LVQ神经网络相结合应用到雷达目标一维距离像识别中,提出了KPCA-LVQ算法,并取得了较好的识别效果。研究中发现,在使用核主成分分析时,存在核函数中未知参数难以确定的问题。针对此问题,深入分析核函数矩阵和核函数参数之间的关系发现,主成分的贡献率与核函数的参数之间存在着一定的对应关系。据此,确定了基于主成分贡献率的优化问题,并采用粒子群算法(PSO)进行优化求解,得到最优的核参数。实验分析结果表明,该方法克服了核主成分分析方法中依靠经验来确定未知参数的缺点,降低了计算量,提高了目标识别率。 | 郭小康 简涛 董云龙 | 2019 | 电光与控制2019，26，6： | 8 |
| 16 | 基于KPCA-SVM的公路客运量预测研究显示文摘支持向量机(Support Vector Machine,SVM)是建立在统计学习理论和结构风险最小化准则基础上的机器学习方法,该方法可以较好的解决以往很多学习方法的小样本、高维数、非线性和局部最小点等实际问题。本文利用支持向量机(SVM)回归理论和方法,建立基于核函数主成分支持向量机(Kernel Principal Component Analysis-Support Vector Machine,KP-CA-SVM)回归模型,并用2000-2008年杭州市公路客运量为样本进行了预测,结果表明,KPCA-SVM模型具有较高的预测精度和可靠性,是一种有效的公路客运量预测方法。 | 胡彦蓉 吴冲 刘洪久 | 2012 | 技术经济与管理研究2012，，1： | 8 |
| 17 | 基于KPCA-SVM的断路器故障稳健诊断方法显示文摘高压断路器是电力系统中重要的一次设备,其故障诊断是实现状态检修的前提。在实际应用中,诊断模型的准确度会受到数据干扰而产生误判,严重影响检修效果。为提高诊断模型的鲁棒性,本文从采样数据角度对故障诊断进行了研究,提出了基于KPCA-SVM的断路器故障稳健诊断方法。利用核主元分析分离正常数据样本空间与故障数据样本空间,加大了训练样本间的差异度;再以支持向量机建立故障诊断模型对断路器主要故障进行诊断,极大提升了诊断模型的抗干扰性能,实验证明取得了较好的效果。 | 梅飞 梅军 郑建勇 朱克东 | 2014 | 电工技术学报2014，29，S1： | 8 |
| 18 | LIF技术与ELM算法的电力变压器故障诊断研究显示文摘电力变压器油的检测分析是电力变压器故障诊断的有效方法,快速识别电力变压器油的油样对电力变压器故障诊断工作有重大意义。常规的电力变压器油的检测技术主要是气相色谱法,此方法操作比较复杂,且不适合在线检测,不能及时发现变压器的故障隐患。提出一种激光诱导荧光光谱(LIF)技术与极限学习机(ELM)算法的电力变压器故障诊断研究的方法。实验采集四种油样,分别为热性故障油、电性故障油、局部受潮油以及原油。使用激光发生器激发油样而发射荧光,获取不同油样光谱数据,采用MSC、SNV预处理算法对光谱数据进行处理,防止噪声等因素干扰。随后,利用KPCA和PCA降维,主成分个数皆取5,KPCA处理后显示MSC预处理的累计贡献率最高,为99%,经MSC预处理的PCA模型累计贡献率依然达到95%以上,Original-KPCA与Original-PCA模型的累计贡献率均达到65%以下,可以发现,采用预处理的模型,累计贡献率均有上升。最后,分别对两种降维后的数据利用ELM进行回归拟合。实验表明,KPCA、PCA两种降维方式,KPCA算法表现性能较好,处理数据时间更短,提高了模型的可靠性和效率。同KPCA降维方式下,MSC-ELM模型的拟合优度R^(2)为0.99941,均方误差MSE为0.074%;SNV-ELM拟合优度R^(2)为0.99908,均方误差MSE为0.129%;Original-ELM拟合优度R^(2)为0.99695,均方误差MSE为0.399%;对比可以发现MSC比SNV处理后的效果更好,MSC-KPCA-ELM模型表现效果最佳,预测值与真实值更为接近,均方根误差最小。结果证明,MSC-KPCA-ELM模型结合激光诱导荧光光谱技术更加适用于对电力变压器是否发生故障的快速诊断,精确判断为哪种故障类型,保障电力设备的运行安全。 | 闫鹏程 张超银 孙全胜 尚松行 尹妮妮 张孝飞 | 2022 | 光谱学与光谱分析2022，42，5： | 8 |
| 19 | 基于KPCA-GWO-SVM的埋地管道土壤腐蚀速率预测显示文摘为提高埋地管道土壤腐蚀速率的预测精度,对土壤腐蚀的影响因素进行了梳理和分析。通过核主成分分析法(Kernel Principle Component Analysis,KPCA)对影响因素进行了数据降维,随后对支持向量机(Support Vector Machine,SVM)关键参数进行了寻优,并将GWO-SVM、GASVM、PSO-SVM及FOA-SVM共4种模型进行了对比。结果表明:KPCA模型可有效降低预测模型的维度,其中土壤电阻率、氧化还原电位、含盐量、Cl^(-)质量分数及含水量5种因素对腐蚀影响较大;GWO-SVM的平均绝对误差和均方根误差最小,分别为1.90%、0.098909,且训练时间在4种模型中用时最少,仅为2.55 s。可见,KPCA-GWO-SVM模型更适合对埋地管道土壤腐蚀速率进行预测,研究结果可为管道完整性管理提供理论依据和实际参考。 | 梁昌晶 谢波 刘延庆 刘志娟 郭自强 任春燕 陈琼陶 刘钇池 | 2021 | 油气储运2021，40，8： | 8 |
| 20 | 基于SVM和KPCA的滚动轴承故障诊断显示文摘从时域角度分析了滚动轴承的振动信号,综合利用SVM和KPCA方法来实现对滚动轴承的故障诊断研究。首先对滚动轴承的原始信号从时域角度分析提取典型特征,再利用KPCA方法对输入的典型特征降维,最后采用SVM算法对降维后的数据进行故障诊断。实验证明:该方法在保证较高的故障识别能力的前提下,不仅能够有效地提取损伤特征、降低数据维数,而且实现了数据可视化。 | 宋丹丹 魏域琴 范启富 | 2019 | 化工自动化及仪表2019，46，12： | 7 |
您所在的机构暂未开通此部分的功能，请联系管理员