简介:摘要:特征提取是对原始数据关键特征的表达,能凸显原始数据的主要信息,避免和非主要信息产生“等价”变换,而弱化了主要信息价值。对于时间序列的电池组数据,设计基于注意力机制的时间序列特征提取算法,从而快速地对采集的数据进行有效降维与压缩。
简介:特征提取是合成孔径雷达目标识别关键技术与核心任务。为了更好地提取目标特征,稀疏约束将被添加在非负矩阵分解法中,并应用于图像目标特征提取,通过利用稀疏约束的非负矩阵分解方法对sAR目标图像进行分解,构建具有稀疏性的目标特征矢量,提高了特征矢量的类内相似性与类间差异性。利用基于支持向量机的分类方法对MSTAR数据进行目标识别试验,试验结果表明,添加稀疏约束的NMF方法与PCA、ICA以及一般NMF特征提取方法相比,能够显著提高目标识别的稳定性和准确率。
简介:摘要爆震是制约汽油机小型化和热效率提高的重要因素。准确的爆震始点检测和强度评估,是保证汽油机临界爆震燃烧从而改善其动力性和经济性的前提。本文对相应的提取爆震特征的方法,如时域频域分析法,短时傅立叶变换、维格纳-瑞利分布及小波变换等分析方法进行了研究。根据已有的实验结果表明,时域分析法和频域分析法在爆震特征提取上都有一定的局限性,而时频分析法的应用可靠性及应用范围则相对优于前两者。同时时频分析法在一定程度上还具有各自的特点,如STFT和WVD直接提取爆震特征效果差,但能够有效地从滤波后的信号中提取爆震特征。而离散小波变换则具有明显的优势,能够直接从压力信号和振动信号中有效地提取爆震特征。
简介:从大量的地震属性中提取最能反映地质特征的综合属性是储层预测技术的关键,通常选用降维方法来优选属性。目前应用最为广泛的线性降维方法。但是,由于地震属性与地质特征的关系通常是非线性的,基于线性变换的地震属性降维优化方法不能充分地反映这种非线性关系,降低了储层预测的精度。流形学习是一种新的非线性学习方法,它是通过保持数据局部结构的方式将高维数据投影到低维空间,挖掘和发现隐藏在数据中的内在特征与规律性,开拓了地震属性降维优化研究的新领域。本文首次实现了3D地震数据的层问属性特征提取,讨论了LLE方法及其关键技术,并以奥陶系礁滩相储层实例说明LLE和PCA两种方法降维及聚类的不同效果。理论模型分析和实例应用表明:LLE较好地保持了数据本身的原始结构;提取的综合属性和聚类相图较好地刻画了沉积相带、储层和流体的特征。这说明流形学习具有更好的特征提取性能。
简介:摘 要:通常我们所了解的人脸识别算法是指将人的五官特征或者局部特征经过图像处理,上传到系统后端,再和数据库的人脸照片进行比对,最终识别出所需要的类别。人脸识别算法比较广泛应用于监控、公安系统、考试系统、门禁检查、身份识别等领域,而基于特征提取的人脸识别算法是人脸识别系统中的关键部分,接下来我们将通过本文了解一下关于人脸识别算法的特征提取需要注意的事项。