论文研究-基于PCA-SOM的混合协同过滤模型.pdf

论文研究-基于PCA-SOM的混合协同过滤模型.pdf,  针对推荐系统中协同过滤技术面临的数据稀疏性和推荐实时性难以保证的问题,提出一种基于主成分分析(Principle component analysis)和SOM (Self-organizing map)聚类的混合协同过滤模型.首先对原始评分数据进行全局降维,并在转换后的主成分空间上进行用户聚类,缩小了目标用户的最近邻搜索空间,减少了在线计算时间复杂度,最后对真实的电子政务门户网站Log日志数据进行了几种常用的推荐算法的比较,实验结果证明新的推荐模型具有较好的预测精度.

论文研究-基于PCA的哈希图像检索算法.pdf

为了解决传统图像检索算法低效和耗时的缺点，提出一种基于PCA哈希的图像检索算法。通过结合PCA与流形学习将原始高维数据降维；然后通过最小方差旋转得到哈希函数和二值化阈值，进而将原始数据矩阵转换为哈希编码矩阵；最后通过计算样本间汉明距离得到样本相似性。在三个公开数据集上的实验结果表明，提出的哈希算法在多个评价指标下均优于现有算法。

论文研究-基于PCA算法的人脸识别.pdf

继电器产品的优化设计是在给定的负载条件或环境条件下，在对继电器产品的性态、几何尺寸关系或其他因素限制约束范围内，确定设计参数、目标函数、约束条件以形成优化设计模型，并选择恰当的优化方法以获得最佳设计方案的一系列工作。继电器的体积数学模型涉及到机、电、磁、热等方面，其目标函数和约束函数均是高度非线性的。传统演化算法求解问题时容易陷入局部极小值。在简单演化算法的基础上，结合正交实验法的基本思想，将其应用于演化算法的种群初始化、交叉算子，并引入自适应正交局部搜索来防止局部收敛，得到了一种新型的正交演化算法。通过一系列数值实验验证了该算法的高效性。

论文研究-基于SVR和PCA的超分辨率图像恢复算法应用研究.pdf

利用单幅低分辨率图像重构超分辨率图像的算法中, 通常基于样本库进行图像重构, 而这类算法效率较低。提出了一种利用SVR和PCA进行特征压缩的图像重构算法, 其基本思路是将训练图像分解成若干个基本小块作为样本库; 然后利用PCA对低分辨率图像基本小块进行降维处理, 并将得到的主成分系数作为特征加以训练, 在识别和重构过程中, 将待恢复图像进行回归分析, 找到相应的超分辨率图像块, 然后进行重构。实验结果表明, 本文方法较其他算法有更优的恢复结果, 并能同时保证较好的实时处理特性, 很好地逼近了原始的真实图像。

论文研究-基于PCA和自适应区域方差的图像融合方法.pdf

在对源图像进行提升小波变换的基础上，针对分解得到的低频分量和高频分量各自的特点，选取不同的融合规则，采用基于PCA和自适应区域方差的图像融合方法，即低频近似系数采用基于主元分析(PCA)加权法，高频细节系数采用自适应局部区域方差的融合方法，最后进行提升小波逆变换得到融合图像。实验结果表明，与传统算法相比，该算法不仅提高了信息量和清晰度，而且提高了融合图像与源图像的相关系数，降低了扭曲程度，有效地保留了源图像的细节信息，得到了清晰的融合图像，具有良好的目视效果。

论文研究-带PCA卷积的稀疏表示图像分类算法.pdf

针对不同卷积核可以提取不同的图像特征，而卷积核的训练比较困难这一问题，提出一种带主成分分析（PCA）卷积的稀疏表示分类算法。先对训练样本集做分片去均值化处理，然后直接应用PCA算法提取所有分片的前K个特征向量作为卷积核，再用这些卷积核对原始图像进行卷积操作；并提出一种自动加权策略，对卷积处理后得到的K个特征图像进行加权叠加操作；最后对特征图像进行分块直方图统计稀疏化，并应用稀疏表示分类算法进行分类。在公共人脸数据集AR、CMU Multi-PIE、ORL以及数字手写体数据集MNIST上与常用分类算法进行对比实验，实验结果表明，带PCA卷积的稀疏表示分类算法具有更高的分类准确率。

论文研究-基于PCA空间的自适应相似近邻保持投影算法.pdf

非相度保持投影算法是一种有效的特征提取算法，该算法无须参数设置且识别性能稳定，但算法的运算量大，并且存在着小样本问题，因此提出了一种基于PCA空间的自适应相似近邻保持投影算法。该算法为了减少权值的计算量，提出直接利用PCA处理过的样本进行近邻计算，以归一化的样本平方欧氏距离来构造相似权值；而为了解决小样本问题提出了最大化差异形式的目标函数，从而有效地解决了小样本问题，同时也提高了算法的识别精度。最后人脸库上的实验结果表明所提算法的有效性。

论文研究-基于PCA和NSCT的多光谱图像和全色图像的融合.pdf

H.264视频编码标准采用了很多新技术，具有更优越的编码效率，同时也增加了计算复杂度，无法满足实时应用。由于单指令多数据扩展指令集2（SSE2）的并行运算能力可以提高计算机对多媒体数据的实时处理。文中主要采用了SSE2对H.264中的一些耗时较多的关键模块，例如整数像素运动估计中计算SAD、整数DCT变换、量化、Hadamard变换以及亚像素运动估计中计算SATD进行了指令级优化。实验结果表明，经过优化后，在保持视频图像质量的前提下，相应模块运行速度得到了提高，使H.264编码器整体的编码速度较好地满足实时要求。

论文研究-基于PCA的拉普拉斯金字塔变换融合算法研究.pdf

阐述了基于主元分析的拉普拉斯金字塔图像融合的原理和方法：对原图像分别进行拉普拉斯金字塔分解，分别对高频部分采用主元分析（PCA）法融合，对低频部分采用平均梯度法进行融合，对拉普拉斯金字塔做反变换得到最终的融合图像。通过对可见光与红外图像的融合，以及对不同焦距图像融合的结果分析，该算法比单纯的PCA和拉普拉斯图像融合能得到具有更多有用信息的高对比度的融合图像。

论文研究-基于PCA初始化卷积核的CNN手写数字识别算法.pdf

针对卷积神经网络对手写数字识别训练在卷积核随机初始化情况下收敛速度慢和识别率低的问题，提出一种主成分分析（PCA）初始化卷积核的卷积神经网络（CNN）手写数字识别算法。算法首先选取训练样本集并将其送入CNN，在相应层对Feature Map进行全覆盖取图像块处理，然后进行分层PCA学习，将学习到的特征向量做为对应卷积层的卷积核参数进行初始化，最后再用这些卷积核对原始图像进行卷积操作。实验结果表明，与随机初始化卷积核的CNN手写数字识别算法相比，改进的算法在应用MNIST数据库训练时不仅收敛，而且在产生相同均方误差的情况下迭代次数少，识别率高。

论文研究-基于张量的2D-PCA人脸识别算法.pdf

人脸图像的色彩信息也是人脸的重要特征，但现有的2D-PCA彩色人脸识别忽略了人脸色彩信息的空间关系。由此引入三阶张量表示，提出基于张量的2D-PCA（Tensor PCA）的人脸识别算法。Tensor PCA通过分解[n]模总体散布矩阵获得三个由最大特征值对应的特征向量组成的将张量样本投影到低维子空间的投影矩阵，并构造交替最小二乘法的迭代过程对矩阵进行优化得到最优投影矩阵，使得投影后的样本间的距离尽可能得大，以达到最佳分类识别的效果。Georgia Tech彩色人脸库的测试结果表明，与2D-PCA方法相比，识别正确率提升了5.53%，同时训练时间降低了78.1%。

论文研究-基于PCA和希伯特包络分析的盲隐写分析算法.pdf

为克服传统算法采用离散小波变换（Discrete Wavelet Transform，DWT）最终引起的加性噪声隐写图像检测正确率较低而虚惊率较高的问题，提出了一种新的盲隐写分析算法。综合应用主成分分析（Principal Component Analysis，PCA）和希伯特包络分析的优点，提取隐写图像高频子带希伯特包络解析信息号的主成分特征统计量，计算主成分信息熵，构建信息熵敏感特征向量。采用非线性支持向量机（Support Vector Machine，SVM）分类器，基于Matlab7.1平台进行仿真研究，结果表明：该算法对于空域和DWT域隐写检测具有较高的检测正确率和较低的虚惊率。

论文研究-基于属性加权的PCA算法 .pdf

基于属性加权的PCA算法，王永欣，张化祥， PCA是一种线性特征提取算法，通过计算将一组特征按重要性从大到小重新排列得到一组互不相关的新特征。但该算法在构造特征子集的��

论文研究-Contourlet相关性和PCA的图像融合算法.pdf

Contourlet变换克服了小波变换在处理高维信号时的不足，它比小波变换具有更好的方向性和更好的稀疏表达性能。将Contourlet变换应用于图像融合领域，能更好地提取图像边缘特征，为融合提取更多的特征信息。基于Contourlet变换系数相关性的图像融合算法是将图像进行Contourlet变换分解后，针对高频分解系数尺度内以及尺度间像素点具有的相关性设计图像融合规则，低频信息选择PCA的方法进行融合，最后通过重构得到融合图像。实验结果表明Contourlet能够为融合图像保留更全面的原始图像信息，基于相关性的图像融合算法能够更加有效、准确地提取图像中的特征，是一种有效可行的图像融合算法。

论文研究-基于PCA算法识别技术的新一代静态物体图像信息搜索系统 .pdf

基于PCA算法识别技术的新一代静态物体图像信息搜索系统，童雯，杨静，根据图像查询物体是图像分析的一个重要领域，也是目前搜索引擎技术的难点之一。本文在基于PCA算法的图像识别技术的研究下，阐述了

论文研究-基于PCA的PSO-BP入侵检测研究.pdf

为了提高入侵检测系统的检测率、实时性及降低误报率，提出一种基于主成分分析方法（PCA）的变惯性因子粒子群算法（PSO）优化BP神经网络算法。该方法结合了PCA理论、BP局部搜索和PSO的全局寻优能力，在数据预处理中，通过主成分分析方法进行特征提取，作为BP网络的输入量。在反复训练学习过程中，通过变惯性因子粒子群算法优化BP神经网络的权值和阈值，达到训练误差精度范围内，将优化过的BP网络用于入侵检测。通过实验分析和比较，该算法提高了入侵检测的正确率、泛化能力和实时性，降低了误报率和漏报率，加快了收敛速度，迭代次数少，有一定的研究意义。

论文研究-基于鲁棒ICA-PCA的TE故障诊断.pdf

针对复杂工业过程混合分布的问题，提出了基于鲁棒ICA-PCA（independent component analysis-principal component analysis）的故障诊断新方法。由于实际工业过程数据不可避免地带有大量干扰，为降低数据粗糙的影响，首先采用小波去噪算法提高建模数据质量；然后利用鲁棒ICA-PCA算法提取过程的非高斯和高斯信息，并构建了三个统计量进行故障的监控；最后将上述方法应用到田纳西—伊斯曼（Tennessee Eastman，TE）化工过程。仿真结果表明，相比于传统PCA算法、ICA-PCA等算法，鲁棒ICA-PCA方法能够有效地检测故障的发生，具有较好的鲁棒性和灵敏性。

论文研究-基于PCA-AHP模型的无车承运人合作伙伴选择研究.pdf

为了合理选择无车承运人的合作伙伴，提高运营效益和降低风险，建立了PCA-AHP无车承运人伙伴选择模型。根据无车承运人伙伴选择的影响因素，构建了包含16项指标的无车承运人伙伴选择指标体系，在对指标体系进行主成分分析（PCA）的基础上，通过AHP分析法计算综合权重。针对具有10家候选伙伴企业的无车承运人进行案例分析，提取了累计方差贡献率达82.81%的五个主成分，采用层次分析法分别对数据进行主成分分析训练和层次分析权重计算。结算结果表明：运输服务质量是影响无车承运人选择伙伴企业的关键因素，该模型具有有效性和实用性，能为无车承运人合作伙伴的选择提供决策依据。

论文研究-基于CUDA的PCA-SIFT算法研究 .pdf

基于CUDA的PCA-SIFT算法研究，申昊，孙永奇，主成分不变特征检测算法PCA-SIFT被广泛应用于图像特征的检测。本文利用最新的图形处理单元(GPU)并行架构和统一计算设备架构(CUDA)灵活��