本文選題：主成分分析 + 并行提取�。� 參考：《自動(dòng)化學(xué)報(bào)》2017年05期

【摘要】：主成分分析是信號處理和數(shù)據(jù)統(tǒng)計(jì)領(lǐng)域內(nèi)非常重要的分析工具.針對現(xiàn)有多個(gè)主成分提取算法收斂速度慢的問題,提出了具有快速收斂速度的神經(jīng)網(wǎng)絡(luò)算法.該算法能夠并行提取信號中的多個(gè)主成分,而不需要其他額外的操作.分別采用平穩(wěn)點(diǎn)分析法和隨機(jī)離散時(shí)間分析法對所提算法的收斂性和自穩(wěn)定性進(jìn)行了證明.仿真實(shí)驗(yàn)表明,相比現(xiàn)有算法,所提算法不僅具有較快的收斂速度,而且具有較高的收斂精度.
[Abstract]:Principal component analysis (PCA) is a very important tool in the field of signal processing and data statistics. Aiming at the problem of slow convergence rate of existing principal component extraction algorithms, a neural network algorithm with fast convergence rate is proposed. The algorithm can extract multiple principal components from the signal in parallel without any additional operation. The convergence and self-stability of the proposed algorithm are proved by stationary point analysis and stochastic discrete time analysis, respectively. Simulation results show that the proposed algorithm not only has a faster convergence rate but also has a higher convergence accuracy than the existing algorithm.
【作者單位】： 北京交通大學(xué)電子信息工程學(xué)院;火箭軍工程大學(xué);火箭軍駐石家莊地區(qū)軍事代表室;
【基金】：國家自然科學(xué)基金(61374120,61673387) 陜西省自然科學(xué)基金(2016JM6015)資助~~
【分類號】：TP183;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 姜春燕;林和平;劉丁慧;付希金;紀(jì)永鳳;;灰主成分分析研究及其應(yīng)用[J];吉林大學(xué)學(xué)報(bào)(信息科學(xué)版);2007年05期

2 顧紹紅;王永生;王光霞;;主成分分析模型在數(shù)據(jù)處理中的應(yīng)用[J];測繪科學(xué)技術(shù)學(xué)報(bào);2007年05期

3 黎夏,葉嘉安;主成分分析與Cellular Automata在空間決策與城市模擬中的應(yīng)用[J];中國科學(xué)(D輯:地球科學(xué));2001年08期

4 劉聰;汪明;;R軟件在主成分分析中的應(yīng)用研究[J];電腦知識與技術(shù);2011年13期

5 趙麗紅;張西禮;徐心和;;基于二維對稱主成分分析的人臉識別[J];儀器儀表學(xué)報(bào);2008年06期

6 鄒東升;佘龍華;;改進(jìn)的主成分分析方法在磁浮系統(tǒng)中的應(yīng)用[J];振動(dòng)、測試與診斷;2009年01期

7 王麗華;秦嬋嬋;徐洪波;;基于完全二維對稱主成分分析的人臉識別[J];計(jì)算機(jī)工程;2010年12期

8 李薇;曹萍;;基于主成分分析的軟件外包人才創(chuàng)新能力的定量評價(jià)[J];天津理工大學(xué)學(xué)報(bào);2012年06期

9 楊軍;張秀瓊;高志升;袁紅照;;用于人臉識別的兩類主成分分析融合[J];計(jì)算機(jī)工程與應(yīng)用;2010年01期

10 丁明勇;;基于對稱的二維主成分分析及其在人臉識別中的應(yīng)用[J];計(jì)算機(jī)應(yīng)用;2008年01期

相關(guān)碩士學(xué)位論文 前10條

1 朱強(qiáng)強(qiáng);基于多尺度主成分分析的地震數(shù)據(jù)局部斜率的計(jì)算[D];哈爾濱工業(yè)大學(xué);2015年

2 王雪;基于主成分分析支持向量機(jī)的焊點(diǎn)檢測方法的研究[D];河北工業(yè)大學(xué);2015年

3 胡鵬媛;基于形態(tài)學(xué)與魯棒主成分分析的紅外小目標(biāo)檢測[D];西安電子科技大學(xué);2014年

4 陸炳方;基于主成分的中學(xué)生成績分析方法的研究[D];華南理工大學(xué);2015年

5 蔡思佳;魯棒主成分分析的優(yōu)化模型及其在計(jì)算機(jī)視覺中的應(yīng)用[D];天津大學(xué);2014年

6 朱軒放;主成分分析和聚類在遼寧省城市職工工資分析中的應(yīng)用[D];吉林大學(xué);2016年

7 劉永志;主成分分析和聚類在科學(xué)技術(shù)數(shù)據(jù)分析中的應(yīng)用[D];吉林大學(xué);2016年

8 王海英;多元不確定仿真結(jié)果驗(yàn)證方法研究[D];哈爾濱工業(yè)大學(xué);2016年

9 張浩;小樣本人臉識別中基于虛擬樣本和L1范數(shù)改進(jìn)的核主成分技術(shù)[D];云南大學(xué);2016年

10 賀若彬;壓縮感知及其在目標(biāo)追蹤中的應(yīng)用[D];電子科技大學(xué);2016年

，

本文編號：1792018