导读:本文包含了加权核主成分分析论文开题报告文献综述及选题提纲参考文献，主要关键词:高光谱图像分类,加权空-谱主成分分析,降维
加权核主成分分析论文文献综述
阿茹罕,何芳,王标标[1]（2019）在《加权空-谱主成分分析的高光谱图像分类》一文中研究指出为了提高高光谱图像的分类精度,有效利用高光谱图像的空间信息和光谱信息对高光谱图像进行预处理,提出了一种新的空-谱联合降维方法——加权空-谱主成分分析(weighted spatial spectral principle component analysis,WSSPCA)算法。该算法结合高光谱图像的物理特性对高光谱图像进行重构,平滑了高光谱图像中存在的奇异点干扰;然后,采用主成分分析(principle component analysis,PCA)方法对重构后的图像进行降维,降低了波段间的冗余性,有利于后续分类。在2组常用的高光谱数据集Pavia U和Indian Pines上进行实验结果表明,训练样本随机选取每一类地物的5%和10%的情况下,由WSSPCA算法得到的Kappa系数最大值分别达到了0. 955 9和0. 896 1,较基准线分别提高了0. 193 8和0. 205 0,分类结果明显优于其他算法。(本文来源于《国土资源遥感》期刊2019年02期）
徐丹,巩沛琪,郭松涛,王英,姚菁[2]（2019）在《基于引导滤波器和加权二维主成分分析的视频融合》一文中研究指出可见光视频可以提供纹理信息,而红外视频可以提供隐藏的热信息。通过2种视频的融合可以提高移动用户的视频观看体验。然而,由于移动设备资源有限,复杂的视频处理任务被迁移到资源(计算、存储和电池资源)相对丰富的微云上执行。基于均值哈希的帧间冗余检测算法被提出,将去冗之后的视频帧传输到微云等待处理,基于引导滤波器和加权二维主成分分析(W2DPCA,weighted two-dimensional principal component analysis)的视频融合算法被提出。该算法首先使用引导滤波器将待融合视频帧分成基层和细层,然后,利用改进的自适应W2DPCA融合可见光帧的基层和红外帧的基层。最后,通过组合融合基层和细层来获取融合帧。实验结果表明,帧间冗余检测方法最大限度地减少了微云中冗余数据的传输量,降低了移动设备的能耗。与现有方法相比,提出的视频融合算法得到的融合帧具有与原始帧更多的互信息和更高的结构相似度,同时融合结果也具有较高的整体标准差和峰值信噪比,所以具有更好的整体融合效果。(本文来源于《重庆大学学报》期刊2019年05期）
黄鸿琦[3]（2019）在《基于RBF神经网络模型的改进加权主成分分析参数全局优化研究》一文中研究指出为分析响应预测能力对优化结果的影响,建立响应与可控因子间参数回归模型以计算预测能力指数,但复杂生产过程中模型拟合度不高,难以满足建模要求,因此提出一种基于RBF神经网络的改进加权主成分分析参数优化方法。该方法利用RBF神经网络构建非线性预测模型,计算并引入网络预测能力指数以调整加权主成分分析法,优先改进预测能力强的响应,然后进行主效应图分析,并通过建立响应曲面模型,利用遗传算法全局搜索最优点。实验结果表明,RBF神经网络泛化能力强,改进的方法能够使得多个响应达到较理想的综合优化效果,且优于企业所用参数组合。(本文来源于《河南机电高等专科学校学报》期刊2019年03期）
姜伟,吕倩,李健[4]（2018）在《基于加权Schatten-p范数和l_(2,1)范数的鲁棒主成分分析》一文中研究指出在核范数鲁棒主成分分析的基础上,利用加权Schatten-p范数和l2,1范数重新构造鲁棒的主成分分析问题,使得原始稀疏正则化、秩最小化问题得到了较好的非凸逼近.建立一个新的基于加权Schatten-p范数和l2,1范数的鲁棒主成分分析(WLSRPCA)模型,并使用增广拉格朗日乘子法进行求解.在图像去噪的实验中,WLSRPCA模型去噪效果比鲁棒主成分分析模型更好.(本文来源于《通化师范学院学报》期刊2018年12期）
李姗姗,朱家明,王心璐,杜仲帼[5]（2018）在《基于组合加权主成分分析对宜居城市的研究》一文中研究指出城市宜居性是城市居民最为关心的话题,但目前对宜居城市的评价标准尚未达成统一.结合国内外相关学者研究,从经济、社会、文化、环境4个方面构建宜居性评价指标体系,并以淮海经济区为例进行实证分析,但传统的主成分分析方法无法从横向和纵向两个角度实现动态分析,采用一种新方法,即组合加权主成分分析对城市宜居性进行量化评估,给出淮海经济区8个城市的宜居性排名,最后综合排名与评价结果,从3个方面给出提高淮海经济区城市宜居性的合理化建议.(本文来源于《哈尔滨师范大学自然科学学报》期刊2018年03期）
孙莞格,夏克文,兰璞[6]（2018）在《正则化的加权不完全鲁棒主成分分析方法及其在无线传感器网络节点轨迹拟合中的应用》一文中研究指出针对稀疏矩阵奇异值分解(SRSVD)方法和半精确增广拉格朗日(SEALM)算法在采样比例小且稀疏噪声大,以及存在高斯噪声时不能准确拟合无线传感器网络(WSN)节点轨迹的问题,提出一种正则化的加权不完全鲁棒主成分分析(RWIRPCA)方法。首先,将不完全鲁棒主成分分析(IRPCA)应用于节点轨迹拟合;然后,在IRPCA的基础上,为了更好地刻画矩阵的低秩性和稀疏性,以及增强模型的抗高斯噪声性能,分别对低秩矩阵和稀疏矩阵进行加权;最后,将高斯噪声矩阵的F范数作为正则项,应用于节点轨迹拟合。仿真结果表明,IRPCA和RWIRPCA在采样比例小且稀疏噪声大时拟合效果均优于SRSVD和SEALM方法,特别是所提的RWIRPCA在稀疏噪声和高斯噪声同时存在时,仍能取得准确且稳定的拟合效果。(本文来源于《计算机应用》期刊2018年06期）
李广超,李如仁,卢月明,赵阳阳,余博[7]（2018）在《利用主成分分析法及地理加权回归模型分析AOD数据》一文中研究指出针对采用地理加权回归模型(GWR)进行预测时输入变量较多导致计算复杂度高,而输入变量较少引起预测精度降低这一问题,提出了一种基于主成分分析的地理加权回归方法(PCA-GWR)。首先,该方法检验了气溶胶光学厚度(AOD)影响因素之间的共线性;然后,通过非线性主成分分析法(NLPCA)对影响AOD值的若干相关变量进行处理,既消除了相关变量彼此之间的多重共线性,又可以起到降维的作用;最后,利用非线性主成分分析得到较少的几个综合指标,通过地理加权回归模型对AOD值进行分析预测。为验证该方法的有效性,采用京津冀地区的AOD、高程、风速、气温、湿度、气压、坡度、坡向数据,利用Pearson相关系数法选取与AOD浓度具有较高相关性的影响因素作为常规的GWR模型的输入变量,在变量个数相同的前提下,与本文方法进行对比。研究结果表明:应用非线性主成分分析法对相关变量进行预处理后,有效地解决了变量之间的共线性,保留了原始影响因素主要信息,提高了运算效率,且该方法所得的MAE、RMSE、AIC及其拟合优度R2均优于常规的GWR模型。(本文来源于《测绘通报》期刊2018年04期）
卢月明,王亮,仇阿根,张用川,赵阳阳[8]（2017）在《一种基于主成分分析的时空地理加权回归方法》一文中研究指出针对时空地理加权回归模型(GTWR)进行预测时,输入变量较多导致计算复杂度高,而输入变量较少引起预测精度降低这一问题,提出了一种基于主成分分析的时空地理加权回归方法(PCA-GTWR)。该方法采用非线性主成分分析方法,先对影响PM2.5浓度的若干相关变量降维处理得到几个综合指标,并将其作为GTWR模型的输入变量进行预测。为验证该方法的有效性,采用北京市2014-04—2017-03的PM2.5数据,利用Pearson相关系数法选取与PM2.5浓度具有较高相关性的影响因素作为常规的GTWR模型的输入变量,在变量个数相同的前提下,与本文方法进行对比。结果表明应用非线性主成分分析方法对相关变量进行预处理后,有效地解决了变量之间的共线性,保留了原始影响因素主要信息,提高了运算效率,且该方法的MAE、RMSE、AIC均低于常规的GTWR模型,拟合优度GF最高达到88.11%。(本文来源于《测绘科学技术学报》期刊2017年06期）
周金龙[9]（2016）在《基于加权主成分分析的中国上市公司的综合评价》一文中研究指出基于主成分分析法建立了加权主成分分析法数学模型;运用加权主成分分析对中国上市公司进行综合评价,并通过选取2015年部分上市公司第一季度报告提供的财务指标进行了实证分析。评价结果表明:利用加权主成分分析法对上市公司进行综合评价,可以将主成分分析法的客观分析和层次分析法的主观分析有机结合起来,以得出结合客观分析与主观评价的相对可靠的结论。与用主成分分析法评价的结果相比,其评价结果更加合理、更加符合上市公司的实际经营水平,可以给广大证券投资者一个更加可靠的投资参考。(本文来源于《湖北汽车工业学院学报》期刊2016年02期）
岳伟[10]（2016）在《用主成分分析法结合加权TOPSIS法对医院医疗工作质量评价》一文中研究指出文章将多种区域医疗评价工作作为研究重点,结合加权TOPSIS对医院医疗工作的质量的评价体系进行了分析,发现医疗工作质量评价共组主要包含了医疗工作效率、诊疗技术、病床使用效率、医疗费用情况以及诊疗设备的可信程度和使用情况五个部分,在项目探究的过程中,旨在实现医院医疗工作的高质量发展。(本文来源于《环球市场信息导报》期刊2016年04期）
加权核主成分分析论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
可见光视频可以提供纹理信息,而红外视频可以提供隐藏的热信息。通过2种视频的融合可以提高移动用户的视频观看体验。然而,由于移动设备资源有限,复杂的视频处理任务被迁移到资源(计算、存储和电池资源)相对丰富的微云上执行。基于均值哈希的帧间冗余检测算法被提出,将去冗之后的视频帧传输到微云等待处理,基于引导滤波器和加权二维主成分分析(W2DPCA,weighted two-dimensional principal component analysis)的视频融合算法被提出。该算法首先使用引导滤波器将待融合视频帧分成基层和细层,然后,利用改进的自适应W2DPCA融合可见光帧的基层和红外帧的基层。最后,通过组合融合基层和细层来获取融合帧。实验结果表明,帧间冗余检测方法最大限度地减少了微云中冗余数据的传输量,降低了移动设备的能耗。与现有方法相比,提出的视频融合算法得到的融合帧具有与原始帧更多的互信息和更高的结构相似度,同时融合结果也具有较高的整体标准差和峰值信噪比,所以具有更好的整体融合效果。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
加权核主成分分析论文参考文献
[1].阿茹罕,何芳,王标标.加权空-谱主成分分析的高光谱图像分类[J].国土资源遥感.2019
[2].徐丹,巩沛琪,郭松涛,王英,姚菁.基于引导滤波器和加权二维主成分分析的视频融合[J].重庆大学学报.2019
[3].黄鸿琦.基于RBF神经网络模型的改进加权主成分分析参数全局优化研究[J].河南机电高等专科学校学报.2019
[4].姜伟,吕倩,李健.基于加权Schatten-p范数和l_(2,1)范数的鲁棒主成分分析[J].通化师范学院学报.2018
[5].李姗姗,朱家明,王心璐,杜仲帼.基于组合加权主成分分析对宜居城市的研究[J].哈尔滨师范大学自然科学学报.2018
[6].孙莞格,夏克文,兰璞.正则化的加权不完全鲁棒主成分分析方法及其在无线传感器网络节点轨迹拟合中的应用[J].计算机应用.2018
[7].李广超,李如仁,卢月明,赵阳阳,余博.利用主成分分析法及地理加权回归模型分析AOD数据[J].测绘通报.2018
[8].卢月明,王亮,仇阿根,张用川,赵阳阳.一种基于主成分分析的时空地理加权回归方法[J].测绘科学技术学报.2017
[9].周金龙.基于加权主成分分析的中国上市公司的综合评价[J].湖北汽车工业学院学报.2016
[10].岳伟.用主成分分析法结合加权TOPSIS法对医院医疗工作质量评价[J].环球市场信息导报.2016
标签：高光谱图像分类; 加权空-谱主成分分析; 降维;