摘要：建立的基于独立成分分析进行特征提取器的学习,进而模拟人类对视觉信息的局部空间-时间显著性的表达过程的计算模型,蕴涵了对局部空间显著性的有效表达;从而当据其设计为机器人主动视觉的注意机制的视线控制而用的算法,可以同一个处理过程适用于动态场景或静态场景的情形.对获自动态场景的特征提取器的频率特性的分析,揭示了此种内在的包含性的成因;算法的实验结果显示了局部空间-时间显著性表达过程对静态场景的局部空间显著性可有效表达.

摘要：纹理特征的提取是纹理分析的重要研究内容之一。基于独立成分分析的纹理分类方法中,目前主要选取独立成分分析系数的二阶统计量或频谱直方图作为纹理特征描述。本文根据独立成分分析系数满足非高斯分布的特点,提出了一种新的对野值鲁棒的纹理特征提取方法,该方法较好地描述了独立分量分析系数分布的反对称性和稀疏性,在仿真实验中取得了较好的分类效果。同时针对不同的特征提取方法,利用独立性不同的滤波器研究了滤波器独立性对分类性能的影响,进一步揭示了独立成分分析系数的非高斯性与特征辨识能力之间的关系。

摘要：为提升电能表的自动化管理水平,设计了基于多源信息和机器学习算法的电能表故障诊断方法。首先采集电能表的检定数据、用电数据、运行电压等多源信息,利用一致性判断方法融合所采集的电能表多源信息,然后选取独立成分分析(Independent Component Correlation Algorithm,ICA)方法利用ICA变换处理电能表多源信息融合结果,提取多源信息中包含的电能表故障特征,最后提取的电能表故障特征作为支持向量机的输入,利用人工蜂群算法优化支持向量机,输出电能表故障诊断结果。实验结果表明,该方法可以有效诊断电能表的电池欠压、继电器损坏等不同类型故障,为电能表故障分析提供依据。