人脸识别是近年来模式识别领域的热门课题,其中特征提取和分类器选择是人脸识别的关键步骤。主成分分析和线性判别分析是特征提取的主要方法之一,但主成分分析忽略了数据的类别信息,线性判别分析类内散度矩阵奇异,导致投影矩阵无法直接得出。为解决以上问题,本文提出基于PCA_LDA和协同表示人脸识别算法,该算法结合主成分分析和线性判别分析,将人脸的特征信息压缩到一个更小的子空间内,再采用协同表示分类算法对测试图像进行识别。在ORL人脸库、FERET人脸库和YALE人脸库上的大量实验证实,本文算法能精确地提取到高维图像信息的主、面部表情等方面的差异的影响较小，算法具有更好的稳定性。表5与文献［14］算法的识别率比较Tab．算作物需水信息的重要依据,对于发展精准灌溉、制定中长期的农业用水策略具有重要的指导意义。选择将P-M公式的计算值为ET0标准值,利用SPSS软件对多种气象数据进行相关性分析并以最高气温、最低气温预测中的应用-不锈钢弯管机数控滚圆机弯管机张家港液压弯管机数控弯管机、日照时数和相对湿度作为输入因子,采取小波神经网络将归一化的历史ET0标准序列分别进行高低频带的预测,建立结合遗传算法优化小波神经网络的ET0预测模型。通过仿真对比,基于遗传算法优化的小波神经网络与未采用遗传算法优化的小波神经网络相比具有更高的精度和更快的收敛速度,其中的小波算法能有效处理ET0序列在预测过程中的周期非平稳特性。本文由张家港弯管机网站

转载中国知网整理!www.wangaunjimuju.net经实验样机平台验证遗传算法优化小波神经网络在作物需水预测中具有良好的性能,模型能够为精准灌溉、农业中长期需水决策提供指导作用在时间序列的预测建模中有着广泛的应用。但是单一的BP神将网络在训练中容易陷入局部极值而非全局最优值且收敛速度慢［20］。小波分析同神经网络的组合使用，能够将良好的时频局部和变焦特征与神经网络自学习、自适应性、强鲁棒性相结合，有效提高网络模型的收敛速度和逼近能力，从而更好地实现预测功能［21］。但在参数优化方面受限于固定的梯度下降法，易陷入局部极小值、引起振荡效应［22］。小波神经网络结构如图1所示。2．2遗传算法优化小波神经网络遗传算法(GA，GeneticAlgorithm)是采用生物选择和遗传学机制的全局自适应概率的搜索算法，能提供通用的优化框架从而避免落入局部最优的陷阱［23］。GA优秀的全局搜索能力可在复杂、多态性、不连续的气象数据和ET0序列与空间里优化小波神经网络结构和参数，大大提高预测速度、精度和模型泛化能力［24］，避免小波神经网络收敛速度慢和陷入局部极小、产生振荡效应的缺点。GA优化网络训练的步骤如下:1)初始化种群，对小波神经网络参数进行编码;2)设定遗传算法迭代次数、种群规模、交叉概率和变异概率等参数;3)计算个体适应度并将其排序;4)依据概率值选择个体遗传给下一代，P(n)S=f(n)∑Nn=1f(n)，其中n=1，2，…，N为染色体数，P(n)S为选择概率，f(n)为适应度;5)交叉变异操作优化群体，没有交叉操作的个体进行直接复制;以变异概率Pm变异产生。 预测中的应用-不锈钢弯管机数控滚圆机弯管机张家港液压弯管机数控弯管机本文由张家港弯管机网站 转载中国知网整理!www.wangaunjimuju.net