基于视频的电熔镁炉工况识别系统→2.模型建立

基于视频的电熔镁炉工况识别系统→2.模型建立

《基于视频的电熔镁炉工况识别系统→2.模型建立》

1. 该系统是一个高斯白噪声所驱动的一阶ARMA模型很多文献都这么写，且噪声，
2. LDS_model.m
   1. imput：furnace_patches_724.mat
   2. output: _n=20_nv=1_724.mat     724个视频的 A B C X C0=Ymean=w[k] Q
   3. 调用suboptimalSystemID来求解模型参数

参数求解过程	代码
构建输入序列矩阵、去均值   每一列是每帧的外观特征，反映外观信息 m：视频一帧的特征数  17884 τ： 视频帧数   50	input：dataMatrix 68*263*50 将dataMatrix变为17884*50维 1 2 3 4 5 6 7 8 F = size(dataMatrix,3); if (size(dataMatrix,3)~=1) I = double(reshape(dataMatrix,[],F)); else F = size(dataMatrix,2); I = double(dataMatrix); end 去均值 1 2 C0 = mean(I,2); Y = I - repmat(C0,1,F);
选择状态维数 ，估计观测矩阵C。   每一列是每帧的状态特征，反映动态信息:	1 2 3 [U,S,V] = svd(Y,0); C = U(:,1:n); X = S(1:n,1:n)*V(:,1:n)';
估计状态转移矩阵A并进行正则化 这里的逆是伪逆 A除以A的谱半径	1 A = X(:,2:F)*pinv(X(:,1:(F-1))); 1 2 3 4 5 6 7 e = eig(A); e = abs(e); target = 0.9999; if any(e>=target) spectral_radius = max(e); A = A*target/spectral_radius; end
估计输入矩阵B  ，所以说B是S的一部分 1.S的每一列代表1个样本，且~N(0,Q)，即均值为0  2.因此协方差矩阵这样写 由于，所以可以估计   n×(τ-1)=n×n × n×(τ-1) × (τ-1)×(τ-1)  因为n<τ-1     n×nv × nv×nv	1 2 3 4 S = X(:,2:F) - A*X(:,1:(F-1)); [Uv,Sv,Vv] = svd(S,0); B = Uv(:,1:nv)*Sv(1:nv,1:nv)./sqrt(F-1); Q = B*B';

Show 例子

Show 拓展

posted on 2018-10-18 14:46 LeisureZhao 阅读(...) 评论(...) 编辑 收藏