提出了将信号进行相空间重构后再采用奇异值分解, 对分解后的主成分进行包络分析, 从而提取信号的隐含特 征的方法, 并将该方法应用于齿轮的局部故障振动特征信号的提取中。数值仿真实验结果表明, 该方法能有效提取强背景 信号及噪声中的弱冲击特征信号, 是一种有效的弱信号特征提取方法。采用该方法对齿轮振动信号进行故障特征提取与识 别, 结果与实际情况相符。-Signal implicit characteristic of phase space reconstruction, and th

该方法利用人脸具有镜像对称的自然特性，依据奇偶分解原理，生成成镜像奇、偶对称样本，井利用人脸对称图像作为训练样本，再利用主分量分析(PCA)对训练样本进行二阶相关和降维处理，然后对处理后的样本进行ICA特征提取。理论和分析实验证明，该算法有效减线了人脸受到视角、光照、人脸表情、姿势变化等因素的最响，又增加了训练样本容量，减少了计算复杂度，同时有效解决了小样本问题，提高了识别率.(The method uses the natural characteristics of mirror symme

一种特征提取方法：结合主元分析(PCA)和核主元分析（KPCA）的前馈神经网络（FNN）(A feature extraction method: the feedforward neural network (FNN) combined with principal component analysis (PCA) and kernel principal component analysis (KPCA))

NMF、PCA-人脸图像特征抽取与对比，图像识别，主成分分析(Face image feature extraction and comparison, image recognition, principal component analysis)