基于改进Fisher判别的起步工况驾驶风格研究

以实验采集的起步工况驾驶数据为基础,利用PCA分析筛选出驾驶员在起步工况下的风格特征参数,采用GMM聚类算法对起步工况下的驾驶数据进行分析.以驾驶风格聚类分析结果为基础建立了基于Fisher判别的驾驶风格识别方法模型,运用经典和改进Fisher判别对驾驶风格数据的测试集进行识别.结果表明,改进Fisher判别的识别正确率可达85%以上,证明了改进Fisher判别在处理驾驶风格会影响车辆的多种性能表现时有效,具有较高的准确性.      

基于加权Fisher模糊判别准则的真彩色影像分类方法研究

针对Fisher判别分类中,选取样本不平衡导致Fisher线性判别性能下降,提出了加权Fisher判别对类内散布矩阵进行修正的方法.同时,针对Fisher判别准则为阈值分类器,引入了一种新的Fisher模糊判别准则.该方法应用于无人机真彩色影像的道路、植被、裸土地分类,取得了较好的分类结果.并与传统Fisher方法进行...     

线性判别分析和降维方法应用于基因芯片数据分析

主要采用偏最小二乘法和线性判别分析(LDA)有监督分类的方法来对基因芯片(微阵列)数据进行分析.PCA,PLS是一种提取海量数据有效特征的有效方法,而且可以获得与原来基因芯片数据更为接近的成分的提取特征的效果.比较PCA降维和PLS降维对LDA统计判别分类的效果.得出的结论可为工业应用提供科学依据.     

基于近红外光谱技术的苹果霉心病检测方法

为实现苹果霉心病无损检测,提高果实品质,以斗南苹果为研究对象,利用MPA近红外光谱仪,采集了100个苹果,4000~12500cm-1波长范围内的漫反射光谱。将主成分分析(PCA)分别与马氏距离判别模型和Fisher判别模型结合,比较两种判别模型对霉心病的判别精度。试验结果表明：在对苹果样品全波段光谱数据进行主成分分析后,将前10主成分作为输入变量建立判别模型,马氏距离判别模型正确识别率为97.14%,Fisher判别模型的正确率为88.57%,马氏距离判别模型明显优于Fisher判别模型。     

基于Fisher判别法的砂土液化势判别

目的提出一种基于多元统计学的Fisher模型,判别复杂和不确定性因素影响下砂土液化的发生,提高和改善砂土液化势评价的可靠性、准确性及智能水平.方法应用Fisher判别分析法理论并结合砂土液化机理,建立砂土地震液化判别模型.选取具有代表性的25组实测砂土液化的数据作为学习样本进行训练和检验,建立相应线性判别函数并利用回代估计方法进行回检,并与规范法和Seed法进行比较.结果训练样本和测试样本的正确率均为100%,而规范法和Seed法都出现了不同程度的误判.结论 FDA判别法准确率较高,是一种有效的砂土液化判别方法,为砂土地震液化判别提供一种新的思路.     

非平衡数据集Fisher线性判别模型

非平衡数据是指两类问题中正类样本与负类样本个数不相等,甚至相比悬殊.非平衡数据集会导致许多分类器的性能下降,这与分类器的构造原理有关.本文首先阐述了Fisher线性判别的分类机制,指出当两类样本的协方差矩阵不同时,样本不平衡会导致Fisher线性判别的性能下降.在此基础上,提出了一种加权Fisher线性判别(WFELD),以减小样本不平衡的影响.然后,从UCI中选择了8个非平衡数据集,并采用ROC曲线下面积作为评估指标进行比较,实验结果证明了WFLD模型的有效性.     

山区公路泥石流易发性评价的Fisher判别分析法

针对山区公路泥石流易发性评价问题,基于Fisher判别分析理论,在分析影响泥石流易发程度的基础上,选取9个影响因子作为判别指标,以G314线奥依塔克镇至布伦口段公路50条沟谷作为学习样本,建立了山区公路泥石流易发性评价的Fisher判别分析模型,利用回代估计方法对建模数据逐一进行检验,正确率达100%,并选用其它4组待检样本对判别模型进行验证,验证结果均与实际情况相符.研究结果表明:Fisher判别分析法用于山区公路泥石流易发性判别效果良好,是解决评价山区公路两侧沟谷泥石流易发性的一种有效方法.     

基于运动想象的皮层脑电图频域模式滤波

为了提高皮层脑电图(ECoG)脑-机接口(BCI)的分类精度,提出了基于运动想象的ECoG频域模式滤波法.该方法通过联合对角化寻找最具判别力的投影方向作为频域滤波器,抽取滤波后ECoG的均值和标准差作为特征,然后采用核Fisher判别式进行分类.BCI2005数据集I的实验结果表明:采用该方法仅用单个电极即可获得92%的测试精度.     

质子转移反应-飞行时间质谱快速鉴别金线莲产地

建立一种基于质子转移反应-飞行时间质谱(PTR-TOF-MS)的不同产地金线莲快速鉴别方法.采用PTR-TOF-MS对不同产地(福建、广西、台湾)的66个金线莲样本进行指纹图谱采集.将检测到的指纹图谱与化学计量学结合,开发一种可应用于不同产地金线莲快速准确鉴定的新技术.结果表明,使用PCA主成分分析方法提取主成分数为4、判别分析方法为FDA(Fisher判别分析法)时建立的数学分类识别模型性能最好,识别准确率达到97.0%,可以实现不同产地金线莲的有效判别.     

勘探阶段可采煤层顶底板岩体质量分类模型

提出了在煤田勘探阶段利用主要物理力学性质指标和岩体质量指标进行可采煤层顶底板岩体质量分类的模型.以新疆伊犁州尼勒克县某煤矿为研究背景,选取了天然单轴抗压强度、饱和单轴抗压强度、天然抗拉强度、饱和抗拉强度、天然抗剪强度、饱和抗剪强度、天然密度、含水率、孔隙率、软化系数和RQD值等11项因子作为分类指标,以该煤矿8个可采煤层顶底板的50组岩样样品作为学习样本,首先采用因子分析和Q型聚类分析方法对样品进行综合评价分类,分类结果理想;然后分别计算每一类别样品11项分类指标的平均值并进行对比分析,结果表明,11项指标选取合理;最后采用Fisher判别分析方法对50组样品进行训练,建立了相应的Fisher判别模型,经检验正确率达到98%;将该判别模型应用到乌鲁木齐市某一煤矿对岩样进行分类,其分类结果与神经网络模型、因子和聚类联合分析的分类结果一致,有3个分类结果与规范分类出现偏差,经分析认为新建的判别模型分类结果更为真实可靠.     

基于小波变换和改进PCA的人脸特征提取算法

针对在人脸图像高维数据降维时单纯使用主成分分析(PCA)算法的提取精度和速度受限问题,  提出一种基于小波变换和改进PCA的混合特征提取算法. 该方法首先对人脸图像进行小波分解, 选取低频分量对人脸图像进行特征提取;然后利用改进的PCA算法进行主成分提取, 获得代表人脸特征的特征向量; 最后将该算法应用于Olivetti Faces人脸库数据集的图像分类. 实验结果表明, 经过该混合算法处理后的图像特征数据, 由卷积神经网络(CNN)算法分类识别时准确率提升10%, 识别速度提高约37%.     

基于多特征描述的指横纹识别

提出一种基于多特征描述的指横纹识别方法.分别提取指横纹的主成分特征、Gabor相位特征和Gabor幅值特征构成识别系统,采用Fisher线性判决方法融合各自匹配分数,进一步提高系统性能.通过98个人、1 971幅图像的测试实验表明,本文方法在获得较高性能的同时(识别率为99.39%,平均错误率为0.56%),单次匹配时间仅为0.67 ms,可以满足中等规模数据库实时识别要求.     

基于主成分分析和Fisher准则的脑电信号分类

脑-机接口(brain-computer interaction,BCI)利用脑电信号实现人脑与计算机或其它电子设备的通讯和控制,P300拼写范式是脑机接口中的一种常用方法。将遗传算法和支持向量机用于脑电信号的分类。选取三个实验者的实验数据作为处理对象,采用主成分分析和Fisher准则相结合提取特征。在用主成分分析降维后,Fisher准则进一步提取有效特征,提升分类准确率。本文采用用支持向量机对特征数据分类。Fisher准则在特征提取中良好的效果。     

基于主成分分析和Fisher准则的脑电信号分类

脑-机接口(brain-computer interaction,BCI)利用脑电信号实现人脑与计算机或其它电子设备的通讯和控制,P300拼写范式是脑机接口中的一种常用方法.将遗传算法和支持向量机用于脑电信号的分类.选取三个实验者的实验数据作为处理对象,采用主成分分析和Fisher准则相结合提取特征.在用主成分分析降维后,Fisher准则进一步提取有效特征,提升分类准确率.采用支持向量机对特征数据分类.Fisher准则在特征提取中具有良好的效果.     

基于电子鼻技术的葡萄酒分类检测方法

为了简单准确的检测葡萄酒的种类,建立了电子鼻检测系统。以三种具有相似气味的葡萄酒的种类识别为实验背景,根据葡萄酒散发的气味合理的选用了八个气敏传感器。利用主成份分析方法对传感器阵列进行优化,最后确定选用四个传感器为最终的传感器阵列,并借助Fisher判别分析方法检验其效果。使用SVM算法及BP算法分别对不同训练样本数的葡萄酒做对比实验。实验结果表明,基于PCA-SVM模式识别算法有很高的识别精度,很强的分类能力,而且在小样本分类识别实验中有着潜在的优势。     

基于质子转移反应-飞行时间质谱的金线莲产地快速鉴别技术

建立一种基于质子转移反应-飞行时间质谱的不同产地金线莲快速鉴别技术。采用PTR-TOF-MS对不同产地(福建、广西、台湾)的66个金线莲样本进行指纹图谱采集。将检测到的指纹图谱与化学计量学相结合开发一种可以应用于不同产地金线莲快速准确鉴定的新技术。实验结果表明,PCA提取主成份数为4,判别分析方法为FDA时建立的数学分类识别模型性能最好,识别准确率达到97.0%,可以实现不同产地金线莲的有效判别。     

对称性在人脸识别中的应用:对称Fisherface

充分考虑到人脸对称性,结合对称主量分析和Fisher线性判别,提出了改进的Fisherfaee方法--对称Fisherface(SFisherface).在人脸的表情、姿态以及光照发生变化的情况下,通过实验说明了SFisherfaca在性能上面的优势.通过比较镜像扩展样本后的Fisherface、SFisherface和经典Fisherface方法的联系和区别,说明了SFishefface有助于提取稳定性的特征,并能够显著提高识别率.     

基于核Fisher判别的复杂储层岩性识别研究

复杂储层中多种岩性均可作为储层,不同岩性的物性特征差异较大,分岩性解释复杂储层物性是求准物性较为有效的一种方法,但是不同岩性的测井特征相近,常规线性分类方法识别效果不理想,因为复杂储层的岩石识别中非线性分类特征占较大比例。针对这一问题,本文将Fisher判别分析(FDA)做核推广,形成核Fisher判别分析(KFDA),进一步利用Fisher判别中未提取的非线性信息,通过升维获得更多的非线性分类特征,然后再通过降维来提取利于岩性分类的特征。文章通过实验对核Fisher在数据预处理、关键参数的选取等方面进行了详细介绍,并将核Fisher方法与其它分类方法进行比较,验证了核Fisher方法的岩性识别能力,而对于不同岩性间的差异相似关系,造成岩性识别精度低的情况,提出了分级核Fisher判别分析的思路,研究证明利用分级核Fisher判别分析的思路可进一步提高岩性的识别精度。     

基于生成对抗网络的肺结节良恶性诊断算法

针对实性肺结节CT影像数据量少、人工标注耗时耗力等问题,提出一种结合生成对抗网络和集成学习的实性肺结节良恶性计算机辅助诊断方法.首先,使用基于梯度惩罚的生成对抗网络对肺结节CT影像数据集进行扩充,缓解由数据量少、样本类别不均衡导致的模型过拟合.然后,利用卷积神经网络进行CT影像特征提取,并通过主成分分析对深度特征进行降维.最后,联合CT图像特征和有效临床信息,采用集成学习方法构建分类模型预测实性肺结节良恶性.基于多中心临床数据分析表明,相比于传统卷积神经网络模型,所提出方法有更好的预测性能.