Fisher理论和多数投票法相结合的数据融合算法

针对多个特征指标的多传感器数据融合问题,将Fisher理论和多数投票法相结合进行数据融合来增加识别率。该方法首先通过Fisher理论得到多个判别函数,然后通过多数投票法继续对得到的判别进行分类得到最后的识别决策。该方法适合多个特征目标识别,计算简单。易于实现。     

用Fisher判别法确定矿井突水水源

运用Fisher判别分析(FDA)理论,根据含水层的标型组分和涌水点水样的化学成分,针对简单的两类和复杂的多类突(涌)水水源识别,分别建立Fisher的线性判别函数模型和典则判别的函数模型,并对它们进行判别分析,将所建的矿井突(涌)水水源识别的Fisher判别模型应用于华北某矿井予以验证.研究结果表明:该模型利用回代估计法所得到的误判率小,并具有较强的判别能力.运用该模型进行判别分析,简易方便,分类效率高,对研究矿井突(涌)水水源的快速、有效判别意义明显;该模型适用性强,有广阔的应用前景.     

有约束优化中结合Fisher函数的梯度投影算法

利用Fisher函数的特性,对求解约束优化问题提出一种新的结合Fisher函数的梯度投影算法。并且证明在通常的假设条件下,该算法在非精确线搜索下具有全局收敛性。     

基于Fisher判别分析法的无粘性土渗透破坏类型判别

运用Fisher判别分析理论,选取6个特征粒径和孔隙率共7个指标参数,针对无粘性土管涌和流土的判别问题,建立了Fisher线性判别函数模型.利用回代估计法对模型进行检验,误判率为0.将所建立的模型用于其它9个案例的预测,结果与实际情况吻合良好.模型检验及实例计算结果表明,本文方法科学合理且可操作性强,能够为无粘性土渗透破坏类型的判别提供一条新的途径.     

少周期强激光脉冲下光电子谱的Fisher信息

文章利用数值求解含时薛定谔方程的方法计算了少周期强激光脉冲下不同载波包络相位(CEP)对应的光电子能谱和动量谱,探讨利用光电子动量谱提取CEP的方案,并利用Fisher信息对该方案的精度极限进行了表征。通过计算发现,Fisher信息以及测量精度随CEP以π为周期变化,在CEP为9π/10和19π/10时Fisher信息的值最大,即测量精度最高。     

小波-Fisher的地下建筑通风设备故障诊断

将小波包分析与Fisher判别分析法相结合应用于地下建筑通风设备故障诊断问题中,运用小波包频道能量分解技术提取了不同频带反映地下建筑通风机不同工作状态的特征向量,以此作为Fisher判别分析的故障样本.通过分析计算建立了建筑通风机故障诊断的Fisher判别函数,并利用回代估计方法进行检验.结果表明:该模型准确有效,判别能力较稳定,不需要优化网络结构,为地下建筑通风机故障诊断提供一种新的预测方法.     

分形离散裂缝页岩气藏多级压裂水平井数值试井模型

基于分形理论,考虑天然裂缝的长度、方向、中心位置、开度等分布规律建立分形离散裂缝网络模型,并在此基础上建立多级压裂水平井试井模型。采用有限差分和嵌入式离散裂缝相结合的方法求解该模型,得到水平井的压力响应及其影响规律。结果表明:裂缝密度、分形维数、裂缝主发育方向和Fisher常数等参数能够较好地控制试井曲线形态;裂缝密度、中心维数和长度维数决定裂缝的数量,裂缝密度和中心维数越大(或长度维数越小),裂缝总数越多,水平井的双重介质特征越显著,即中期拟压力导数下凹越明显;裂缝主发育方向和Fisher常数决定裂缝的走向及其一致性程度,Fisher常数越大,裂缝的方向越一致,渗流时有效渗流面积越小,则晚期拟压力导数曲线越高;Langmuir吸附体积和吸附压力对试井曲线也具有一定的影响,二者越大,中期和晚期拟压力和拟压力导数曲线整体越低。     

运用判别分析对肝癌及癌前病变形态定量研究初探

本文在运用判别分析方法对肝癌及癌前病变形态进行定量研究方面作了初步尝试,给出了具体的判别函数和判别规则.对原48个样品进行回报,其准确率达到81%以上.     

基于近似梯度算法的Fisher线性判别分析问题的求解研究

Fisher线性判别分析(FLDA,Fisher linear discriminant analysis)是一种经典的线性降维方法,可归结为广义特征值问题的求解,但广义特征值问题的求解的复杂度较高.为了更好地求解FLDA问题,引入了近似梯度下降(PGD,proximal gradient descent)算法,并分析了该算法的收敛性.实验结果表明,相较于求解广义特征值等方法,PGD算法能更高效地求解FLDA问题.     

多元判别分析及其在生态环境研究中的应用

给出了多元判别分析的数学原理和方法,通过对正规方程组解的简化处理,在不影响分类判别决策的前提下获得了判别函数.用实例说明了模型在生态环境中样品分类判别研究上的应用.     

一种改进的核Fisher鉴别分析方法

核Fisher鉴别分析(KFDA)已成为抽取非线性特征的最有效方法之一.针对在解决两类模式分类问题中KFDA只能获得一个鉴别矢量的弱点,提出了一种改进的核Fisher鉴别分析(MKFDA)方法,该方法对特征空间中的两类间离散度进行了重新估计,通过使用核类间散布矩阵的一种特殊形式,我们可以得到最多N(N为训练样本数)个鉴别矢量,从而提高了两类模式问题的分类性能.在IRIS数据上的实验结果验证了MKFDA方法的有效性.     

学生成绩的Fisher判别

用逐步判别的方法分析某校学生后续课程多媒体制作软件学习成绩与前面所学各科成绩及招生类型之间的关系.再用Fisher判别方法建立多媒体制作软件学习成绩的线性判别函数,用此函数回代判别结果及对其他学生成绩的判别结果是令人满意的.     

弱膨胀土膨胀性判别与分级方法研究

针对弱膨胀土在路基工程中使用时的不同要求,可对弱膨胀土的膨胀性进行分级以方便采用不同的处治措施来减少经济损失.为避免使用单一判别因子判别法对弱膨胀土进行分级的不足,因此,以自由膨胀率、胀缩总率、塑性指数和小于0.002mm颗粒含量这4项作为判别指标,分别利用Bayes判别法、Fisher判别法和物元可拓判别法3种方法,建立相应的判别函数对弱膨胀土进行分级,将弱膨胀土的膨胀性分为强(G_1)、中(G_2)、微(G_3)3个等级,并对比3种方法.研究表明:这3种判别法都能较理想的用于弱膨胀土膨胀性的分级中,且相对于其他两种方法,Fisher判别法更方便、高效.     

卷烟主流烟气的判别分析

利用实际生产批次的卷烟主流烟气检测数据,以总粒相物、烟碱、焦油等6种烟气指标检测结果为指标,用minitab统计软件对不同来源的同牌号卷烟主流烟气进行判别分析,建立卷烟主流烟气指标的判别函数,用自身验证和交互验证对判别函数进行回判,准确率分别达100%和95.00%;用新样品对判别函数进行检验,准确率达95.00%,检验结果令人满意.所用的判别分析方法可行,建立的判别函数有效。     

利用优化方法求解线性鉴别方程

该文采用序列二次规划（SQP）方法求解Fisher鉴别准则模型。介绍了几种优化技术及算法后,分析序列二次规划（SQP）方法相对于线性鉴别准则模型一般求解方法的高效性优点,并结合MATLAB中的优化工具,应用二次规划方法求解Fisher鉴别准则模型,实现两类（人脸图像）问题的分类。该文研究和实现是对Fisher鉴别准则模型解法的新尝试和贡献。     

自回归模型参数的最小二乘估计

利用约束规划及计算数学理论 ,讨论自回归模型参数的精确估计方法 ,给出求解参数的方法 ,计算量约为 O(N)个运算量 .此估计与原来的损失样本信息条件下的最小二乘估计法求解的工作量 O(N)基本等价 ,因此是一个可行的精确估计方法 .     

Fisher判别法在综放回采巷道支护形式选择中的应用

 将Fisher判别分析法应用于综放回采巷道支护形式选择中,建立了综放回采巷道支护形式选择的Fisher判别分析模型,选取围岩强度、煤层强度、巷道埋深、围岩节理裂隙发育程度、采动影响系数、顶煤厚度、护巷煤柱宽度和断面面积8项指标作为Fisher判别分析模型的判别因子,以15组综采巷道围岩及支护实测数据作为学习样本进行训练,建立相应的判别函数对待判样本进行分类.研究结果表明,Fisher判别分析模型分类性能良好,预测精度高,回判估计的误判率很低,是一种综放回采巷道支护形式选择的有效方法.     

判别分析在海拉尔油田试油中的应用

为了解决海拉尔油田试油解释难题,针对地下复杂的油水分布状况,收集整理了研究区2000年至2008年194份的试油地层水样品数据。考虑了能反映地层水化学性质的7个成分(CO23-、HCO-3、Cl-、SO24+、Ca2+、Mg2+、K++Na+)含量参数,应用了数学地质中判别分析的原理和方法,建立了研究区出水层和非出水层的定量判别模型。经过回判检验,正判率达到了95.9%,表明判别函数模型是显著的。利用建立的判别函数模型,对2009年17个地层水试油样品进行判别,正判率达到88%,与实际符合很好,表明判别模型可靠,可以在试油解释中使用。     

RSS下Pareto分布中刻度参数的Fisher信息量

研究了排序集抽样(RSS)下Pareto分布中刻度参数的Fisher信息量.为了突出RSS的优越性,将这个Fisher信息量与简单随机抽样(SRS)下刻度参数的Fisher信息量进行数值比较.数值结果表明,RSS下刻度参数的Fisher信息量多于SRS下的Fisher信息量.     

大间距无相关边界Fisher鉴别分析

针对边界Fisher鉴别分析方法存在的小样本问题以及所求出的鉴别矢量集缺少约束限制的缺陷,提出了一种大间距无相关边界Fisher鉴别分析方法.该方法采用最大化描述样本数据可分性和紧致性的矩阵之差作为目标函数,避免了边界Fisher鉴别分析的小样本问题;对于无相关鉴别矢量集的求解,给出了先构造无相关空间,再进行特征值分解的求解策略.仿真结果表明,该方法在识别性能上优于已有的边界Fisher鉴别分析及其改进方法,且避免了使用繁琐的迭代方法求解不相关鉴别矢量集,具有一定的实用价值.