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.     

基于模糊点数据的线性回归模型在判别分析中的应用

在经典回归分析理论中,训练数据在回归方程的构建中是被同等对待的.然而,在许多实际问题中,训练数据的作用是不同的,通常有些训练数据比其他数据更重要.为此,给每个训练数据赋予一个置信权重(这里的样本称为模糊点样本数据),并且给出了确定该置信权重的几种常用方法,讨论了基于模糊点数据的线性回归模型用于判别分析的情况.最后给出了数值例子.     

改进的双边二维线性判别分析的手背静脉识别

针对双边二维线性判别分析(B2D-LDA:Bilateral Two-Dimensional Linear Discriminant Analysis)方法中多类类别均值和总体均值接近时难以分类的问题,提出了一种改进的B2D-LDA(MB2D-LDA:Modified B2D-LDA)方法,并将其运用到手背静脉特征提取中.重新定义了类间离散度矩阵,融入了每两类类间的距离,当类别均值与总体均值接近时,则用该类和其他各类类间距离组成离散度矩阵.采用基于欧氏距离的最近邻分类器进行匹配识别.结果表明,在不增加识别时间的情况下,MB2D-LDA平均识别率比B2D-LDA高2％,证明了该算法的有效性.     

二维线性大间距判别分析及其在步态识别中的应用

提出一种二维线性大间距判别分析(Two dimensional linear maximum margin discriminant analysis,2DLMMDA)的投影算法。该算法一方面采用了有效且稳定的大间距优化准则,引入了Laplacian矩阵,保持了特征矩阵的流形结构,且优化域为Laplacian类间散度与Laplacian类内散度之差,能克服Fisher准则带来的小样本问题;另一方面,采用了具有监督信息的判别分析,大大地提高了识别率。为了验证所提出的算法对特征提取的有效性,选择最近邻分类器进行特征分类,最后通过在CASIA(B)步态库上实验。实验结果表明,文中提出的算法具有更高的识别率和识别速度。     

一种适于高维时间序列的特征提取方法

为了获得更多的信息,越来越多的数据利用多路传感器进行采集,由此产生了大量的超高维时间序列。特征的提取在处理和传输这些数据中起到至关重要的作用。为此,提出一种最优鉴别平面(ODP)技术以消除数据冗余。该平面由两个在Fisher准则基础上建立起来的相互垂直的矢量组成,将模式样本投影到ODP上可得到二维特征矢量。为了衡量特征的有效性,分别用二次判别函数分类器和阈值矢量分类器对特征进行分类测试。同时,以心电信号为例对ODP方法进行测试,结果表明,该方法应用于超高维数据的特征提取是行之有效的。     

基于双向二维直接线性判别分析的人脸表情识别

提出基于双向二维直接线性判别分析的人脸表情识别新算法.新算法从水平和垂直两个方向对图像矩阵执行直接线性判别分析,从二维图像中提取图像协方差矩阵,降低特征维数,减少表示图像时所需要的系数及其存储空间.另外,不使用奇异值分解方法,便可得到图像协方差矩阵的特征向量,能够精确地估计图像协方差矩阵.在JAFFE人脸表情数据库中的试验结果表明,所提算法具有较高的识别率.     

一种改进的线性回归模型

本文阐述了一种改进的线性回归模型——偏最小二乘回归模型的基本原理,并结合实例指出当变量间存在着线性关系时,普通的多元线性回归建模方法会失效;通过对偏最小二乘回归模型和主成分回归模型的系数估计精度及预测精度两方面的比较,说明要消除变量间的线性关系,前者优干后者。     

一种基于线性判别函数的降维模式识别方法

基于降维的思想将多维的模式识别问题简化为一维问题,给出了判断分界点的方法.     

线性模型中参数估计的一种新的相对效率

对于线性模型中未知参数的最小二乘估计,本文给出了一种新的相对效率,并研究了它的性质且给出了其下界,最后讨论了该相对效率与其它几种相对效率间的关系。     

基于高光谱成像技术的红景天品种神经网络模式识别方法

采用高光谱成像技术采集大花红景天和狭叶红景天的近红外高光谱图像(935～1720 nm),并从中提取出感兴趣区域的平均光谱作为大花红景天和狭叶红景天的原始光谱.在采用多元散射校正(MSC)进行光谱预处理后,运用载荷系数法(X-LW)、连续投影算法(SPA)和竞争自适应重加权算法(CARS)分别提取了红景天近红外高光谱9...     

小样本问题的概率分析与工程应用

统计分析是工程中数据处理的基本手段,也是可靠度分析的基础.由于条件和试验费用的限制,有时只能获得容量极小的样本,如工程中荷载试验桩的数量一般不多于4根.在这种情况下,采用的数据统计分析方法至关重要.研究表明,线性最小偏差方法对于极小样本的统计分析具有良好的适用性.针对线性最小偏差参数估计方法,给出了相关统计量的概率密度函数,以此为基础可分析所估计参数的概率特性.以工程中按试桩确定桩极限承载力的标准值为例讨论了所得公式的应用性,证明可用于工程中小样本数据的分析和处理.     

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.     

线性分式规划的灵敏度分析及其应用

基于解非线性规划的凸单纯形法,对线性分式规划进行灵敏度分析．求出使最优解或最优基保持最优的模型参数可变范围,并讨论了多个参数同时发生变化的情况．最后给出应用例子。     

深部硬岩岩爆预测的FDA模型及其应用

将Fisher判别分析(FDA)理论应用到深部硬岩岩爆预测中,以最大切向应力σθ、单轴抗压强度σc、单轴抗拉强度σt和弹性能量指数Wet作为影响岩爆的因素,建立以σθ/σc,σc/σt及Wet为判别因子的岩爆预测的FDA模型.以国内外15个深部岩体实例为训练样本进行训练,利用训练好的模型对冬瓜山硬岩矿山和某煤矿三水平西大巷深部开拓巷道岩爆进行预测.研究结果表明:利用FDA模型进行深部硬岩岩爆预测,结果与工程实际岩爆结果相符合,说明该方法在深部硬岩岩爆预测中具有良好的工程实用性.     

常系数线性微分方程组的一种解法

给出了常系数齐次线性微分方程组的初值问题的一个求解公式,并由此推出常系数齐次线性差分方程组在给定的初始条件下的一个求解公式。     

完全模糊线性规划及其近似计算

在扩充LR-模糊数定义的基础上,讨论了完全模糊约束条件的近似表示和转化定理;在新的模糊数序关系下,将完全模糊线性规划问题直接转化为分明的线性规划进行求解;与已有的结果进行了比较,并给出了算例.     

Modified fuzzy point estimate method and its application to slope reliability analysis

A slope engineering system is a complex system, in which many uncertainties exist, including random uncertainties and fuzzy uncertainties. Traditionally, random uncertainties were often considered, while fuzzy uncertainties were ignored. Therefore,fuzzy-random methods should be proposed. A fuzzy point estimate method was proposed by Dodagoudar, that is, considering the effect of fuzzy-random factors, the fuzzy-random limit state function of slopes is changed to random interval limit state function by the λ level cutting, then the moments of the function can be obtained by the Rosenblueth's method, and the stability state of slopes can be evaluated by synthesizing a group of moments. But in Dodagoudar's method, Rosenblueth's state function is composed of only two kinds of combinations of parameters rather than 2n kinds of combinations. So a modified fuzzy point estimate method is proposed by the authors, and it is used in a slope reliability analysis.     

基于主成分分析和支持向量机的鲁棒稀疏线性判别分析方法

为了提高人脸图像的识别率、识别效率和鲁棒性,提出一种基于主成分分析（Principal Component Analysis, PCA）和支持向量机（support Vector machine,SVM）的鲁棒稀疏线性判别分析方法,通过ORL和YaleB人脸库、COIL20物体库和UCI机器学习库中部分数据集,将本文方法与线性判别分析、鲁棒线性判别分析、基于 范数和巴氏距离的鲁棒线性判别分析、鲁棒自适应线性判别分析和鲁棒稀疏线性判别分析等六种方法进行比较。实验结果表明,在ORL人脸库、COIL20物体库和UCI机器学习库的部分数据集中,在原始图像条件下,本文方法的识别率均值依次为92.80%,97.76%和89.61%,均高于其它5种方法。在YaleB人脸库加入椒盐噪声的条件下,本文方法的识别率均值为81.35%,比其它五种方法高1.37%以上。     

结合过完备字典与PCA的小样本语音情感识别方法

针对稀疏表示识别方法需要大量样本训练过完备字典且特征冗余度较高的问题,提出了结合过完备字典学习与PCA降维的小样本语音情感识别算法.该方法首先用PCA降维方法将特征降维,再将处理后的特征用于过完备字典训练与稀疏表示识别方法,从而给出了语音情感特征的稀疏表示方法,并确定了新算法的具体步骤.为验证其有效性,在同等特征维数下,将方法与BP、SVM进行比较,并对比、分析语音情感特征稀疏化前后对语音情感识别率、时间效率以及空间效率的影响.试验结果表明,所提出方法的识别率比SVM与BP高;与采用稀疏化前的特征相比,稀疏化后的特征向量更便于处理,平均识别率提高约15%,时间效率提高近原来的1/2,空间效率提升近原来的1/3.