J/ψ衰变到(n)Ks0Λ和 (p)Ks0∑+的模拟研究

采用北京谱仪BESⅢ离线模拟软件系统BOSS6.5.1版本对重子衰变道J/ψ→ (n)Ks0Λ,J/ψ→ (p)Ks0∑+衰变过程进行了蒙特卡罗模拟研究,得到相应的探测效率及本底比率.数值研究结果表明:BESⅢ上的事例选择效率比BESⅡ提高了两倍多,并且所有的本底事例数对信号影响基本可以忽略,根据J/ψ事例数、探测效率和衰变分支比计算出在BESⅢ上可以分别得到6 200±1 037和2 794±770好事例.该结果对BESⅢ上J/ψ总数的取数计划和实验数据分析具有重要的意义.     

J/ψ衰变到■K_S~0Λ和K_S~0Σ~+的模拟研究

采用北京谱仪BESIII离线模拟软件系统BOSS6.5.1版本对重子衰变道J/ψ→■K0SΛ,J/ψ→KS0Σ+衰变过程进行了蒙特卡罗模拟研究,得到相应的探测效率及本底比率。数值研究结果表明:BESIII上的事例选择效率比BESII提高了两倍多,并且所有的本底事例数对信号影响基本可以忽略,根据J/ψ事例数、探测效率和衰变分支比计算出在BESIII上可以分别得到6 200±1 037和2 794±770好事例。该结果对BESIII上J/ψ总数的取数计划和实验数据分析具有重要的意义。     

神经网络法鉴别来自pp对撞不同过程的eμ事例

基于ＰＹＴＨＩＡ５．６蒙特卡罗模拟，作为一种唯象的研究，对于ＬＨＣＰＰ对撞中来自Ｈ→ｒ＋ｒ－，Ｄｒｅｌｌ－Ｙａｎ，以及ｔｔ和Ｗ＋Ｗ－过程的ｅμ事例，用一具有多个输出网点的前馈式神经元网络进行鉴别，对各物理过程均获得了满意的选择效率和本底压低水平．该研究适用于未来中能质量区Ｈｉｇｇｓ粒子和ｔｏｐ夸克的寻找，以及Ｗ＋Ｗ－物理的实验研究．     

大亚湾反应堆中微子实验Monte Carlo样本事例混合的interleaving算法

在反应堆中微子实验的物理数据分析中,前后事例间的时间关联分析是非常重要的一环.对事例间时间结构特性的研究,将有助于理解本底事例产生的物理机制,有利于对信号事例的挑选和对本底事例的排除.与此相应,在产生可用于物理分析的反应堆中微子Monte Carlo(MC)模拟数据的过程中,重构不同事例间的时间关联是一个重要步骤.通过研究大亚湾反应堆中微子实验的数据特点,开发了interleaving算法用于产生带有时间关联的海量物理数据;利用该方法实现了对不同样本的MC数据按事例率的混合;并简要给出了interleaving算法的空间和时间复杂度分析。     

环境中子测量中的偶然符合alpha事例修正

在暗物质直接探测实验中,中子是十分重要的环境本底.利用快慢符合法,一个掺钆的液闪探测器被分别用于测量了世界最深的地下实验室-中国锦屏地下实验室的实验大厅及1 m厚聚乙烯房间内的快中子本底通量及能谱.由于液闪无法通过信号波形区分中子与alpha事例,因此液闪中长寿命的U/Th核素衰变放出的alpha粒子是必须考虑的本底之一.在长期平衡假设条件下,实验测得液闪内部alpha粒子的总计数率为(0.548±0.002) s~(-1),再通过偶然符合算法,可得到实验大厅356天总计2682个中子候选事例中,有6个偶然符合的alpha事例;聚乙烯房间173天总计44个中子候选事例中,有2个偶然符合的alpha事例.偶然符合的alpha粒子对大厅的快中子通量测量结果影响可以忽略,而对聚乙烯房间中的通量结果约有4%的影响.     

通过J/Ψ→μ+μ-确定BES Ⅲ上J/Ψ总数

基于BES Ⅲ离线软件系统BOSS6.3.4,研究J/Ψ衰变到μ+μ-的事例挑选、探测效率以及本底估计,并用此过程来确定BESⅢ上J/Ψ总数.实验结果显示:用这种方法能得到事例选择效率为55.55%;得到的探测效率与硬件结构相符合;很好地将来自J/Ψ衰变的本底压低,提供了估计QED本底的方法;最后得到蒙特卡罗样本的输入与输出差别为0.08%.以上结果说明该方法适合精确地确定BESⅢ上高统计量的J/Ψ总数.     

主成分分析法和Fisher判别方法在汽油分类分析过程中的应用

应用主成分分析(principal component analysis,PCA)法对从90#和93#两种汽油的50个实验样所取的特征数据进行降维处理,再结合Fisher判别方法对这两种汽油进行分类,并将分类结果与不采用PCA法而直接计算数据所得出的Fisher判别结果进行比较,前者的分类正确率达到100%,而后者却只有50%.结果说明采用PCA方法事先对数据处理可以大大的提高汽油分类的准确性.     

基于模糊Bayes-Gauss判别法的遥感影像的聚类

针对Fisher线性判别法和传统的Bayes判别方法在遥感影像聚类问题研究中存在的不足,提出一种以隶属度代替先验概率的模糊Bayes-Gauss聚类算法,并将此算法应用于真彩色(RGB)图像中的草地、道路、裸土地和建筑物的聚类.实验结果表明,本算法在聚类中与Fisher线性判别法和传统Bayes判别法相比,具有精确度较...     

判别分析和SPSS的使用

给出距离判别法,Bayes判别法和Fisher判别法三者之间的内在联系,给出SPSS中Fisher判别法、非标准化判别法所对应的函数表达式,它们与3种判别法的关系.用例子验证所得的结论,说明利用SPSS中的判别分析方法进行3种判别分析的具体过程.     

η'衰变到γπ~+π~-的蒙特卡罗产生子研究

在高能物理实验数据分析中,事例选择效率是排除探测器和数据分析因素,从而获得物理测量量的必要输入参量.蒙特卡罗(MC)模拟是获得事例选择效率的唯一方法.结合实验数据与现有的理论模型,研究考虑了盒子反常效应的η'衰变到γπ+π-蒙特卡罗产生子的方法,获得的结果能够较好地与实验数据符合.     

鉴别相对梯度直方图特征提取与分类方法简

在相对梯度直方图特征的基础上,结合Fisher线性鉴别分析和角度距离相似性度量方法,提出了一种鉴别相对梯度直方图特征提取与分类方法。充分利用相对梯度直方图和鉴别分析的优势,使所得特征保留更多的对分类有利的信息;引入角度距离相似性度量,很好地克服了传统余弦相似性度量的缺陷,使人脸分类更准确。通过FERET、YaleB和PIE 3个人脸图像子集上的实验证实,鉴别相对梯度直方图特征提取与分类方法能显著提升图像梯度描述特征的分类精度,并对人脸的光照变化具有良好的健壮性。     

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。     

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。     

基于神经网络的超声无损检测缺陷定征方法的研究

针对超声无损检测中缺陷分类难、分类结果可靠性差等问题，给出了一种以神经网络为基础的缺陷特征分类方法。利用Ｆｉｓｈｅｒ线性判别方法对表征缺陷特征的时域信号的波形参数进行了选择，并将这些参数作为神经网络的输入矢量对网络进行训练，用该网络对缺陷特征进行了识别，结果表明：神经网络的识别率远大于传统的贝叶斯分类方法。     

改进的Fisher判别方法

对Fisher判别方法进行了改进,其主要思想是改变Fisher判别中以临界值为准则的判别方法,而以各总体的投影值所确定的正态分布的密度函数作为样品归类准则,并形成多次判别.例子表明,该方法优于Fisher判别方法.     

基于优化肌电特征的无声语音信号识别

提出了一种基于遗传算法(GA)和fisher投影的最佳可鉴别基的求解方法.将原始特征向量向着最佳可鉴别基投影可得到具有最佳可分性的新的特征向量.从颧肌和二腹肌前腹的皮肤表面检测无声发出6个汉语元音的表面肌电信号(SEMG),以该肌电信号的AR模型系数、倒谱系数和美尔倒谱系数作为原始特征向量.使用遗传算法找出了原始特征的次优组合,并组成新的特征向量.将GA找出的次优特征向量向着fisher最佳可鉴别基投影可得到最佳鉴别特征向量.最后用改进的BP神经网络作为分类器得到了较好的识别效果.     

基于CCA的增强线性鉴别分析

为了有效地融合Fisher线性鉴别分析与最大散度差鉴别分析所抽取的特征,得到更加全面反映原始样本的鉴别特征集,提出了基于典型相关分析的增强线性鉴别分析方法.利用Fisher线性鉴别分析和最大散度差鉴别分析方法提取两组鉴别特征,根据典型相关分析对这两组特征进行融合,获得更具鉴别力的典型鉴别特征.经过ORL标准人脸库实验,验证了所提算法的有效性.     

基于多目标优化问题模型的鉴别分析方法

该文提出一种新的Fisher鉴别分析的多目标优化问题模型。模型将最大的Fisher函数值与鉴别矢量所抽取特征间最小的相关同时作为优化目标。通过构造评价函数,将这一问题转换为适当的单目标优化问题。利用问题模型的特殊性,用Lagrange乘子法分析得出了相应鉴别矢量解的表达式。将该方法与F—S鉴别分析方法在CENPARMI手写体阿拉伯数字库上进行了对比实验。实验显示,该文方法明显优于F—S鉴别分析方法。     

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.     

一种RBFN和FLD融合的说话人识别方法

提出一种新的可用于说话人识别的径向基函数网络(RBFN)阵列．RBFN网设计思想是在确定网络中心点之后采用最小线性方差作为目标函数解得最优权重,该方法并不能得到最优分类效果．使用Fisher目标函数,替代RBF中的误差目标函数来求取最优权重,用与文本无关的闭集说话人识别系统对该算法进行了验证,实验结果表明,该方法提高了RBF分类能力,比传统的RBF、算法以及ROLS算法具有更高的识别率,并在识别效果接近GMM方法的情况下计算量大幅度减少。