基于核Fisher判别的致密碎屑岩岩性识别

致密碎屑岩储层具有致密、低孔隙和非均质性强等特点,岩性识别是储层预测中的难点之一。文章针对这一问题,提出将核Fisher判别方法用于致密碎屑岩储层的岩性识别,结果表明核Fisher判别方法能有效的识别川西XC地区致密碎屑岩中的砂岩和粉砂岩。     

塔南凹陷复杂岩性低渗透储层测井岩性识别

岩性识别是复杂岩性低渗透油藏高效开发中的关键地质难题,以塔南凹陷白垩系为例,探索了复杂岩性地层
的测井岩性识别方法。研究区白垩系正常陆源碎屑和火山碎屑物质同时沉积,铜钵庙组发育凝灰质砂砾岩、凝灰质砂
岩、沉凝灰岩、凝灰岩、砂岩、砾岩和泥岩7 种岩性类型,岩性复杂,储层物性差,岩性与电性对比度低。在不同岩性地
层测井响应特征研究的基础上,选择4 种测井曲线进行岩性综合解释,采用Fisher 判别方法达到减小同类岩性地层测
井响应差异,并增大不同岩性测井响应差异的目的,建立了研究区7 类岩性的判别函数,实现了非取芯井的测井岩性
识别,识别正确率达到98.1%,解决了复杂岩性低渗透储层中的测井岩性识别难题,为油藏开发提供了技术支持。     

基于KPCA和模糊核Fisher判别的语音情感识别

针对语音情感识别率不高和实时性差的问题,提出一种基于KPCA核主成分空间的模糊KFD算法,应用于语音情感识别。首先采用KPCA对语音情感特征向量降维去噪,根据转换矩阵得到核主成分空间,然后在该特征空间利用模糊C均值聚类计算语音特征向量的隶属度,进而对LDA算法中的类间离散度和类内离散度重新定义,生成模糊KFD分类器进行语音情感识别。仿真实验结果表明,提出的方法相比于传统SVM和核Fisher判别算法具有较高的识别率和良好的抗噪性能,是一种行之有效的语音情感识别新方法。     

基于核Fisher判别的复杂储层岩性识别

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。     

基于核 Fisher 判别的说话人辨认

针对语音特征的自身特点,通过对Fisher判别技术的研究,提出采用核Fisher判别技术来解决说话人辨认.核Fisher判别技术在判别中使用所有训练样本,显著提高了系统的识别率.实验数据表明,该方法在不影响系统实时性的情况下,有效地提高了说话人辨认系统的识别率.     

基于Fisher两类判别的机库目标识别

为实现根据波谱特征识别高分可见光遥感影像上的机库目标,通过分析影像上机库与其他常规地物之间波谱特征的区别,利用常规的Fisher两类判别法分类识别,并针对错分像元较多的问题构建逐层剥离法进行改进。结果表明:逐层剥离法可识别出77%以上的机库目标像元,错分像元较常规方法减少85%以上,能有效去除影像上大部分其他地物的干扰,具有更高的识别精度和效率。     

一种基于近邻边界的改进核Fisher判别方法

针对应用核Fisher判别法进行化工生产过程故障诊断时,存在核映射后的数据空间维数过高,致使判别向量W计算耗时,难以求解;同时,由于化工生产数据不完全服从高斯分布、强耦合、高维度和噪声干扰大等特点,使得投影空间中部分不同类数据不能有效分离,判别正确率未尽人意等问题,提出一种基于近邻边界的改进核Fish-er判别法.该方...     

基于归一化核极限学习机的复杂岩性储层的岩性识别方法

<正>确识别岩性对储层参数的精确计算及流体识别工作具有重要意义。针对复杂岩性储层岩性难以准确判别,考虑到核极限学习机可收敛到全局最优解,将核极限学习机进行改进,提出基于归一化核极限学习机的岩性识别方法。通过对中东伊拉克M油田复杂岩性储层579块岩样进行建模,然后对未参与建模的井进行岩性识别,核极限学习机模型预测准确率达到80.03%,归一化核极限学习机模型不仅在预测准确率达到81.85%,且预测速度仅有0.001 1s,在预测准确率与速度上均优于传统主流模型。     

基于核Fisher鉴别分析的手指静脉识别

抽取最优鉴别特征是手指静脉识别中重要的一步,在提取小样本的高维手指静脉图像特征时,由于光照、温湿度、水平位移等因素的影响使得采集的静脉图像是非线性分布的,为此,提出了一种基于核Fisher鉴别分析（kernel Fisher discriminant analysis,KFDA）提取非线性特征的方法。该方法是利用一个核映射将原始输入空间变换到一个更低维的空间RN中,在此特征空间上用核类间散度阵和核类内散度阵作为Fisher线性判别准则(Fisher linear discriminant,FLD),来得到最佳非线性鉴别特征,根据此鉴别特征计算其相互间的欧式距离进行识别。实验结果表明,核Fisher方法与其他方法相比,具有较低的认假率(false accept rate,FAR)和较快的识别速度。     

基于纹理特征和核Fisher的红细胞识别算法

为解决正常红细胞的计算机自动识别记数问题,提出了一种红细胞识别分类计数算法。首先基于计算机图像处理技术,利用二值图的拓扑特性实现单个细胞的定位。然后根据定位信息提取单个细胞灰度图像数据,计算该细胞图像经小波变换后低频系数的灰度-基元共生矩阵,并提取能量、熵等8个特征作为特征矢量,利用核F isher判别实现对红细胞的识别和计数。实验结果表明该算法具有较高的分类识别正确率,可用于与红细胞形态变化相关疾病的辅助诊断。     

基于多标签核判别分析的人脸身份与性别识别方法

为解决多标签线性判别分析(MLDA)方法在非线性维数约简方面的局限性,提出了一种多标签核判别分析(MKDA)方法,并将其用于人脸的身份与性别识别中.该方法的基本思想是通过非线性映射将训练样本从输入空间映射到高维核特征空间中,并在该特征空间中进行基于MLDA的数据降维.在身份和性别识别中,首先采用MKDA方法对人脸图像特征向量进行降维,获取判别特征矢量集;其次,为每幅人脸图像赋予一个表征身份和性别的多标签类别矢量;最后,采用减秩回归模型(RRR)描述判别特征矢量与多标签类别矢量之间的回归关系,并利用该模型进行未知人脸的身份和性别识别.AR人脸数据库上的实验结果表明:在人脸身份和性别识别中,MKDA方法的识别率高于传统核判别分析(KDA)方法.     

一种基于Fisher准则的说话人识别方法研究

在说话人识别系统中,提高反映说话人个性的语音信号特征参数的有效性和实时性是问题之一.本文在使用线性预测系数倒谱(LPCC)和美尔倒谱系数(MFCC)计算特征参数的基础上利用Fisher准则,构造了一种新的混合特征参数.这种新的参数在不增加系统计算量的同时,结合了LPCC和MFCC各自的优点,具有更好地表征说话人特征的能力,并在一定程度上消除特征的信息冗余,有利于信息的实时处理.     

基于测井相分析技术的复杂岩性识别方法研究

准确识别储集层岩性是海拉尔-塔木察格盆地塔南油田铜钵庙组储集层测井评价面临的主要问题。由于目标区块岩性十分复杂,常规的岩性测井识别方法不能满足该区块岩性准确识别的要求。以测井相分析技术为基础,首先选取该区一口岩心资料齐全和测井质量好的井,对常规测井曲线进行Z值标准化;其次利用主成分分析,对选取的测井参数进行降维处理,提取了四个主成分;然后,利用K均值聚类划定了9类测井相;并通过测井资料划定的测井相与岩心资料对比,建立了测井相-岩性数据库;最后利用Fisher判别法建立了目标区块的岩性判别模型。将建立的判别模型对塔南油田铜钵庙组实际井资料进行了处理,结果显示:预测的岩性与岩心描述的岩性基本一致,验证了测井相分析技术在复杂岩性识别中的可靠性。     

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.     

基于核Fisher判别分析的粮虫特征压缩方法

针对粮仓害虫种类多、类别之间相似度比较高的特点,提出基于核Fisher判别分析的粮虫特征压缩方法.利用高斯径向基核函数,对特征选择后的10维原始数字特征进行核Fisher判别分析,即通过非线性变换将样本数据从输入空间映射到高维特征空间,然后在高维特征空间进行特征提取.从粮虫分类效果方面,将KFDA法与FDA法、PCA法和KPCA法3种方法进行了比较分析.应用KFDA法提取的前4个特征,由最近邻分类器对粮仓中常见的9类粮虫进行分类,验证集的识别率为93.33%.结果表明:KFDA法对粮虫特征的非线性比较敏感,在有效降低特征维数的同时,还提高了类别之间的可分性.     

基于卡方核的正则化线性判别行人再识别算法

针对行人再识别过程中存在获取的训练样本较少,真实样本分布不一定线性可分和算法识别率低的问题,提出基于卡方核的正则化线性判别分析行人再识别算法(KRLDA,kemel regularized linear discriminant analysis)。该算法首先利用核函数将样本从线性不可分的原始空间映射到线性可分的高维特征空间,然后在高维空间中构造描述数据之间邻近关系的散度矩阵,再利用正则化线性判别分析获得高维到低维空间的投影矩阵,使得数据在低维空间能够保持高维空间的可分性,从而提升行人再识别算法的识别率。在VIPeR、iLIDS、CAVIAR和3DPeS数据集上,实验结果表明所提出的算法具有较高识别率。     

基于模糊核判别分析的基因表达数据分析方法

针对基因表达数据空间分布的特性,提出了一种基于模糊核判别分析的基因表达数据分析方法.方法综合了模糊数学以及核判别分析方法的优点,提高了对基因表达数据分类识别的准确性.以多发性骨髓瘤的基因表达数据为例进行了实验,从实验结果可以看出,采用模糊核判别分析方法可以得到最佳的识别效果.     

基于广义判别分析的高光谱影像特征提取

为提高高光谱影像地物识别的精度与速度,采用基于核方法的广义判别分析进行高光谱影像的非线性特征提取.研究了广义判别分析的数学模型、模型求解方法及特征提取过程,并进行了高光谱影像特征提取与分类实验.结果表明:样本点在特征空间中,同类目标大体聚集成团,异类彼此分离,具有良好的紧致性,特征提取结果优于线性判别分析结果.