一种新的线性判别准则在人脸识别中的应用

针对Fisher线性判别分析(LDA)在进行人脸识别这种小样本问题分类时常常遇到类内散度矩阵Sw奇异,而无法直接应用的问题,提出一种新的线性判别准则,即:定义一个新的准则函数,在对类内散度矩阵无奇异性要求的情况下,找到此准则函数最优的权向量.应用此判别准则和Fisher LDA方法分别在ORL人脸数据库上选取40个人的图像进行识别率的测试,Fisher LDA方法的识别率为0.95,而本文方法的识别率可以达到0.955,优于Fisher LDA方法.     

巷道岩体质量分类的距离判别方法及应用

将距离判别分析法应用于岩体质量等级判别与分类中,建立了岩体质量综合评判的距离判别模型。模型选取岩石质量指标、单轴饱和抗压强度、完整性系数、纵波波速、结构面摩擦因数和弹性抗力系数等6个指标作为判别因子;以洞室围岩实测数据作为训练样本,建立相应线性判别函数对待判样本进行分类。研究结果表明:距离判别分析模型是岩体分类的一种有效方法,可以在实际工程中应用。     

结合FDA与NMF的高光谱数据解混方法

高光谱图像解混是遥感图像处理的重要技术之一．利用非负矩阵分解（NMF）进行高光谱图像解混是近年来发展起来的一种方法．这种解混方法假设光谱具有稳定的光谱特性;但实际上光谱经常是多变的,这个现象影响着解混的精度．为了减小这一影响,首先利用Fisher判别分析（FDA）对高光谱数据进行线性变换,而后利用变换后的高光谱数据提出了一种FDA与NMF相结合的高光谱数据解混方法．实验表明新方法能够有效地提高解混精度与效率．     

时滞积微分系统最优参数选择问题的一致算法

文章讨论了带时滞项的积微分系统最优参数选择问题,并利用变分法推导出目标函数的梯度公式,将最优参数选择问题当成最优化问题利用逐步二次规划法（SQP）进行数值求解,并给出具体的算法．     

鄂尔多斯地区沙漠化遥感定量评价

利用Landsat TM遥感光谱信息,构建了多维向量空间下的14个遥感定量指标,采用Fisher逐步判别分析法从这些指标中筛选出8个与沙漠化现状(非沙漠化、潜在沙漠化、沙漠化)密切相关的指标(氧化铁、地表反照率、植被指数)和反映水与植物特性的5个波段(波段1,2,4,5,7),又分辨出6个与沙漠化程度密切相关的变量(氧化铁、地表反照率、植被指数和反映土壤水分和植物水分的2个波段(波段5,7)).利用这些指标建立的判别方程对鄂尔多斯地区沙漠化程度进行了评价,并与2000年的沙漠化程度评价结果对比,发现判别方程的精度达68.9%.结合遥感光谱信息和Fisher分类器可以在遥感图像处理软件下实现沙漠化现状与程度的自动识别,与单纯使用遥感光谱信息进行分类相比,引入遥感代用指标,对于沙漠化现状与程度的分类和分级具有更好的效果.     

用逐步稳态替换法确定低渗油藏合理井距

以杨清立提出的非线性渗流连续模型及最新试验数据为基础,利用逐步稳态替换法确定低渗透油藏的合理井距,分析启动压力梯度和驱动压差对合理井距的影响.结果表明:启动压力梯度对合理井距有较大影响,启动压力梯度越大,合理井距越小;启动压力梯度较小时,增大驱动压差可以增大注采井距;启动压力梯度较大时,驱动压差的影响不大,需要采取压裂...     

一种LDA和聚类融合的SVM多类分类方法

改进传统的基于二叉树结构的支持向量机多类分类方法。将无监督聚类引入到算法中,利用无监督聚类剔除大量的非支持向量样本,同时对于无监督聚类在异类样本相近时出现的性能下降问题,引入线性判别分析使得同类样本聚集,异类样本分散,确保聚类精度。线性判别分析和无监督聚类结合能够显著地缩减训练样本。该方法能够在保持分类准确率的情况下有效地提高SVM的分类速度。     

线性判别分析与主成分分析及其相关研究评述

线性判别分析（LDA）和主成分分析（PCA）都在各个领域有着重要的作用。他们各自抓住样本在特征空间的不同特征,一般情况下更趋向于使用LDA,因为LDA直接处理类间的分析问题,而PCA则没有突出类的结构。然而实验证明PCA在某些问题上又明显优于LDA。于是,改进或结合使用LDA与PCA成了非常必要的课题。现阶段在这个领域上已经有许多优秀的研究成果,本文简单的介绍了其中几种效果较好的相关分析方法,其中又以混合判别分析（HDA）最优。HDA不仅同时抓住了样本的判别信息和描述信息,使PCA与LDA在各种情况下达到平衡,而且在二维参数空间中提供了一系列的分析方法,更有利于解决小样本问题和高维问题。Boosted HDA的提出通过用迭代的方法改进弱分类器,避免了HDA复杂的参数搜索,并得到一种统一计算HDA的方法。文章将在第三部分引用一些已有的实验结果来验证HDA的优越性。     

改进的二阶段滤子SQP算法

利用序列二次规划来求解非线性规划问题,并且引进滤子概念.在算法中,每次迭代分成可行阶段和最优化阶段,在可行阶段,减小不可行性的某种度量;在最优阶段,减小增广La-grange函数值.在一些弱的条件下,证明了算法的全局收敛性.     

基于判别分析的高速公路交通安全实时评价指标

为了实时评价交通流变化对高速公路交通事故风险的影响,利用高精度交通流数据建立了高速公路交通安全实时评价指标.提取了美国加州I-880 N高速公路上采集间隔为30 s的实时交通流数据和事故数据,采用Fisher判别分析方法建立交通流参数的线性组合,以判别危险交通流状态.该线性组合被定义为高速公路交通安全实时评价指标,当该指标小于0时,代表危险交通流状态,有发生交通事故的风险;当该指标大于0时,代表正常交通流状态,没有发生交通事故的风险.采用条件logistic回归模型进一步研究了该指标与交通事故风险之间的定量关系.研究结果表明,该指标预测事故的精度为65.7％.另外,该指标每减小1个单位,交通事故风险将提高1.8倍.