基于Fisher准则的SVM参数选择算法

支持向量机(support vector machine,SVM)分类性能主要受到SVM模型选择(包括核函数的选择和参数的选取)的影响,目前SVM模型参数选择的方法并不能较好地确定模型参数。为此基于Fisher准则提出了SVM参数选择算法。该算法利用样本在特征空间中的类别间的线性可分离性,结合梯度下降算法进行参数寻优,并基于Matlab实现选择算法。实验结果表明参数选择算法既提高了SVM训练性能,又大大减少了训练时间。     

马氏转移对数正态模型参数置信区间的Bootstrap估计

马氏状态转移对数正态模型参数的区间估计很难得到。文章提出的Bootstrap法不仅能在Excel环境下克服似然函数关于参数求导以及求导后对随机变量求期望的困难,而且能弥补使用费希尔信息量的倒数I(Θ)-1低估估计量波动的缺陷,同时能方便地得到估计量的分布和协差阵,为研究模型系数估计的稳定性提供了切实可靠的统计方法。     

基于Fisher的手写体数字识别研究与实现

在手写体字符识别研究中,由于书写风格的不同造成了字体变化大,导致识别难度很大,采用面积滤波对数字图像预处理消除离散点,使用Fisher分类器对样本进行分类识别,进行了手写体数字识别研究与实现,分类器识别正确率为96%.     

基于Fisher信息距离的传感器管理方法

在进行面向跟踪的传感器管理方法研究时,传统的思路主要以跟踪精度为导向,但是在数据关联环节,改善或维持目标之间的区分度才是传感器资源分配的主要目的。需求的偏差导致不合理的传感器资源分配结果。依据信息几何理论,以流形中的Fisher信息距离来定义目标之间的区分度,然后直接依据目标之间的区分度制定传感器资源分配策略。关联仿真实验表明,该方法相较于传统的传感器管理方法,有效提高了目标之间的关联正确率。     

基于局域判别基空间能量的特征提取

针对模式识别中如何提取信号有效特征的问题,对信号进行小波包分解,求取小波包局域判别基,提出求取局域判别基的各子空间的能量,形成特征矢量的特征提取方法。利用Fisher准则函数进行特征选择,得到识别特征矢量。在水声模式识别实例中应用此方法提取特征矢量进行分类实验,取得良好的分类效果,验证了该方法的有效性。     

双应力恒加试验Weibull分布型产品置信可靠性评估模型

为了有效快速评估高可靠性长寿命产品在正常应力条件下的可靠性,提出了一种双应力恒加试验Weibull分布型产品置信可靠性评估模型。首先,采用加速寿命试验(accelerated life test,ALT)技术,建立广义Eyring-Weibull可靠性模型,假定试验各应力水平组合下Weibull分布的形状参数相同,且尺度参数与各应力水平组合间呈对数线性关系。其次,给出了Weibull分布定时截尾双应力恒加试验的极大似然估计(maximum likelihood estimation,MLE)方法、与似然函数相关的Fisher信息矩阵以及模型参数的渐近协方差矩阵,构造了模型参数和一些可靠性指标的渐近置信区间。最后,通过仿真算例证明了所提方法的可行性。     

基于四阶累积量与核Fisher判别分析的MPSK信号分类方法

提出了一种基于高阶累积量和核Fisher判别分析的MPSK信号自动调制识别方法。该算法选取信号的四阶累积量作为分类特征,利用核函数的思想把特征向量映射到一个高维空间,并在高维空间中采用线性Fisher判别分析实现了数字信号的分类。选用了径向基核函数,使用一对一或一对余多类构造法,并利用交叉验证网格搜索法优化核函数参数,构建了快速稳健的多类核Fisher判别分析分类器。计算仿真结果表明,基于核Fisher判别分析的分类器具有良好的性能,它与支持向量机的分类精度相当,且训练时间较短。     

视频序列中运动人脸的检测与特征定位

针对视频序列中运动人脸的检测与特征定位问题,给出了一种算法,即通过计算并比较人脸区域而不是整幅视频帧的峰值信噪比（PSNR）,先从视频序列中找到人脸区域清晰度高且尽可能大的视频帧,然后再进行人脸的准确检测与特征定位。首先利用Adaboost方法检测出人脸的大致范围,再根据肤色模型确定人脸的具体位置并从图像中提取出人脸部分,然后利用基于帧间差的人脸区域的PSNR判断图像清晰度,从而定位出人脸区域清晰度高且尽可能大的视频帧,最后进行人脸检测和特征定位。对实际视频序列的计算表明,给出的算法在时间效率上较高,人脸的检测与特征定位效果较好。     

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。