Fisher准则函数在机械刀具切削磨损检测中的应用

在高精度机床道具切削磨损无接触图像检测中,磨损区域边缘特征容易发生混淆,区分其像素边缘区域成为一个难点。Fisher判别函数可以用于特征提取,即通过选择最具有区分力的特征来改善分类性能。针对这一特点,提出基于Fisher准则函数的机械刀具切削磨损检测方法。首先,对采集到的机械刀具切削磨损图像实施图像增强处理,利用实施修正线性拉伸操作解决光照不均匀问题,凸出刀具磨损区域的细节特征并提高图像质量;其次,利用基于Fisher准则函数的图像阈值分割方法,将刀体区域和其工作背景区域分割出来,使刀具磨损区域更加清晰,提高磨损区域的可识别性;最后,通过Roberts边缘检测确定刀具切削磨损边缘,并使用Zernike正交矩确定刀具切削磨损边缘的精确值以获取磨损区域,提取其磨损信息实现机械刀具切削磨损的检测。实验结果表明:所提方法具有较高图像处理能力以及磨损检测精度。

基于炎性细胞因子构建的Fisher判别函数对抑郁障碍诊断的辅助作用

背景目前,基于症状学的抑郁障碍诊断方式受临床医生经验的主观因素影响较大。寻找更加准确可靠的定量诊断方法是当前亟待解决的问题。目的探讨基于炎性细胞因子构建的Fisher判别函数在抑郁障碍诊断中的价值,为抑郁障碍的诊断提供参考。方法选取2020年4月—11月在河北省精神卫生中心住院治疗的、符合《精神障碍诊断与统计手册(第5版)》(DSM-5)抑郁障碍诊断标准的136例患者为研究组,同期招募与研究组年龄和性别相匹配的67例健康被试为对照组。使用酶联免疫吸附试验(ELISA)检测受试者血清炎性细胞因子水平。采用Fisher判别模型对研究组与对照组存在统计学差异的炎性细胞因子建立判别函数并进行验证。结果研究组促炎细胞因子白细胞介素1β(IL-1β)、白细胞介素6(IL-6)、干扰素γ(INF-γ)、肿瘤坏死因子α(TNF-α)水平均高于对照组,差异均有统计学意义(U=9.115、5.239、4.431、5.428,P均<0.01);研究组抗炎细胞因子白细胞介素4(IL-4)、白细胞介素10(IL-10)、白细胞介素13(IL-13)水平均低于对照组,差异均有统计学意义(U=7.398、7.331、7.614,P均<0.01)。Fisher判别函数回代性检验正确判别率为89.66%,交叉验证正确判别率为88.67%。结论本文构建的Fisher判别函数对抑郁障碍的诊断可能具有较好的辅助作用。

基于Fisher判别分析可分性信息融合的马铃薯VC含量高光谱检测方法

为提高马铃薯VC含量检测结果的准确性和可靠性,提出一种基于Fisher判别分析(Fisher discriminant analysis,FDA)可分性数据融合的检测模型输入变量构建方法。首先,利用高光谱成像技术采集200个马铃薯的高光谱信息,通过对比6种预处理方法和原始数据的建模结果,确定多元散射校正为光谱数据的预处理方法;其次,采用竞争性自适应重加权采样(competitive adaptive reweighted sampling,CARS)、连续投影算法(successive projections algorithm,SPA)及CARS-SPA组合算法3种方法提取相应特征波长,通过对比分析最终确定34个有效特征波长;然后,将有效特征波长进行FDA可分性数据融合,根据融合的新变量对样本间差异性判别能力的大小进行筛选,确定构建检测模型的输入变量;最后,分别对FDA融合前后筛选的变量建立偏最小二乘模型和反向传播神经网络(back propagation neural network,BPNN)模型,并对检测结果进行对比分析。结果表明,将CARS算法提取的34个特征波长进行FDA融合,采用前3个融合变量作为构建检测模型的输入变量时,其所建BPNN模型的相关系数由0.9726提高至0.9990,均方根误差由0.7723降低至0.1727,不仅能够极大地降低数据分析维度,而且能够提高检测结果的准确性。因此,基于FDA可分性数据融合构建检测模型输入变量可以提高马铃薯VC含量检测结果的准确性。

三维荧光光谱融合小波包分解融合Fisher判别分析及支持向量机识别紫苏

为实现紫苏品种的快速鉴别,避免以次充好,选取4个品种的紫苏采集三维荧光数据,提出了一种基于小波包分解融合Fisher判别分析(Fisher discriminant analysis,FDA)的荧光数据特征选择策略,并实施了4种紫苏的有效鉴别。首先,对三维荧光数据进行预处理,采用Delaunay三角形内插值法去除瑞利散射和拉曼散射,以消除它们的不利影响;运用Savitzky-Golar卷积平滑对数据进行平滑处理,以减少噪声的干扰。同时,对三维荧光数据进行初步筛选,去除了荧光强度小于0.01的发射波长。然后,对各激发波长对应的发射光谱进行3层sym4小波包分解,计算得到最低频段的小波包能量值,作为各激发波长光谱数据表征量。接着,再利用FDA对小波包能量进行判别分析,将其所包含的差异性信息进行融合,得到FDA生成的新变量,并选取累计判别能力达到99%的前3个FD变量作为不同品种差异性信息的表征变量,提出三维荧光数据的表征策略。最后,利用BP神经网络(backpropagation neural network,BPNN)和支持向量机(support vector machine,SVM)两种模式识别算法对表征变量进行分析,得到FDA+BPNN和FDA+SVM两种鉴别结果。FDA+BPNN的训练集正确率为97.5%,测试集正确率为95%;FDA+SVM的训练集和测试集的正确率均达到98.33%。结果表明,三维荧光光谱技术结合小波包分解、FDA和SVM算法基本上能够实现紫苏品种的鉴别。这为后续有关紫苏的进一步检测研究(如某些有效成分的定量检测)提供了研究基础。

模糊逆Fisher鉴别分析及其在人脸识别中的应用

在逆Fisher鉴别分析的基础上,引入了模糊数学的思想,提出了模糊逆Fisher鉴别分析并成功应用于人脸识别。模糊逆Fisher鉴别分析通过隶属度函数将样本归入所有的类别之中,根据隶属度重新定义了类间散布矩阵和类内散布矩阵,进而将样本的原始分布信息通过相应的隶属度函数完全融入到了最后提取到的特征中。在ORL和FERET人脸库上的实验结果证明了基于模糊逆Fisher鉴别准则特征提取方法的优越性。

基于遥感初判的建筑物震害Fisher判别法研究

破坏性地震发生后,迅速准确地预测建筑物破坏程度,对快速科学地开展地震应急指挥、救援力量部署等工作具有重大意义。针对现有建筑震害预测模型存在的评估结果粗糙、数据获取难度较高、计算工作量大、模型构建难度大、普适性不强等问题,提出一种基于遥感初判的建筑物震害Fisher判别法。首先,从地震强度和建筑物抗震能力两方面选取震级、震中距、场地条件及建筑物抗震能力4种震害作为判别因子;然后,基于判别分析理论,构建建筑物震害Fisher判别模型;最后,以四川泸定县6.0级地震为例,对文章提出方法进行验证。实验结果表明:该方法的预测结果与实际震害基本一致,准确率高达80%以上,证明该方法具有较高的可靠性,能较准确地对建筑物震害程度进行科学预测。

基于Fisher判别分析对不同油分烟叶的识别研究

为烟叶油分档次的判别提供参考,以三门峡主产区132份初烤烟叶为样品,评定油分档次后,测定烟叶样品中主要含氮化合物的含量,运用方差分析、Spearman相关性分析和主成分分析筛选出油分档次的判别指标,采用Fisher判别分析建立烟叶油分档次的判别模型。结果表明,不同油分烟叶的含氮化合物中大多数氨基酸含量(19/21)存在显著差异,除脯氨酸外,基本与油分呈显著或极显著负相关。经过主成分分析,从主要含氮化合物中提取出4个主成分,代表了总指标73.441%的信息,筛选出17种烟叶油分的特征含氮化合物。经Fisher判别分析,确定了17种游离氨基酸作为烟叶油分的有效判别指标,构建了烟叶油分档次的Fisher判别模型,训练集和测试集的识别率均为100%。并利用江西吉安和云南楚雄的20份样品对模型进行了验证,准确率分别为100%和80%,对烟叶油分档次的判别效果较好。游离氨基酸的检测结合多元统计分析方法可用于烟叶油分档次的判别。

基于组合权重的Fisher最优分割法在水库汛期分期中的应用

针对Fisher最优分割法中多指标赋权仅考虑单一客观赋权法的不足,将基于信息论的熵权法和基于统计学原理的变异系数法、CRITIC赋权法引入到指标权重计算中,提出基于组合权重的Fisher最优分割法进行水库汛期分期。以水布垭水库为例,选取能反映洪水变化规律的旬平均流量、最大洪峰流量出现次数、旬最大一日洪量、旬最大三日洪量、旬最大七日洪量5个指标,采用基于组合权重的Fisher最优分割法进行汛期分期,并将分期结果与采用单一客观赋权法的分期结果进行对比分析,最后确定汛期分为3期最优,前汛期为5月1日至6月10日、主汛期为6月11日至7月31日、后汛期为8月1日至9月30日。研究结果表明:采用组合权重法确定权重既兼顾了熵权法、变异系数法、CRITIC赋权法的优势,又能直观地区分不同指标对汛期分期的影响程度,该方法适用于Fisher最优分割法中多指标权重的确定。

抗GQ1b、GT1a、Sulfatide抗体阳性的类重症肌无力Miller-Fisher综合征1例报告

Miller-Fisher综合征(Miller-Fisher syndrome,MFS)是吉兰-巴雷综合征(Guillain-Barre syndrome,GBS)的一种临床变异型,以共济失调、眼肌麻痹及腱反射消失为主要临床特征,极少出现瞳孔改变和瞳孔对光反射异常,一般无症状波动,部分患者可检测到抗GQ1b IgG抗体阳性。本文报告了1例抗GQ1b、GT1a、Sulfatide抗体阳性的MFS,以波动性眼外肌麻痹起病,伴双侧瞳孔散大、对光反射迟钝及四肢麻木无力,症状少见不典型,临床极易误诊。

时间分数阶Fisher方程的高精度数值解法

[目的]时间分数阶Fisher方程可以描述流体力学、热核反应、等离子体物理和传染病传播等问题中的非线性现象.但关于该方程高效的数值格式研究成果较少,且大多采用差分法对方程进行离散.为了使分数阶Fisher方程得到更广泛的应用,本文给出一种求解非线性时间分数阶Fisher方程的高精度数值解法.[方法]在空间上,采用Fourier-Galerkin谱方法进行离散得到一组关于时间的非线性常微分方程组;在时间上,采用谱延迟校正法对时间常微分方程组进行迭代校正,得到高精度的数值解.[结果]该数值解法结合了Fourier-Galerkin谱方法和谱延迟校正法的特点,具有精度高、稳定性好、储存量小及计算时间快等优点.最后通过数值算例验证了所构造的数值格式在时间和空间方向上都能达到高阶精度.[结论]将Fourier-Galerkin谱方法与谱延迟校正法相结合,计算时间分数阶Fisher方程的数值解.通过计算误差范数,验证了所构造的数值格式的稳定性和收敛性.对比差分法所构造的数值格式,本文构造的数值格式在时空方向上都能够达到高阶精度,并且运行速度更快.

基于混合von Mises-Fisher分布的双向对抗神经主题模型

主题模型作为一种文本分析工具,能够自动地从文本数据中挖掘潜在的主题或语义信息。然而,已有的主题模型常假设不适当的先验且难以利用外部语义知识提高主题的质量,导致主题一致性不足。针对这些局限,提出一种基于混合von Mises-Fisher(vMF)分布的双向对抗神经主题模型。该模型通过编码器执行主题推断,同时为向主题建模过程中引入外部语义知识,提出在生成器网络中将主题建模为词嵌入空间的混合vMF分布,判别器网络被训练用于识别真假样本。在4个公开文本语料的实验结果表明,与其他基准主题模型相比,所提模型获得了更高的主题一致性。此外,当基于提取的主题进行文本聚类实验时,所提模型有效提高了文本聚类的准确率。

基于中心偏移的Fisher score与直觉邻域模糊熵的多标记特征选择

现有多标记Fisher score模型中边缘样本会影响算法分类效果。鉴于邻域直觉模糊熵处理不确定信息时具有更强的表达能力与分辨能力的优势,文中提出了一种基于中心偏移的Fisher score与邻域直觉模糊熵的多标记特征选择方法。首先,根据标记将多标记论域划分为多个样本集,计算样本集的特征均值作为标记下样本的原始中心点,以最远样本的距离乘以距离系数,去除边缘样本集,定义了新的有效样本集,计算中心偏移处理后的标记下每个特征的得分以及标记集的特征得分,进而建立了基于中心偏移的多标记Fisher score模型,预处理多标记数据。然后,引入多标记分类间隔作为自适应模糊邻域半径参数,定义了模糊邻域相似关系和模糊邻域粒,由此构造了多标记模糊邻域粗糙集的上、下近似集;在此基础上提出了多标记邻域粗糙直觉隶属度函数和非隶属度函数,定义了多标记邻域直觉模糊熵。最后,给出了特征的外部和内部重要度的计算公式,设计了基于邻域直觉模糊熵的多标记特征选择算法,筛选出最优特征子集。在多标记K近邻分类器下、9个多标记数据集上的实验结果表明,所提算法选择的最优子集具有良好的分类性能。

基于Kernel Fisher Discriminant的JPEG文件隐形信息检测算法

隐秘信息分析的目的是正确的分辨出文件中是否带有隐藏的信息。自然图像和隐秘图像的DCT系数经过差分之后,它们的直方图会呈现不同的规律,以此为特征向量,来检测JPEG图像是否带有隐藏信息。并通过对低隐藏信息量的JPEG图像进一步分析,发现采用线性核函数的核Fisher判别有着较好的检测性能。实验结果表明,本文的算法有效。

基于PCA的Fisher多元统计方法识别矿井充水水源

采煤工作面回采过程中充水水源的多源不确定性是矿井水害防治的研究重点,采用水化学信息识别充水水源时,常难以明确界定各充水水源的特征型水质阈值,且现有大多数分析判别方法判别精度不高。基于现场采集的马脊梁煤矿8210工作面矿井涌水可能充水水源样本建立样本数据库,采用Piper三线图法和多因子法分析各充水水源的水质类型及训练样本数据库,建立了基于主成分分析的Fisher判别模型,并根据欧氏距离判别原则分析识别采空区涌水的充水水源。结果表明,充水水源主要为侏罗系采空积水,其次为底板灰岩水和顶板砂岩水;该判别模型判别精度可以达到99.9%,对于采煤工作面矿井涌水充水水源的现场识别具有重要指导意义。

基于Fisher判别法的致密砂岩测井成岩相识别——以鄂尔多斯盆地YQ-XC地区长8储层为例

成岩相与储层质量密切相关,通过研究储层的成岩相,可为储层“甜点”的预测提供指导,为油气的勘探开发提供依据。本文应用物性分析测试、铸体薄片、扫描电镜、阴极发光等实验,同时根据成岩作用类型、成岩矿物组合等将鄂尔多斯盆地YQ-XC地区长8储层划分为五种成岩相类型:致密压实相、不稳定组分溶蚀相、残余粒间孔相、碳酸盐胶结相和黏土矿物胶结相。通过交会图处理常规测井资料,发现不同的成岩相具有不同的测井响应,但是各成岩相之间分区的重叠部分较多,因此,并不能通过交会图识别不同成岩相。利用Fisher判别法计算各样品点平面投影,建立不同成岩相的判别函数,对成岩相的正确识别率可达93.9%。通过与铸体薄片鉴定结果对比,验证了该方法的准确性,同时结合岩屑录井资料分析,认为成岩相对于油气富集具有一定的控制作用,残余粒间孔相储层为油气富集区域,不稳定组分溶蚀相次之,可将残余粒间孔相和不稳定组分溶蚀相作为研究区下一步油气勘探开发的重点区带。

基于自编码器和Fisher矢量编码的人脸防伪检测研究

为了应对针对人脸识别系统的欺骗攻击,设计一种基于软件的方法来检测人脸欺骗攻击。首先,从多个颜色通道中随机提取局部视频块并将其向量化,随后训练并使用自编码器将提取的向量进一步编码为局部低维特征;接着,利用这些特征拟合一个高斯混合模型;然后,使用Fisher矢量编码将来自同一样本的全部局部低维特征聚合成一个全局特征向量;最后,通过支持向量机对这些全局特征进行分类。在三个标准人脸欺骗数据集上的实验结果证明了该方法的有效性。在IDIAP数据集上的半错误率为0%,在CASIA数据集和MSU数据集上的等错误率分别为3.33%和2.08%。该方法结合自编码器和Fisher矢量编码,在低维特征的情况下取得了较高的性能,可以有效地抵抗人脸识别中基于照片和视频的欺骗攻击。

Fisher判别函数在足迹分析性别中的应用

结合脚型性别差异研究,为了选取出足迹上与性别显著相关的特征,以便通过Fisher判别法建立函数模型,本研究测量了共7个与性别显著相关的几何特征,通过T检验和Fisher判别法建立了模型;利用Fisher判别分析建立了典则判别函数和Fisher线性判别函数。实验结果显示,选取的特征对模型影响显著,函数模型预测准确率为92.3%。该判别函数模型可以显著提高足迹分析性别的准确率,可为技术侦查提供帮助。

改进Fisher判别法的突水水源快速判别模型

为快速有效地判别矿井突水水源位置,预防水害事故的发生,根据平煤五矿实际水文地质特征,针对砂岩、太灰和寒灰含水层水质差异性,收集34组水样资料,并选取K^(+)+Na^(+)、Ca^(2+)、Mg^(2+)、SO_(4)^(2-)、Cl^(-)、HCO_(3)^(-)六大常规水化学离子作为判别因子,开展水化学特征分析;结合PCA降维统计算法,建立改进的Fisher水源判别模型,并利用待测样本对比改进前后Fisher模型的判别结果,同时将训练样本回代到改进模型中进行验证。结果表明,根据水化学类型无法准确区分寒灰水与太灰水;利用改进Fisher判别模型测试10组待测样本,判别准确率为100%,相较于基础Fisher模型,准确率提高了20%,应用改进Fisher判别模型可大幅提升水源识别准确率;已知训练样本的回代结果显示,改进Fisher判别结果与实际情况基本吻合。通过2种模型的对比分析,采用改进Fisher模型进行矿井水源识别准确率及可靠性高,具有一定研究价值,可为矿井水源识别提供新的思路。

时间分数阶(2+1)-维扩展Fisher-Kolmogorov方程的精确解

利用Lie方法对一类时间分数阶(2+1)-维扩展Fisher-Kolmogorov方程进行对称分析,并求得该方程的不变解,借助不变解对方程进行降维处理。对引入分数阶复变换得到的常微分方程运用辅助函数法,从而得到这类时间分数阶方程在参数满足各种不同情况下的精确解,包括三角函数解和孤波解等。最后绘出两类典型精确解的行波图。

以球麻痹为主要表现的多项神经节苷脂抗体阳性的Miller-Fisher综合征1例并文献复习

目的 探讨Miller-Fisher综合征(MFS)的诊断学特征。方法 回顾性分析我院诊治的1例以球麻痹为主要表现的多项神经节苷脂抗体阳性的MFS患者的临床资料,对照吉兰-巴雷综合征(GBS)常见类型及临床表现进行分析探讨。结果 GQ1b抗体是MFS患者发病的关键因素,可引起视神经损害和延髓麻痹的症状。结论 MFS患者的临床表现常不典型,GQ1b抗体的沉淀部位与临床表现有相关性,不典型的MFS患者可表现为以球麻痹症状起病。