基于Fisher Score特征选择的电力系统暂态稳定评估方法

针对不同电气输入特征与电力系统暂态稳定关联程度不同以及当输入特征受到干扰时评估准确率明显下降的问题,提出一种基于Fisher Score特征选择的电力系统暂态稳定评估方法。设计一种面向电力系统暂态稳定评估二分类问题的样本特征Fisher Score值计算方案;通过Fisher Score值排序有效区分重要特征与冗余特征、噪声特征与非噪声特征;将选择的电气特征输入不同机器学习模型中进行训练和评估。新英格兰39节点系统和IEEE 145节点系统的仿真结果表明,所提特征选择方案能有效筛选电力系统暂态稳定评估中重要度高的特征,提升了评估模型的预测性能。

An Improved Algorithm for the Solution of Generalized Burger-Fishers Equation

In this paper, an improved algorithm for the solution of Generalized Burger-Fisher’s Equation is presented. A Maple code is generated for the algorithm and simulated. It was observed that the algorithm gives the solution with less computation. The solution gives a better result when compared with the numerical solutions in the existing literature.

基于Fisher判别分析的玉米叶部病害图像识别

【目的】利用计算机视觉技术实现玉米叶部病害的自动识别诊断。【方法】在大田开放环境下采集病害图像样本,综合应用基于H阈值分割、迭代二值化、图像形态学运算、轮廓提取等算法处理病害图像,抽取病斑,提取病害图像的纹理、颜色、形状等特征向量,采用遗传算法优化选择出分类特征,并利用费歇尔判别法识别普通锈病、大斑病和褐斑病3种玉米叶部病害。【结果】研究中提取了墒、相关信息测度、分形维数、H值、Cb值、颜色矩、病斑面积、圆度、形状因子等28个特征向量,利用遗传算法优选出H值、颜色矩、病斑面积、形状因子等4个独立、稳定性好、分类能力强的特征向量,应用费歇尔判别分析法识别病害,准确率达到90%以上。【结论】综合运用数字图像处理技术、图像纹理、颜色、形状特征分析方法、遗传算法、费歇尔判别分析方法可以有效识别基于田间条件下采集的病害图像,为田间开放环境下实现大田作物病虫害的快速智能诊断提供借鉴。

基于F-score和二进制灰狼优化的肿瘤基因选择方法

针对肿瘤基因数据维度高、噪声多、冗余性高的现状,结合Spearman相关系数改进F-score算法,在此基础上优化二进制灰狼算法,提出了一种基于改进F-score和二进制灰狼算法的肿瘤基因选择算法.首先,考虑特征之间的相关性,计算每个特征的F-score值和特征之间的Spearman相关系数的绝对值;然后,计算权重系数得出各个特征的权重值,依据重要性进行排序,选出初选特征子集;最后,通过收敛因子的衰减曲线和初始化方法优化二进制灰狼算法,调整全局搜索和局部搜索所占比例,增强全局搜索能力并提高局部搜索速度,有效节省时间开销,提升特征选择的分类性能和效率,得到最优特征子集.在9个肿瘤基因数据集上测试所提算法,在分类准确率和筛选特征数目两个指标上进行仿真实验,并与4种其他算法进行对比,实验结果证明所提算法表现良好,可有效降低基因数据维度,并具有较好的分类精度.

基于图像分块的改进Fisher人脸识别算法

二维方法用于图像矩阵特征提取,虽然速度快,但影响了分类速度。针对二维线性鉴别分析(Two-Dimensional Linear Discriminant Analysis,2DLDA)的特点,研究了一种基于图像分块的改进Fisher人脸识别算法,该算法首先对人脸图像进行压缩降维处理,得到相应的特征矩阵,然后利用改进Fisher算法对特征矩阵进行类间离散度矩阵和类内离散度矩阵的计算,该算法充分考虑了类别信息,避免了传统Fisher算法造成的小样本问题,有效提高了分类速度。基于ORL(Olivetti Research Laboratory)与Yale人脸数据库的实验结果证明了该算法的有效性。

Fisher算法在语音声学模型分析中的研究与应用

语音识别中 ,通常把发音过程看作短时平稳的随机过程 ,为同时兼顾到平稳性和短时性 ,马尔可夫链成为语音建模的有效工具。本文在声学模型研究中 ,首次引进了多元统计分析的理论 ,用Fisher算法对语音模型的状态中心分类进行了研究 ,提出了一种新的基于 Fisher算法的状态中心估计方法 ,并同时指出了在汉语语音识别中 ,HMM状态数宜取在 6～ 8之间。

基于Softplus激活函数和改进Fisher判别的ELM算法

在极限学习机(extreme learning machine,ELM)网络中,对可加型隐单元的激活函数通常选择的是Sigmoid函数.因此,首先提出一种新型修正线性函数的近似平滑函数Softplus来替代它.Softplus激活函数因为更接近生物学的激活模型且具有一定的稀疏能力,可进一步优化网络性能.其次,为了使ELM算法训练的网络具有更好的分类性能,考虑了类内距和类间距的约束,提出了基于改进Fisher判别约束的ELM算法,从而使解析求得的输出权值更加利于分类,进一步改进了识别性能.最后,在手写数字库和人脸库上的实验证明了改进ELM算法的可行性和优越性.

低等级公路货车路侧事故乘员伤害评估方法

为定量评估低等级公路货车路侧事故风险,降低路侧事故损失,使用PC-Crash软件进行仿真试验,研究在不同圆曲线半径、边坡坡度、驶出速度和路基高度的条件下轻型货车和重型货车驶入路侧的事故严重程度。以加速度损伤指标ASI作为乘员伤害评估指标,分别建立了低等级公路直线段和曲线段货车路侧事故乘员损伤程度计算模型。利用Fisher最优分割法,根据ASI有序数据样本,划分了低等级公路货车路侧事故严重度等级并计算了加速度损伤指标ASI阈值,提出了低等级公路货车路侧事故严重度评价标准。研究结果表明:加速度损伤指标ASI与车速和路基高度之间体现出类似于正线性变化趋势;加速度损伤指标ASI与边坡坡度之间体现出类似于指数函数变化趋势;加速度损伤指标ASI与圆曲线半径之间体现出类似于幂函数变化趋势;相比于车速和路基高度,边坡坡度的增加更容易导致车辆冲出路外发生路侧事故,增加路侧事故严重程度;圆曲线半径的增大虽然可以减少路侧事故的严重程度,但其影响相对较小。

基于Cornish-Fisher修正的二元双抽样广义方差控制图

为解决二元双抽样广义方差控制图存在虚发报警概率偏高的问题,采用Cornish-Fisher展开算法对控制图进行修正,以使控制图适用于任意分布总体。通过与Grigoryan和He所研究的二元双抽样广义方差控制图的性能进行对比,验证了改进后控制图的性能优势,并通过实例研究进一步说明了该优势。针对Grigoryan和He未以虚发报警概率作为主要研究指标,且未给出二元双抽样广义方差控制图的虚发报警概率计算方法的缺陷,在进行控制图性能对比之前还构建了二元双抽样广义方差控制图及其改进控制图虚发报警概率的计算方法。

基于动态Fisher聚类算法的多时段二次划分

现有多时段划分方法大多只考虑时间维度下交通流宏观变化,即大范围趋势变化规律,未能考虑交通微观变化下的波动情况。针对这种情况,深入分析交通流的宏观和微观变化,提出了基于动态Fisher聚类算法的多时段二次划分方法。选取济南济泺路—汽车厂东路交叉口对提出的方法进行了验证,实验结果表明与传统方法相比,该方法能更好的适应实际交通流的变化趋势。

二维属性直方图的Fisher准则图像分割及快速递推算法

利用图像中目标和背景之间类间方差和类内方差在类别分离性中的作用,提出了基于二维属性直方图的Fisher准则分割方法.首先,在考虑图像中心像素与邻域中非直接相邻像素的基础上,通过图像直方图的统计分布特性构造属性集,建立新的二维属性直方图.然后根据最大化Fisher准则,获取最优二维阈值向量.同时为降低二维阈值算法的复杂性,提出了快速递推算法.该快速递推算法中,将二维Fisher准则的计算写成递推的形式,减少了大量的重复计算.实验结果表明,所提出的方法不仅能得到理想的分割结果,而且计算量大大减少,达到了快速分割的目的.

一种基于改进核Fisher的故障诊断方法

针对化工过程故障数据呈非线性分布,数据类别复杂,难以进行故障诊断的问题,提出一种改进核Fisher的故障诊断方法。对于原始样本数据投影后,样本出现因类间距离存在很大差异性而导致部分类别样本存在混叠的现象,以及不同类别的边界数据归类模糊问题,给出了统一的解决办法。该方法首先采用改进类间距的方法来改变样本投影空间的分布,使得样本具有较好的投影效果,然后通过定义阈值参数来筛选出边界数据,对于边界数据,采用改进的K近邻(K-NN)算法来分类,对于非边界数据,采用马氏距离来分类。最后在TE过程中进行了仿真验证,结果表明方法在兼顾了故障诊断时间的同时,有效提高了故障诊断精度。

基于LLE与Fisher线性判别的人脸识别算法

为了提高基于流形学习理论人脸识别算法的识别率,采用一种将非线性降维与Fisher线性判别相结合的方法。首先利用邻域嵌入算法,将人脸图像测试和训练集的维数降低到合适维度,然后使用Fisher线性判别进行人脸数据集特征的提取,最后将测试集人脸图像特征和训练集人脸图像特征,使用最近邻分类器进行分类。在公开的Olivettifaces和ORL人脸图像数据库上,分别将该算法与几种经典基于流形学习理论的人脸识别算法进行了对比实验,实验结果表明当近邻数比较大时本算法识别率是最高的。

面向DVS振动信号识别率提升的特征选择算法研究

分布式光纤振动传感(Distributed Optic-fiber Vibration Sensing, DVS)系统可对振动信号实现分布式测量,在实际应用中通常采用模式识别算法对各种振动事件进行识别,然而目前模式识别特征大都固定冗余,不能充分展现振动信号的特性,导致误报率高的问题。针对上述问题,搭建了一套直接探测结构的DVS系统样机,并提出了基于模拟退火算法和Fisher Score算法相结合的混合式特征选择方法。首先使用Fisher Score算法选取合适的特征初始集合,再将Fisher Score嵌入模拟退火算法的新解产生环节中,实现对入侵振动信号的特征组合整体效果较好的选择。通过实验对算法性能进行验证,结果表明:该算法可以剔除冗余入侵振动信号特征,拥有较快的收敛速度,使系统的识别率由80.23%提升至94.46%。

有约束优化中结合Fisher函数的梯度投影算法

利用Fisher函数的特性,对求解约束优化问题提出一种新的结合Fisher函数的梯度投影算法。并且证明在通常的假设条件下,该算法在非精确线搜索下具有全局收敛性。

基于Fisher判别的分布式K-Means聚类算法

为了解决集中式聚类算法不能处理海量大数据的问题,提出基于Fisher判别确定置信半径的分布式聚类算法.应用网络上各个节点的计算、存储能力,以及网络的带宽,将聚类所需的时间复杂度和空间复杂度平摊到各个节点.通过应用Fisher线性判别找到节点在同一子类数据上的稠密和稀疏分布,从而快速确定聚类的置信半径并指导下一步的聚类过程,使得保持聚类精度的同时能提高分布式聚类的速度.对算法进行了数值模拟,并使用真实数据完成了试验.结果表明,所提出算法相比DFEKM聚类算法,能根据数据分布的不同在聚类结果和聚类速度上达到很好的平衡,这表明该算法具有更好的健壮性.

基于Fisher准则函数的二维阈值图像分割算法

文章针对图像分割中小目标物体识别困难和抗噪声性能差的问题,引入模式识别中的Fisher评价函数作为图像分割准则函数,基于Fisher准则函数提出二维阈值分割新技术,结合二维直方图抗噪声性能强和Fisher准则函数受目标和背景比例影响小的特点,对图像进行分割。实验结果表明,方法具有较好的识别能力和较强的抗噪声性能。

基于杂交式基因选择的核Fisher分类算法

为提高核Fisher算法(KFDA)的分类性能,对KFDA算法增加了基因选择步骤.提出了新型的杂交式基因选择算法并用于KFDA分类研究,所提出的方法用于3个基因芯片的数据分类,得到较好的分类效果.

软件定义网络中基于改进随机森林算法的入侵检测研究

针对软件定义网络中入侵数据流特征差异性较大以及随机森林算法应用于入侵检测的适用性等问题,提出一种基于改进随机森林算法的入侵检测模型,依据Fisher比分析入侵数据特征差异性,按它们所对应的不同取值进行特征分区;引入加权的投票方法,以增加分类性能较好的决策树的权重;以最大信息增益率为标准进行节点分裂;改进网格搜索算法,使其对随机森林参数优化的效果得到进一步提高。通过实验分析,在模型的准确率、F1值、AUC值等评估指标上都有明显提升,验证了改进算法的有效性。

Fisher极小准则不相关空间算法及其在人脸识别中的应用

不相关空间算法是一种基于广义Fisher准则求解不相关鉴别矢量集的快速算法,但该算法要求总体散度矩阵可逆.针对高维小样本的情况,文中提出求解不相关鉴别矢量集的改进方法.该方法的基本思路是在类间散度矩阵的值空间中运用广义Fisher极小准则求解鉴别矢量集,并讨论在该子空间中进行求解的合理性.针对高维情况下类间散度矩阵值空间的计算效率问题,提出首先利用PCA算法将数据降维,然后在低维空间中求解值空间的策略并讨论其合理性.在ORL人脸数据库上的实验验证该方法的有效性,其识别率高于传统的Fisher脸方法和不相关空间算法.