ERAERA5、GLDAS和FLDAS土壤湿度数据在内蒙古地区的适用性评价

土壤湿度是地球系统模拟的重要参数之一,在气候变化和干旱研究中起着不可忽视的作用。利用2011-2013年内蒙古农作物生长发育和农田0~10 cm土壤湿度旬值数据,结合相关系数、偏差、均方根误差和DISO等统计指标,评估美国全球陆面数据同化系统(GLDAS)、欧洲中期天气预报中心第五代再分析资料(ERA5)和美国国家航空航天局NASA发布的全球高分辨率陆面数据同化系统(FLDAS)等三套土壤湿度数据在内蒙古的适用性,旨在选出一种适用于研究内蒙古土壤湿度时空特征的大范围、长时间序列的替代资料。结果表明:在年尺度上三套产品数据空间分布与观测数据基本一致,均能体现内蒙古土壤湿度东湿西干的空间分布格局。其中ERA5与观测数据的相关性最高,但是误差较大;在月尺度上ERA5和GLDAS两套数据均能较好地捕捉和刻画土壤湿度随时间的变化特征。ERA5数据在各月与观测值的相关性较好,而GLDAS数据的误差更小;整体上来看,GLDAS、FLDAS、ERA5与观测数据之间的相关系数分别为0.93、0.68、和0.96,NAE分别为0.031、0.013、0.022,NRMSE分别为0.032、0.014、0.023。ERA5与观测数据之间的DISO距离值最小,为0.045,其次是GLDAS,FLDAS数据最差。研究结果可为内蒙古土壤湿度研究及应用提供理论依据。

基于镜像脸的FLDA单训练样本人脸识别方法

Fisher线性判别分析(FLDA)是一种经典的基于特征提取的人脸识别方法。然而,在每类单训练样本时,FLDA无法对类内变化进行测量,因而无法使用。论文针对这一问题提出了一种新颖的解决方法,即通过利用每类已有的单个训练样本脸部图像获取其镜像图像,扩充原始训练样本集,从而解决原来在每类单训练样本情况下类内散布矩阵为零矩阵的问题。通过利用原始脸部图像和其镜像脸部图像计算出类内和类间散布矩阵,然后利用FLDA算法思想提取辨别性面部特征进而实现正确的分类和识别。实验结果表明,所提出的方法简单且高效,能够实现比现有方案更高的识别精度。

基于FLDA、CPCA与HMM的人脸识别

为了获得具有较高识别率的算法,提出了一种将Fisher线性鉴别分析(Fisher Linear Discriminant Analysis)、复主分量分析(Principal Analysis in the Complex Space)与隐马尔可夫模型(Hidden Markov Models)相结合进行人脸识别的方法。对于输入的不同光照、人脸表情和姿势的图像先进行归一化处理,然后将归一化后的图像转化成一维向量,再用FLDA方法提取每幅图像的特征,形成新的复向量空间;通过运用复主分量分析,来抽取人脸图像的有效鉴别特征;最后通过HMM对这些特征进行训练,得到一个优化的HMM并应用于识别。在ORL人脸数据库中进行实验,实验结果表明,该方法具有较高的识别率。

FLDA在单样本人脸识别中的应用研究

随着人脸识别技术的不断发展,单样本人脸识别已成为当今的一个热点。针对单样本人脸识别问题,提出一种基于通用框架学习的人脸识别方法。以大量的通用样本与各个单样本按一定比例叠加的方式,增加每个类的训练样本总数,有效地运用FLDA方法进行特征抽取,将所有样本投影到特征子空间,再利用最近邻方法完成人脸识别,一定程度上减轻了人脸的表情、姿态、光照等因素对识别效果的影响,提高了识别率。该方法的有效性分别在ORL及Yale两大人脸库上得到了验证。

用FLDAS-PCR和PCR-RFLP检测汉族人群GPT的多态性

目的 建立片段长度差异等位基因特异性PCR(FLDAS-PCR)检测GPT基因型的新方法,并调查武汉地区汉族人群GPT多态性分布。方法 应用FLDAS-PCR、PCR-RFLP分别对武汉地区248例汉族个体进行GPT基因型分型。结果 FLDAS-PCR与PCR-RFLP分型结果完全一致,GPT的3种基因型分型明确,基因频率GPT*1=0.5423,GPT*2=0.4577,基因型分布符合Hardy-Weinberg平衡。结论 FLDAS-PCR和PCR-RFSP分型GPT在法医学鉴定中有实用价值。

基于加权多核学习的FLDA在人脸识别中的应用

模式识别技术的应用及研究表明,单核学习在人脸识别中的应用已经很成熟,但是,在单核学习中分类的效果并不是很好。基于此,提出了一种多核构造方法,即基于加权多核学习的FLDA方法(WMKL-FLDA),通过一系列带有权值约束的基本内核线性组合构建内核,并且利用权值优化迭代方案对最大边缘准则(MMC)进行优化。在FERET及CMU PIE人脸数据库上的实验表明,与以往的单核FLDA方法相比,提出的多核学习方法不仅实现了更高的识别性能,在构造内核方面也放松了参数的选择要求。

香港牡蛎糖原合酶与糖原磷酸化酶基因多态性研究及糖原含量性状相关分子标记挖掘

香港牡蛎是我国南方沿海地区的主要经济贝类,糖原含量是衡量其品质高低的重要指标之一。本研究在转录组测序基础上,以三墩群体(SD,60只个体)和大风江群体(DFJ,90只个体)为研究对象,采用ELISA方法检测每个香港牡蛎糖原含量,并利用片段长度差异等位基因特异性PCR(Fragment length discrepant allele specific PCR,FLDAS-PCR)技术开展糖原合酶和糖原磷酸化酶基因多态性研究,开发单核苷酸多态性(Single nucleotide polymorphism,SNP)标记。结果共开发25个SNPs,其中4个SNPs(Ch_GS680,Ch_GS1248,Ch_GP992和Ch_GP1962)在实验群体中分型成功,SPSS关联分析显示SNP位点Ch_GS680与糖原含量显著关联(P<0.05),暗示其可作为香港牡蛎糖原含量性状的潜在分子标记,研究结果为高糖原含量香港牡蛎新品种的分子标记辅助选育奠定了基础。

基于光谱特征变量的湿地典型植物生态类型识别方法--以北京野鸭湖湿地为例

光谱特征变量的选择对于湿地植被识别的精度和效率有着直接的影响作用。以华北地区典型的淡水湿地——野鸭湖湿地为研究区,采用Field Spec 3野外高光谱辐射仪,获取了野鸭湖典型湿地植物的冠层光谱。以野外高光谱数据为基础,首先利用一阶导数与包络线去除的方法,分析和对比不同植物生态类型的光谱特征,选定了用于识别植物生态类型的光谱特征变量,选定的8个光谱特征变量为红边位置WP_r、红边幅值Dr、绿峰位置WP_g、绿峰幅值Rg、510 nm附近的吸收深度DEP-510和吸收面积AREA-510、675 nm附近的吸收深度DEP-675和吸收面积AREA-675。其中,7种植物生态类型的一阶导数光谱特征差异较小,吸收特征差异性相对较大。除WP_r和WP_g外,沉水植物Rg和Dr平均值最低,湿生植物的Rg平均值最高,达到0.164,栽培植物的Dr平均值最高,达到0.012。7种植物生态类型在675 nm附近的DEP-675和AREA-675均高于510 nm附近的DEP-510与AREA-510,除去栽培植物,随着水分梯度的变化,其他6种植物生态类型的吸收深度和吸收面积都表现出先升高后降低的趋势。然后利用单因素方差分析(One-way ANOVA)验证了所选光谱特征变量的区分度,在P≤0.01的置信水平下,选取的8个光谱特征变量都能够较好的区分7种植物生态类型,区分度的最小值为13,最大值为18,并且吸收特征参数的区分度优于一阶导数参数。最后应用非线性的反向传播人工神经网络(BP-ANN)与线性判别分析(FLDA)的类型识别方法,利用选定的8个光谱特征变量进行湿地植物生态类型识别,取得了较好的识别精度,两种方法的总分类精度分别达到85.5%和87.98%。单因素方差分析(One-way ANOVA)和不同分类器的分类精度表明,所选的8个光谱特征变量具有一定的普适性和可靠性。

非线性局部Lyapunov指数方法在目标观测中的应用初探

本文初步探讨了非线性局部Lyapunov指数方法(NLLE)在目标观测中的应用。首先,在NLLE理论基础上研究了非线性动力系统内局部平均误差相对增长(LAGRE)特征,证明了在误差发展进入随机状态前,LAGRE与初始误差大小无关而是与初始状态有关;在演化进入随机状态后,LAGRE的饱和值由初始误差大小决定这一特征。同时利用三个变量的常微分方程模型Lorenz63验证了这一结论。其次,从非线性局部误差增长理论出发,在局部动力演化相似方法(LDA)的基础上提出向前局部动力演化相似方法(FLDA)的概念,并通过两个混沌个例来说明LDA和FLDA方法能够有效的利用历史资料还原任意初始状态的LAGRE。这些方法的提出为NLLE理论应用于观测资料研究目标观测问题提供了依据。

一种激光诱导荧光光谱特征提取新方法

利用主成分分析(Principal Component Analysis,PCA)和Fisher线性判别分析(Fisher Linear Discriminative Analysis,FLDA)方法相结合提取特征,提出了一种荧光光谱特征提取新方法--PCA_FLDA。实验证明,新方法提高了激光诱导自体荧光光谱对早期结肠癌的诊断精度。对预处理后的240条荧光光谱,利用PCA_FLDA算法提取了50个特征变量,利用支持向量机将其分为正常组织和癌变组织,分类敏感性、特异性和准确率可分别达到97.5%、95.12%和96.25%。

动态视频人脸考勤方法研究与实现

研究并实现了利用Gabor滤波器和Fisher线性鉴别分析(FLDA)方法的动态人脸识别考勤系统。系统实现的基本思想是运用Gabor变换提取人脸的局部特征和经过Gabor处理后使得人脸对光照变化不敏感;进一步利用FLDA来降维和隐含地提取最有利于分类的最佳鉴别特征;最后将视频采集的考勤图像与训练库中的图像通过比对,得出识别结果。实验结果表明,利用该方法开发的动态人脸识别考勤系统具有识别率高、实用性好、可靠性强等特点。

一种基于LBP的人耳特征提取方法

在PCA+FLDA算法基础上,提出了一种新的基于LBP的人耳特征提取方法。采用LBP算法与PCA+FLDA算法相结合的人耳特征提取方法在识别率方面与传统特征提取方法相比有明显提升。

基于连续小波分析的小麦病虫害光谱区分研究

利用光谱数据对病虫害进行识别和区分可为复杂农田环境下的病虫害遥感监测提供理论支持。该文基于连续小波分析(CWA)提出一种能够实现全光谱域优化搜索的病虫害区分小波特征选择方法,并以我国华北麦区3种常见的小麦病虫害(白粉病、条锈病和蚜虫)为例,分别采用费氏线性判别分析(FLDA)和支持向量机(SVM)建立相应的病虫害区分模型。结果显示,基于上述两种模型得到区分结果的总体验证精度均达70%以上,其中条锈病和蚜虫的识别精度高于白粉病的识别精度。研究表明,基于连续小波分析的病虫害区分模型由于能够捕捉光谱的形状特征,而具有较强的通用性和抗干扰能力,对于支持复杂农田环境下的病虫害区分和监测具有较大的潜力。

多层导电结构内部状态脉冲涡流检测分析方法

针对脉冲涡流多层导电结构内部状态检测问题及检测中提离抖动的干扰,采用Fisher线性判别分析(FLDA)进行脉冲涡流检测信号特征提取,抑制提离抖动的影响;应用支持向量机(SVM)进行多层导电结构内部状态的检测与分类;以双金属片温控器内部状态检测为实例进行实验验证.理论和实验分析表明,在多层导电结构内部状态检测时,FLDA可以通过选取最佳的投影方向,最大程度地分离有用特征信息和干扰信息,相较于基于峰值、峰值时间的时域特征法,能够有效地减小提离抖动的干扰,提高内部状态的检测准确度;在减小训练集样本的情况下,FLDA检测方法具有较高的检测准确率.

基于叶片光谱分析的小麦白粉病与条锈病区分及病情反演研究

小麦条锈病和白粉病作为我国麦区两种重要病害,在田间常同时发生,为病害防治管理带来困难。基于实验测试获得白粉病、条锈病叶片光谱数据,探讨采用光谱分析对两种病害进行区分识别及严重度监测的可行性。通过相关分析和独立T检验,筛选出对白粉病和条锈病敏感度差异较显著的波段及光谱特征,包括665～684,718～726nm等6个波段范围,以及DEP550-770,SIWSI等11个光谱特征。基于这些波段和特征,采用FLDA构建病害判别模型;借助PLSR分析构建病情严重度反演模型。研究结果表明,筛选得到的反射率波段和光谱特征能够较好地区分两种病害,判别模型总体精度达到80%以上,准确度较高。其中,染病比率超过20%的病叶区分和识别精度可达95%。同时,分别基于两种病害敏感光谱特征构建的病情严重度反演模型能够较好地估测病情严重度,两种病害估测均方根误差均低于15%。上述叶片尺度小麦白粉病和条锈病区分和严重度反演模型为进一步研究两种病害冠层尺度的区分和监测提供基础。

基于低分辨率雷达的海面舰船目标分类识别技术

文中基于雷达窄带信息提出了一种对海面舰船进行大小及吨位进行目标分类识别的算法。算法通过傅里叶-梅林变换及Fisher判别分析提取分类特征,采用支撑矢量机进行分类识别,最后利用实测的机载雷达数据验证了此方法的有效性。该分类识别算法能够在不影响雷达正常警戒工作任务的前提下,对视场内所有探测到的海面目标进行分类辨识,在工程上具备较高的实用意义。

基于Fisher判别分析的贝叶斯分类器

针对满足"类条件属性相互独立"假定的经典贝叶斯分类器无法有效利用类间信息的缺陷,结合Fisher线性判别分析,给出一种基于Fisher线性判别分析的贝叶斯分类器的改进算法。该算法通过寻找类与类最大分离的投影空间,将原样本向最大分离空间投影,以获得新样本,并采用贝叶斯分类器对新样本进行分类。实验结果表明,在给定的数据集上,该贝叶斯分类器的分类正确率较高,分类性能较好。

基于模糊CCA的图像特征提取和识别

利用典型相关分析(CCA)和隶属度的思想,提出一种基于模糊典型相关分析的图像特征提取新方法。通过分析图像样本的分布特点,定义合适的隶属度函数描述图像空间的样本分布。利用CCA进行多信息源特征提取,得到同时包含图像灰度信息和分布信息的有效判别特征。可证明Fisher线性判别分析是该算法的一种极限情形。在ORL标准人脸数据库上的实验结果表明新特征具有良好的分类能力,证实了该方法的有效性。

基于电子鼻技术判别南美白对虾鲜度模型的建立

以南美白对虾为研究对象,结合感官评定和挥发性盐基氮测定,对5℃贮藏条件下的虾样品进行电子鼻测定,建立基于电子鼻技术的虾鲜度判别模型。结果显示:通过模型判别的正确率确定了数据归一化方法。通过主成分分析,提取了使得累计方差贡献率达到86.974%的前3个主成分,利用所得主成分进行fisher线性判别。得到的判别模型对建模样本数据和模型验证样本数据的判别正确率分别为98.3%和91.7%。说明运用主成分分析-fisher线性判别模型可以对虾鲜度进行判别,所建模型的判别正确率高,模型稳定。

自适应通用学习框架在人脸识别中的应用研究

现实生活中,人脸识别系统通常必须面对单样本每人（SSPP）的问题,即在数据库中每个人只有1张训练样本。这种情况下,系统不能很好地学习训练样本的判别信息,因而许多流行的人脸识别方法将不能很好地奏效。为了解决这个问题,自适应通用学习（AGL）方法利用一个通用判别模型来更好地区分各个单训练样本,同时,采用双线性表示算法来推测类间矩与类内矩;使得FLDA可以应用于单样本人脸识别。在ORL及FERET的实验表明,与其他几种常用的方法相比较,AGL在处理单样本人脸识别问题上取得了更好的结果。