基于模糊Fisher准则的半模糊聚类算法

该文针对线性可分数据提出一种鲁棒的基于模糊Fisher准则的半模糊聚类算法FFC-SFCA。FFC-SFCA通过模糊化散布矩阵,将模糊理论引入Fisher判别方法,通过对模糊Fisher准则函数迭代优化实现聚类。FFC-SFCA的优势在于具有很好的鲁棒性且可以获得可分性好的聚类结果,同时,可以求得最优鉴别矢量和分类阈值。实验证实了FFC-SFCA的有效性以及对两个常规聚类算法的优越性。

基于模糊Fisher准则的自适应降维模糊聚类算法

该文指出曹苏群等人提出的基于模糊Fisher准则(FFC)的半模糊聚类算法(FFC-SFCA)中的一个推导错误,结合模糊紧性和分离性(FCS)聚类算法提出新的聚类算法:FFC-FCS。FFC-FCS充分利用FFC的特征提取和降维特性,交替运行原始数据空间中FFC和投影空间中的FCS,通过对降维数据的聚类实现对原始数据的聚类。FFC-FCS不仅对低维数据具有优异的分类性能而且对高维数据也表现出一定的分类优势。实验结果表明,FFC-FCS的性能明显优于原有的FCS算法,FFC-SFCA算法以及经典的模糊C-均值(FCM)算法。

基于Fisher准则函数的相关向量机模拟电路故障诊断

针对模拟电路故障与特征间存在的模糊组及交叠、分类效果不理想的情况,提出基于Fisher准则函数的最佳聚类数自适应估计方法和基于稀疏贝叶斯相关向量机(RVM)理论的模拟电路故障诊断模型,采用模糊核聚类选择最优可诊断故障集,然后在贝叶斯框架下对故障进行分类。该模型可以对分类函数的权重进行推断,辅助进行诊断决策,提高了RVM模拟电路故障分类的效率和准确度。仿真表明提出的诊断模型在精度提高的情况下,更具稀疏性和泛化性。

基于加权Fisher模糊判别准则的真彩色影像分类方法研究

针对Fisher判别分类中,选取样本不平衡导致Fisher线性判别性能下降,提出了加权Fisher判别对类内散布矩阵进行修正的方法.同时,针对Fisher判别准则为阈值分类器,引入了一种新的Fisher模糊判别准则.该方法应用于无人机真彩色影像的道路、植被、裸土地分类,取得了较好的分类结果.并与传统Fisher方法进行了对比研究,实验结果表明,基于加权Fisher模糊判别方法比传统Fisher方法的分类性能明显提高.

基于模糊控制的光照自适应特征提取

为了提高变化光照下视觉特征的识别能力,提出一种光照自适应的特征提取方法。动态选择颜色、边缘特征建立特征集,解决单一类特征造成的跟踪不稳定性问题;定义局部光照变化测定函数,检测光照变化;利用Fisher准则评价特征识别能力,在线更新特征集,克服光强变化、噪声等因素的影响;采用模糊方法根据光强变化控制特征集的更新度。应用特征提取方法在粒子滤波框架下进行跟踪实验,在光照不断变化情况下能够实现稳定的目标跟踪,准确率较基于颜色特征的视觉跟踪方法有所提高。

最佳鉴别矢量集在无监督模式下的扩展

基于Fisher准则函数的最佳鉴别矢量集是一种重要的有监督特征提取方法,在模式识别领域有着重要的影响.提出一种将最佳鉴别矢量集扩展到无监督模式下的方法,其基本思想是通过定义的模糊Fisher准则函数将Fisher线性判别扩展成一种半模糊聚类算法,通过该算法求得最佳鉴别矢量和模糊散布矩阵,进而构造出最佳鉴别矢量集.实验表明,在聚类有效性、分类准确率均优于无监督模式下常用的主成分分析特征提取算法.

自适应模糊支持向量机算法研究

一个有效的核方法通常取决于选择一个合适的核函数。目前研究核方法的热点是从数据中自动地进行核学习。提出基于最优分类标准的核学习方法,这个标准类似于线性鉴别分析和核Fisher判别式。并把此算法应用于模糊支持向量机多类分类器设计上,在ORL人脸数据集和Iris数据集上的实验验证了该算法的可行性。

基于模糊Bayes-Gauss判别法的遥感影像的聚类

针对Fisher线性判别法和传统的Bayes判别方法在遥感影像聚类问题研究中存在的不足,提出一种以隶属度代替先验概率的模糊Bayes-Gauss聚类算法,并将此算法应用于真彩色(RGB)图像中的草地、道路、裸土地和建筑物的聚类.实验结果表明,本算法在聚类中与Fisher线性判别法和传统Bayes判别法相比,具有精确度较高、误识率和拒识率较低、适用性较强的特点.

基于多级综合分类器的红外目标检测

文章针对大视场不同尺度的红外目标检测问题,以大视场红外搜索系统为基础,提出了一种基于多级综合分类器的实时红外目标检测算法,实现由粗到精的虚警剔除。在预处理阶段,该算法首先进行尺度放缩变换,在不同的尺度上采用Robinson滤波抑制背景,再将不同尺度的滤波结果在原始尺度上融合;在对图像进行背景抑制的基础上,构造多级串联的综合分类器:在目标的粗检测阶段,采用模糊隶属度融合的分类器剔除大部分虚警;在目标的精细检测阶段,提取候选目标的特征并进行类间特性分析,设计基于Fisher系数加权的综合分类器以实现真实目标的确认与虚警剔除。实验表明,该算法能够有效剔除与真实目标特性相似的虚警干扰,对尺度变化的红外运动目标具有较好的检测效果。

基于Fisher的加权马尔可夫的话务预测

基于话务量数据的特性,提出基于加权马尔可夫的移动话务量预测模型。该模型具有要求的样本数量少,运算速度快,预测精度高,可检验等的特点。根据该模型的缺陷,应用模糊Fisher准则的有序聚类方法,可以对话务序列进行分类并建立分类标准,该方法克服了聚类有效性对样本空间分布的依赖并同时提高了算法的效率。仿真结果表明,在移动通信话务量预测中,该算法与其他方法相比较,运算速度快,准确度高。