基于马氏距离法的荒漠树种高光谱识别

地面实测地物光谱可提供细致的光谱信息,表现同种地物不同理化特性和不同种类地物光谱的微小差异,使利用光谱进行地物识别成为可能。使用美国HR-768型地物光谱仪,在塔里木河下游和吐鲁番沙漠植物园实测胡杨、柽柳、梭梭和沙拐枣高光谱数据,利用包络线去除、一阶微分和二阶微分法对原始光谱进行变换处理,使用马氏距离法确定所测树种原始光谱和变换光谱的差异显著波段,利用逐步判别法检验所选差异波段的识别效果。结果表明:马氏距离法可准确确定树种识别的最佳波段,且上述4树种光谱识别波段大多位于近红外区。原始光谱、包络线去除、一阶微分和二阶微分四种光谱对4树种的识别精度分别为:85%,93.8%,92.4%和95.5%;可见,原始光谱经变换处理可提高树种的识别精度。但不同研究对象、不同光谱处理方法,提高识别精度的效率不同。研究结果将为大尺度高光谱遥感影像用于荒漠植物分类与生境监测和评价提供依据。

加权距离判别分析法在岩体质量等级分类中的应用

距离判别分析法是一种按多指标性能参数进行分类的方法,已被应用于工程岩体质量的等级分类中。但传统的距离判别法对各个指标的重要性同等对待,夸大一些微小变化指标的作用。因此,采用加权马氏距离对样本中各指标进行加权处理以区分其重要性。首先对工程岩体质量指标运用主成分分析思想,计算出一组新的指标参数和与之对应的反应原始指标信息的贡献率,以贡献率组成对角阵作为权值矩阵;然后把数据标准化处理,计算加权马氏距离判别岩体质量等级。将该方法应用于工程实践,并与人工神经网络法、距离判别法进行比较。研究结果表明,加权距离判别分析法具有更高的判别能力,是一种准确有效的岩体质量分级方法。

基于近红外光谱和化学计量学的驴肉鉴别方法研究

驴肉具有极高的食用价值,资源的缺乏使其价格持续走高,由此引发的欺骗和掺假亟待解决。选取了不同部位(脖子、肋板、后墩和腱子)的驴肉样品(n=167)及牛肉(n=47)、猪肉(n=51)和羊肉(n=32)样品在4 000~12 500cm-1光谱范围上建立了驴肉的近红外光谱鉴别模型。比较了马氏距离判别分析、簇类独立软模式分类法、最小二乘-支持向量机方法分别结合平滑(5点、15点及25点)、一阶和二阶微分、多元散射校正和标准归一化的光谱预处理方法对肉块样品及大中小三个不同粉碎粒径(7,5,3mm)肉糜样品的分类模型结果发现,原始光谱前11个主成分得分作为输入的马氏距离判别及前6个主成分作为输入的最小二乘-支持向量机肉块样品分类模型较优,校正集和预测集正确率分别为100%和98.96%;原始光谱前5个主成分作为输入的LS-SVM大粒径肉糜样品分类模型结果较优,校正集和预测集判别正确率为100%和97.53%;原始光谱前8个主成分得分作为输入的簇类独立软模式分类法中粒径肉糜样品分类模型结果较优,校正集和预测集的判别正确率均为100%;而对于小粒径肉糜样品,原始光谱前7主成分输入的马氏距离判别和前9主成分输入的簇类独立软模式分类法模型均得到了校正集和预测集100%的判别正确率。以上模型中的驴肉样品均得到了100%的判别正确率。研究结果表明,使用近红外光谱分析技术结合化学计量学方法鉴别驴肉是可行的。

电压暂降分类特征可比性、相关性及马氏距离分类法

分类特征选取和分类方法是电压暂降分类的基础。从分类学原理出发,针对不同分类目标的电压暂降分类,引入电压暂降分类特征概念,研究同类和异类暂降分类特征的可比性,提出基于费希尔判别准则的分类特征线性判别和分类特征选取方法;考虑同类和异类暂降间分类特征相关程度的不同,提出基于马氏距离的电压暂降分类方法。以短路故障、变压器空载激磁和大型感应电动机起动引起的电压暂降为分类目标,对理论样本和不同情况下实测数据的分析证明该方法正确性、可行性和良好的噪声鲁棒性,并证明,在分类过程中考虑特征属性可有效提升其分类性能。

气测录井判别地层流体性质的两种方法

为了提高气测录井解释正确率,提出了Fisher和马氏距离两种判别方法。利用这两种判别方法可以有效地判别地层性质,克服了以往判别方法不能充分全面的利用录井资料、未能综合分析宝贵的录井信息、解释符合率偏低的缺点。实际应用结果表明,Fisher判别法和马氏距离判别法的解释符合率平均达到77%。

近红外光谱的李果实褐变鉴别方法研究

在采后冷藏过程中,李果实很容易发生褐变,这是影响其品质的重要因素之一。有关李果实褐变的传统检验手段绝大多数为破坏性检验,且主观性强、一致性差。为此,使用了近红外光谱的方法来实现对李果实褐变和非褐变的无损、快速鉴别。采集4 000~12 500 cm^(-1)波长范围内的124个李果实样品(褐变样品70个,非褐变样品54个)的近红外漫反射光谱,基于主成分分析的马氏距离判别分析和反向传播人工神经网络定性鉴别模型,通过比较和考察上述模型对褐变样品和非褐变样品识别的准确程度,筛选出能够有效鉴别李果实褐变的新方法。结果表明:在对样品全波段光谱数据做主成分分析后,以前10主成分得分作为输入变量所建立起来的马氏距离判别分析和反向传播人工神经网络模型均能够对李果实褐变与否进行有效识别,且后者判别效果更佳,其校正集和预测集的判别正确率分别为100%和97.56%,对非褐变样品和褐变样品的判别正确率分别达到100%和98.57%。因此,采用近红外光谱分析技术并结合化学计量学方法能够对李果实是否褐变进行快速、无损、有效的鉴别。

基于马氏距离的遥感图像高温目标识别方法研究

高温目标(森林火灾、草原火、煤层自燃、火山喷发等)具有显著区别于常温地物的波谱特性。马氏距离相当于加权的欧式距离,在多元统计分析中被用于多维数据的分类。分别采用马氏距离多元截尾法和马氏距离多类判别法对ETM+遥感图像进行高温目标识别,结果表明:两种方法具有较好的一致性。在异点识别的基础上,对所得结果的光谱特性深入分析,可明确所提异点的物理意义并提取真正的高温目标。经野外验证,两种方法的结合可有效提高高温目标识别精度,分别可达到88.01%和88.09%。

近红外光谱法结合C-SVM及ν-SVM方法快速无损鉴别淀粉种类

不同厂家的红薯淀粉、马铃薯淀粉和玉米淀粉共112个样品,利用近红外光谱技术对淀粉种类进行识别。分别采用马氏距离判别法、C-支持向量机(C-SVM)、ν-支持向量机(ν-SVM)建立淀粉种类鉴别的近红外光谱模型;并对比多元散射矫正、平滑、一阶微分、二阶微分等多种预处理方法后的建模结果。结果表明:同时使用平滑、多元散射矫正、微分三种预处理方法后,C-SVM和ν-SVM分类模型的效果最佳;训练集交叉验证正确率均为98.72%,测试集正确率均达到100%。实验结果表明,该模型快速准确无损的鉴别淀粉种类是可行的。

基于太赫兹波时域光谱技术的纺织材料鉴别和分类技术研究

提出了一种基于太赫兹时域光谱(THz-TDS)技术和聚类分析方法的纺织材料鉴别和分类方法,并以几种典型的棉材料作为实验介质证明此方法的可行性。利用THz-TDS系统测得了介质在THz波段的时域光谱信号,并从中提取出其吸收光谱。应用主成分分析法提取纺织材料吸收光谱的特征,然后应用马氏距离分类法对这些材料进行分类,实验结果表明这五种材料可以被准确区分。研究结果表明以纺织纤维的THz吸收光谱作为数据特征,采用主成分分析法与马氏距离判别法相结合的方法鉴别成分相似的纺织纤维是可行的,该方法有望为成分相近的纺织材料鉴别提供一种有效的分析方法。

一种基于马氏距离的线性判别分析分类算法

对于一个特定的模式识别问题,表达和识别模式的特征具有不同的形式,它们在物理意义上是完全不同的,而且在数量级具有很大差别。该文提出了一种基于马氏距离的线性判别分析分类算法,选取判别函数为马氏距离,可以适用于具有不同类型特征值的分类问题。将该算法应用于UC I中C red it-A、C red it-G、Iris和Veh ic le四个数据库的分类,并采用K次交叉验证方法进行实验。从实验结果中可知,与ENTROPY算法和C4.5(8)算法分类效果相比较,该文所提出的线性判别分析算法计算简单,识别率较高,是一种实际可行的分类算法。

地采诱发建筑物损害识别的多元判别分析模型

针对采动区建筑物损害程度的影响因素较多且各因素呈现非线性、多重共线性等特点,借鉴统计学理论并结合工程实际,提出采用不同判别准则的多元判别方法对地采诱发建筑物损害效应进行有效识别。综合考虑地质采矿方面和建筑物本身的因素,选取10个影响砖混结构建筑物采动损害程度的因素作为模型的输入,将砖混结构建筑物的损害等级作为模型的输出,以32个建筑物采动损害的工程实例作为学习样本进行训练;依据不同判别准则及Mahalanobis距离判别分析(MDA)和Fisher线性判别分析(FDA)方法,分别建立建筑物采动损害的MDA模型和FDA模型,并利用该模型对6组待判样本实例进行仿真测试。研究结果表明:MDA方法和FDA方法对学习样本的准确率分别为87.5%和93.8%,对测试样本的准确率分别为83.3%和100%;多元判别分析模型判别性能稳健可靠,FDA法比MDA法判识准确性更高、适用性更强,对现有评价地采诱发建筑物损害方法进行了有效验证和补充。

基于支持向量机的造纸废水处理过程故障诊断

故障检测和故障诊断是工业过程监控的主要内容。针对造纸废水处理过程的多变量、非线性、大时变等特点,本课题首先采用主成分分析(PCA)对故障进行检测,然后分别采用马氏距离判别分析和支持向量机(SVM)对偏移、漂移和精度下降3种故障类型进行故障诊断。计算结果表明,基于主成分分析的故障检测率达97. 50%;基于支持向量机故障诊断方法的故障分离能力为90. 00%,而基于马氏距离判别分析方法的故障分离能力为73. 75%。相比基于马氏距离判别分析的故障诊断方法,基于支持向量机的故障诊断方法更适合于非线性时变的造纸废水处理过程。

近红外光谱法鉴别Tencel等四种纤维

本文以Tencel、棉、粘胶、铜氨的近红外指纹光谱作为分析对象,采用判别分析、主成分分析和Mahalanobis距离对Tencel、棉、粘胶、铜氨等纤维进行快速鉴别。分析结果表明:该方法为Tencel、棉、粘胶、铜氨进行归类提供一种可靠、简便的手段,盲样检测的准确率可达97%。

中药材及炮制品的近红外指纹图谱模式识别快速鉴别方法

运用近红外漫反射技术(NIRDRS)结合主成分-马氏距离判别分析方法(PCA-Mahalanobis distance discriminant analysis)对7种中药材及炮制品进行鉴别。采集7种中药材和炮制品的近红外漫反射光谱,经多元散射校正(MSC)后,运用主成分分析将多元散射光谱变量降维,再利用马氏距离判别分析方法建立模式识别模型。所得PCAMahalanobis distance模型对7种中药材和炮制品的分类正确识别率均为100%,表明模型具有较好的预测分类能力。近红外漫反射技术结合主成分-马氏距离判别分析方法,为判别外观相近容易混淆的不同药材和炮制品提供了一种快速简便、准确可靠的鉴别方法和手段。

基于判别分析的数据分析库的设计与实现

判别分析是根据所研究的个体的观测指标来推断该个体所属类型的一种统计方法,对已知分类的数据建立由数值指标构成的分类规则，然后把这样的规则应用到未知分类的样本去分类。该文以判别分析中的线形判别分析和Mahalanobis距离判别分析作理论依据, 提出一种数据分析库的设计和实施方案,该系统在数据分析方面的研究和应用中有一定的特色。

马氏距离多核支持向量机学习模型

支持向量机是统计机器学习中的一种重要方法,被广泛地应用于模式识别、回归分析等问题。但一般支持向量机未考虑样本的总体分布,降低了支持向量机的泛化能力。针对该问题,提出一种马氏距离支持向量机学习模型,考虑总体样本的分布,并将该模型扩展到多核学习模型。通过数学方法将欧式距离核矩阵转化为马氏距离核矩阵,降低模型的实现难度。实验结果证明,该模型不仅保持了欧式距离多核学习模型的原有性质,且具有更好的分类精确度。

ATR-FTIR结合化学计量学鉴别猪牛羊革的研究

利用衰减全反射傅里叶变换红外光谱（ATR—FTIR）技术采集猪、牛、羊革样品的红外光谱信息，分析皮革红外光谱特征。通过化学计量学对光谱数据进行处理，选择合适的光谱区域和预处理方法，建立定性鉴别皮革种类的判别分析模型（Ⅰ和Ⅱ）及方法。根据计算得到的马氏距离，由模型Ⅰ对样品“牛／羊”和“猪”革种类进行判别．然后由模型Ⅱ进一步对“牛”和“羊”革种类进行判别。通过验证集样品对模型性能进行评价，结果表明模型Ⅰ对猪革判别正确率为100％；由于牛、羊革的光谱信息极为相似，模型Ⅱ判别正确率有所降低。

短波近红外光谱结合ν-SVM法快速无损鉴别淀粉种类

选用不同厂家的红薯淀粉、马铃薯淀粉和玉米淀粉共112个样品,利用短波近红外光谱技术对淀粉种类进行鉴别。分别采用马氏距离判别法、C-支持向量机(C-SVM)、ν-支持向量机(ν-SVM)建立淀粉种类鉴别的短波近红外光谱模型;并对比多元散射矫正、平滑、一阶微分、二阶微分等多种预处理方法后的建模结果。结果表明:同时使用平滑、多元散射矫正、一阶微分3种预处理方法后,ν-SVM分类模型的效果最佳;训练集交叉验证正确率为100%,测试集正确率也达到100%。该模型快速准确无损的鉴别淀粉种类是可行的。

改进的距离判别分析法

在不对判别变量进行处理的条件下,对传统的距离判别方法进行改进,提出一种新的判别方法,试图解决复杂球形数据的判别问题,以提高判别的正确率。通过实例表明,该方法的判别效果良好,能较好地处理复杂球形数据的判别问题。

基于距离判别分析的电压暂降源识别方法

为准确识别电网中的各类电压暂降源,并避免其他方法在识别过程中特征提取困难的问题,从最小距离的角度提出了一种基于距离判别分析的电压暂降源识别方法。利用暂降分段法对电压暂降有效值的波形变化特点进行分析,并以粗粒化的有效值波形构建了与电压暂降源类型相对应的六个总体。采用多总体马氏距离判别分析方法,利用训练样本进行学习,建立相应的判别函数及其判别准则对待判样本进行判别,从而实现电压暂降源的识别。通过仿真建模对所提方法进行了验证和对比分析,结果表明该方法的识别准确率和性能较高、交叉误判率低,对噪声鲁棒性好,满足实际应用要求。