结合主分量分析及Fisher准则的说话人识别方法研究

本文提出了一种基于主分量分析和Fisher准则的新的Mel频率域特征参数。它是在Mel域频谱的基础上做主分量分析,并且根据Fisher准则,按Fisher比的大小进行特征参量的选择而得到的。它充分的利用了各频带间的相关统计信息,能更紧致有效的区分说话人。这样得到的特征矢量,与传统的按相应特征值进行特征选择的方法相比,在相同维数时具有最大的类别区分度。最后我们实现了一个文本无关的说话人自动识别系统,它的后端采用矢量量化实现聚类分析。在语音库上的实验表明本文的特征矢量在说话人识别上比相同维数的传统特征矢量识别率更高,证实了它紧致、区分度好、冗余信息少的优良性能。

利用地震主分量分析和Fisher判别预测窄小河道砂体

松辽盆地大庆长垣外围油田扶余地层广泛发育低孔、特低渗的致密油储层,其河道砂体具有"窄、薄、差"的分布特点,依靠目前的稀井网资料,对井间砂体展布的连续性刻画仍存在较大的随机性,难以满足油气开采的需求。为此,以长垣外围油田芳38区块扶余油层为例,采用基于地震主分量分析(PCA)和Fisher判别的方法预测窄小河道砂体的分布特征。结果表明:①将PCA法应用于地震属性的降维优化处理,形成了地震PCA分析方法,井旁道的三个地震主分量信息占原始数据总体方差的95.5%,有效降低了地震属性维度,消除了多种地震属性之间的冗余信息;②在无法建立常规地震属性和井点砂岩厚度线性相关函数的情况下,将多元统计学的Fisher判别理论应用于窄小河道砂体的判别、分析,结合井点砂岩厚度和井旁道的三个地震主分量信息建立了Fisher砂、泥岩判别分析模型,既融入了井点砂岩厚度又考虑到地震数据的空间距离影响,提高了河道砂体的预测精度;③研究区的窄小河道砂体具有厚度小、向两侧尖灭快的特点,在常规地震属性预测效果不好的情况下,提出了基于地震PCA的砂泥岩Fisher判别分析法,以砂岩厚度1.5、2.0、3.0m为分类界限时,判别模型中砂岩回判正确率分别为90.0%、88.9%和87.5%,对河道砂体判别能力更强。

一种基于Fisher准则的二维主元分析表情识别方法

提出了一种基于Fisher准则进行特征选择的二维主元分析表情识别方法.首先对训练样本做二维主元分析,然后再根据Fisher准则,按Fisher比的大小选择特征向量作为投影轴,最后用最近邻方法进行分类.在JAFFE人脸表情静态图像库上进行实验,与按特征值的大小来选择特征向量相比,该方法更有效.

用主成分分析和Fisher准则的脑电信号分类

脑-机接口(brain-computer interaction,BCI)利用脑电信号实现人脑与计算机或其它电子设备的通讯和控制,P300拼写范式是脑机接口中的一种常用方法。将遗传算法和支持向量机用于脑电信号的分类。选取三个实验者的实验数据作为处理对象,采用主成分分析和Fisher准则相结合提取特征。在用主成分分析降维后,Fisher准则进一步提取有效特征,提升分类准确率。采用支持向量机对特征数据分类。Fisher准则在特征提取中具有良好的效果。

基于主分量分析的最优鉴别特征抽取

传统的主分量分析方法(PCA)是最为经典的图像特征抽取方法之一,由于其本质上是在最小均方差意义下给出了模式样本的最优表示,所以它通常被作为对高维图像模式进行降维的一种常用方法。但就模式分类而言,这种表示并非是最有效的。首先从统计相关性的角度揭示了PCA抽取的特征本身就具有统计不相关的良好特性。然后通过引入一种新的最大散度差类别可分性判据,从而为在PCA抽取的特征中最优鉴别特征的选取提供了一种有效策略。最后,在AR标准人脸库上的实验结果验证了算法的有效性。

基于仿射投影-非线性主分量分析的盲源分离

仿射投影算法(APA)重复利用数据,可提高算法的收敛速度。针对现有盲源分离收敛速度慢的问题,以盲源分离的非线性主分量分析(PCA)为基础,结合仿射投影算法,提出了盲源分离的非线性APA-PCA准则,并设计出盲源分离的APA-Kalman,APA-RLS,APA-LMS新算法。在这些新算法中,预白化后的观测向量数据被重复利用,向量式数据转变成矩阵式数据,从而加快了盲源分离的收敛速度。仿真结果表明,非线性APA-PCA准则是有效的。

基于邻接谱主分量分析的肿瘤分类方法

基于谱图理论展开针对基因表达谱数据的分类研究,将反映图结构的特征表示引入到基因表达谱数据分类中,从而高维空间离散点分布问题便可以转化成为具有结构信息的图问题.文中对基因表达谱数据样本点构造高斯权邻接矩阵,SVD分解后,采用特征记分准则进行筛选,找出最大限度区分肿瘤样本与正常样本的主分量作为样本特征,输入KNN分类器进行分类,通过对白血病两个亚型(ALL与AML)与结肠癌表达谱数据进行实验,证明了文中方法的可行性与有效性.

主分量分析和线性判别分析在分类问题中的应用

对于维数较多的研究对象,为了研究的方便,总希望先将维数降低.主分量分析(PCA)和Fisher线性判别分析(FDA)是广泛应用于模式识别各个领域的两种常用方法.本文先利用主分量分析,将原始数据维数降低,然后再利用Fisher线性判别分析将维数再次降低,得到低维的数据,实验结果表明了两种方法结合的有效性.

一种基于Fisher鉴别极小准则的特征提取方法

特征提取是模式识别研究领域的一个热点.为了更好地解决人脸识别中的特征提取问题,定义了一种新的基于Fisher鉴别极小准则的特征提取方法,并且提出了类间散布矩阵零空间的概念,解决了先前Fisher线性变换方法中的最终特征维数受类别数的限制.在人脸数据库上的实验结果验证了该算法的有效性.

基于核Fisher判决分析的脸谱识别新方法

本文提出一种新的基于核Fisher判决分析(简称KFDA)的脸谱识别方法。即首先应用KFDA提取脸谱特征,然后,进行脸谱识别。利用标准的AT&T脸谱数据库对KFDA特征提取方法和PCA、FDA以及ICA特征提取方法进行比较,最后使用线性支持向量机(简称SVM)进行分类和识别,实验结果显示基于KFDA特征提取脸谱识别方法的识别率明显优于其它三种脸谱识别方法的识别率。

基于独立分量分析的普适人脸识别系统

在模式识别领域,变量间的高阶统计关系开始受到更多关注.但目前许多人脸识别系统一方面依赖二阶统计关系,另一方面又需先采用主分量分析技术对样本进行降维.主分量分析技术自身却对二阶统计关系敏感,因此需要寻找一种对高阶统计关系敏感的算法作后续处理.为此作者提出了一种基于独立分量分析的普适人脸识别系统,并与传统的基于Fisher线性判别规则的人脸识别系统进行了比较分析,重点讨论在光照方向大幅度变化和人脸图像不完整情况下两种系统性能的优劣.理论分析和实验结果均证实,在这两种情况下,基于独立分量分析的普适人脸识别系统的性能优于传统的基于Fisher线性判别规则的人脸识别系统的性能.

用FastICA和Fisher准则提取脑电信号特征

脑-机接口(BCI)利用脑电信号实现人脑与计算机或其它电子设备的通讯和控制,P300拼写范式是一种常用的脑-机通信方法。它介绍了一种基于P300视觉诱发电位的脑电信号特征提取方法,选取三名实验者的数据用于实验分析。采用独立分量分析的固定点算法(FastICA)和Fisher准则进行特征提取,用支持向量机对提取的特征数据分类,并与主分量分析和Fisher准则相结合的特征提取方法作了比较,FastICA有很好的特征提取能力。

近红外光谱的投影分析方法在工业分级与复烤模块配方中的应用

为提高工业分级的稳定性,使复烤配方更加科学合理,建立了基于近红外光谱信息目标主成分及Fisher准则的投影方法(PTF),并通过软件程序来实现结果分析。研究表明:应用PTF方法得到的投影值能客观表达不同类间的远近关系,以及同一类内的离散度与相临类间的交叉度,使类间离散度与类内离散度之比极大化,为工业分级提供了客观科学的依据,对复烤模块配方设计有重要的指导作用。

一类基于非线性PCA准则的复数信号盲分离算法

在阵列信号处理过程中，经常遇到复数信号盲分离问题。例如，卷积混合型的源信号的盲分离；声纳信号盲分离。本文提出了一类基于非线性准则的复数信号盲分离算法。将非线性函数引入学习过程，由算法自动调节学习速率。计算机仿真实验验证了算法的有效性，文中给出了验证结果。

融合全局和局部特征的Fisherfaces方法

提出了一种融合全局和局部特征的Fisherfaces方法。在Fisher线性准则下,抽取出图像全局特征和局部特征的最佳分类特征。计算待识别样本和训练样本集的加权欧氏距离。在最近邻准则下,判别待识别样本的类别,在ORL人脸库上进行的对比实验结果表明该方法的优越性。

基于核理论的非线性鉴别分析方法的研究

人脸识别是模式识别领域中一个比较热的研究课题。人脸一般是高维数据,我们需要通过对数据降维进行特征提取,就是将原始数据对应的高维空间数据映射到低维空间中,在低维空间中进行线性的鉴别分析。由于实际问题中原始样本的分布通常是非线性的,该文运用核方法,将PCA和FDA进行了非线性推广,比较了核主成分分析（KPCA）和核Fisher判别分析（KFDA）以及核最大间距准则（KMMC）三种非线性特征提取方法。

人脸的性别分类

人脸的性别分类是指根据人脸的图像判别其性别的模式识别问题.系统地研究了不同的特征提取方法和分类方法在性别分类问题上的性能,其中包括主分量分析(PCA)、Fisher线性鉴别分析(FLD)、最佳特征提取、Adaboost算法、支持向量机(SVM).给出了在9姿态人脸库、FERET人脸库和一个网络图片人脸库上的对比实验结果.实验表明人脸中的性别信息集中存在于某个子空间中,因此,在分类前对样本进行适当的压缩降维不但不会明显降低分类器的性能,而且可以大大减少分类的时间开销.最后介绍了将性别分类器与自动人脸检测和特征提取平台集成起来的基于人脸图像的性别判别系统.

基于统计不相关最优鉴别矢量集的GIS局部放电模式识别

针对气体绝缘金属封闭开关设备(GIS)局部放电及其缺陷特点,设计了4种典型的GIS缺陷模型,采用甚高频高速采集大量局部放电样本,构造了局部放电灰度谱图。文中将主分量分析-线性鉴别方法应用于局部放电模式识别,即首先进行主分量分析,将数据从超高维空间降至低维空间,再提取统计不相关的最优鉴别矢量集,最后采用最小距离分类器进行模式识别。识别结果表明该方法对GIS各类模拟缺陷的正确识别率高,效果良好。

基于小波特征的星系光谱分类

提出了一种新的星系光谱分类方法.首先,对原始光谱进行四级小波分解,选择主要包含谱线信息的第四级小波系数作为光谱的小波特征;然后,利用主分量分析对光谱的小波特征进行特征压缩,得到光谱的识别特征;最后,利用Fisher线性判别分析实现分类.该方法能够在红移值未知的情况下,对流量未定标的星系光谱进行识别.通过实验与其他几种分类方法进行了比较.实验结果表明,本文方法具有较强的鲁棒性,在流量未定标情况下的识别效果优于其他几种分类方法.

结合人脸特征和密码技术的网络身份认证系统

为了解决传统密码或单纯生物特征在远程身份认证中存在的安全问题,利用人脸识别中特征模板的生成特点,设计了一种人脸特征与密码技术相结合的双重身份认证方案。人脸识别的仿真结果证明了人脸特征用于识别的有效性;系统分析表明,该系统能够对付传统网络身份认证中所遇到的窃听、重放、假冒或窜改等各种攻击,且实时性比较好。