二次判别函数应用于 PHENIX 的 π-μ 粒子鉴别

通过分析π介子与μ子穿过介质时的特性，选择了７个参数作为判别变量。利用改进后的二次判别函数，获得了在保持约７９％的μ子时，可将π介子抑制至１．６×１０－３量级。这一结果已达目前ＰＨＥＮＩＸ探测器设计条件下π－μ粒子鉴别的极限。

基于二次判别的果蝇启动子识别

通过对果蝇polⅡ启动子和非启动子的序列特征分析,计算了序列每个位点单碱基保守性M1(l)值和六联体保守性M6(l)值。从而分别选取两个区域的六联体频数作为离散源参数,利用离散增量结合二次判别函数(IDQD)对启动子进行了预测。对于从编码区和内含子中选取的非启动子数据集,启动子的预测成功率分别达到93%和89%。比较结果显示IDQD模型能够有效地提高启动子预测成功率。

基于混合概率核主成分二次相关红外目标检测

在主成分特征提取基础上,提出了一种把子空间二次综合判别函数(Subspace Quadratic Dynthetic Discri minant Function,SSQSDF)作为相关滤波器的红外目标检测算法.该算法把混合概率核主成分分析推广到混合概率模型,在核空间对样本进行特征提取,获取目标样本的低维主特征向量.对训练和待检测样本向主特征向量投影获得它们的低维特征分量,并把获取的特征量作为SSQSDF的样本参量.最后,SSQSDF滤波器输出大于给定阈值所对应的检测区域,将其作为检测目标.实验证明,该算法能较强抑制目标背景噪音,提高目标检测准确度,具有一定的可行性和有效性.

基于核空间二次相关滤波的红外目标检测

子空间二次综合判别函数(SSQSDF)是一种性能良好的二次相关滤波器,为了更好地对复杂场景中红外目标进行检测,提出了把SSQSDF扩展到高维空间用于红外目标检测的核二次相关检测算法(KSSQSDF)。算法主要通过选取适当核函数得到训练样本核矩阵,然后利用核函数性质把SSQSDF转换为以核矩阵表示形式的矩阵方程,最后求解方程获得KSSQSDF算法表达式。KSSQSDF形式简单,能较强抑制目标背景噪声干扰,提高目标检测精度。在真实场景下通过实验验证了KSSQSDF与SSQSDF相比在检测性能上具有优越性。

核空间与二次相关滤波器融合的红外目标检测

针对二次相关滤波器(QCF)与核空间特征相结合在红外目标检测中的应用,提出KSSQSDF核直接映射法与MPKPCASSQSDF核特征提取融合法。前者对低维空间下的QCF直接进行高维映射,使其转化为核空间下的非线性相关滤波器;后者采用核空间进行特征提取,对提取后的特征向量使用低维空间的相关滤波器,用于红外目标检测。通过实验分析2种算法间的相互联系,在目标检测结果及计算复杂性等方面的差异,结果表明,2种算法的检测精度大致相同,均明显优于低维空间的QCF检测,但MPKPCA-SSQSDF核特征提取融合法不受QCF种类限制,检测时间短,具有广泛性,在某种程度上可以代替KSSQSDF核直接映射法。

全局和时序结构特征并用的语音信号情感特征识别方法

在利用全局特征进行语音情感特征分析的基础上,提出了采用情感语句中各元音时序结构作为新的特征,并针对不同语句中包含不同元音个数的情况,提出了零补齐、全局均值补齐、前均值补齐三种不同的规整方法.以从10名话者中搜集的带有欢快、愤怒、惊奇、悲伤4种情感的1000句语句作为样本,本文对语音情感特征进行了分析.实验结果表明利用全局特征和时序特征相结合,对时序特征采用前均值补齐,同时使用修正二次判别函数(MQDF)进行情感识别能够获得94%的平均情感识别率.

一种分类器级联的手写相似汉字识别方法

针对手写相似汉字识别问题,提出一种新的基于分类器的方法来更全面地利用原始特征中的判别信息.新方法与现有的对相似汉字提取额外特征的方法不同,其在得到特征向量之后,首先利用修正的二次判别函数进行分类,然后用支持向量机对分类结果中的相似汉字的上述特征向量进行再一次的分类,得到最终的识别结果.利用分类混淆矩阵自动得到相似汉字集合,并提出了一种新型的存储结构用于快速查找支持向量机的训练字典.在ETL9B手写汉字数据库上的实验表明,所提出的方法可得到相对于提取额外特征方法更好的识别结果,以此证明了原始特征中存在对于相似字的判别信息,提出的基于分类器的方法可更好地利用这些判别信息.

人类polⅡ启动子的识别

依据基因启动子区和非启动子区碱基分布的特征,应用基于多样性增量的二次判别分析(IDQD),对人类polⅡ启动子进行识别,识别精度达到90%以上的水平,优于其他已发表的(包括SVM分类器等)识别算法.使用IDQD算法也能对转录起始位点(TSS)进行较准确的预测,10-fold交叉检验结果的敏感性和特异性分别为86%和91%.这些结果表明IDQD是一个有效的分类器.

基于双导联ECG和多变量回归模型的远程心电诊断算法研究

目的研究适于远程心电诊断、高精度的心电信号 (ECG)直接分类方法 ,以克服接收端因信号重建而延误时间的问题。方法收集MIT BIHdatabase中正常窦性心律 (NSR)、心房早期收缩 (APC)、心室早期收缩 (PVC)、心室性心动过速 (VT)、心室纤维性颤动 (VF)和室上性心动过速 (SVT)各 30 0例进行分类研究。提出一种融合双导联ECG信号的多变量回归 (MAR)模型对心电信号直接进行分类 ,包括 :心电数据的MAR建模 ,利用MAR模型系数及其K L变换系数实施非线性二次判别函数 (QDF)法分类。结果文中方法快捷方便 ,分别获得了 98.3%至 1 0 0 %的分类精度。结论MAR建模法特别适合于远程心电诊断 。

基于自产生投票的手写汉字识别

在模式识别领域,投票策略是非常有效的,而且已被成功应用到人脸检测、识别等领域.然而,在手写汉字识别(Handwritten Chinese character recognition,HCCR)中,由于类别集很大、训练样本少等特点,现有的很多分类器集成方法方法都很难直接应用于此领域.本文提出一种自产生式投票的方法,该方法通过事先学习得到的参数集产生一个测试集合,然后用一个分类器去识别测试集合中的每个样本,得到属于各个类别的概率,最后通过加权投票得到识别结果.实验结果表明,本文提出的方法是实用和有效的.

AR模型在远程心电诊断中的应用

在远程心电诊断中 ,计算机辅助ECG诊断通常是在接收到ECG信号、进而解压重建后进行的 ,这样便造成诊断工作的延误。本研究提出了一种基于AR模型的ECG直接分类方法 ,利用AR模型系数及其建模误差作为特征对ECG信号进行压缩 ,并采用非线性二次判别函数形式进行特征分类。通过对MIT BIH标准数据库中的NSR、APC、PVC、SVT、VT和VF各 2 0 0个样本信号进行测试 ,获得了 93.5 %～ 97.86 %的分类精度。该方法的特点是 :诊断迅速方便 ,能同时对多类ECG信号进行有效分类 。

基于ARMA模型的ECG分类和压缩

心电信号(ECG)对医生诊断心脏疾病极为重要。现存许多ECG分类技术存在实现困难、处理时间长和只能对2～3类ECG进行分类的不足。本文介绍了计算简单的ARMA模型的ECG分类法,利用ARMA模型系数作为特征对ECG信号进行分类和压缩。在对信号特征分类时,采用了非线性二次判别函数的形式。利用文中方法对MIT-BIH标准数据库中NSR、APC、PVC、SVT、VT和VF各200个样本信号进行测试,获得了94.28%～99.28%的分类精度。

基于参数建模法心律失常的计算机辅助自动诊断(英文)

利用多变量参数回归模型 (MAR)的数据融合技术 ,从双导联心电信号中提取特征 ,以实现计算机辅助自动诊断。在分类时 ,利用 MA R模型系数及其 K- L 变换作为信号特征 ,并采用了非线性二次判别函数 (QDF)分类器。利用文中方法对 MIT-BIH标准数据库中的正常窦性心律 (NSR)、心房早期收缩 (APC)、心室早期收缩 (PVC)、心室性心动过速 (V T) ,心室纤维性颤动 (V F) ,室上性心动过速 (SVT)信号进行了建模和测试。结果表明 ,融合双导联心电数据后取得了比只利用单导联心电数据更为满意的结果。

DBN融合模型对脱机手写汉字识别

针对脱机手写汉字识别问题,提出一种新的分类器级联识别模型。新模型将修正的二次判别函数(modified quadratic discriminant function,MQDF)与深度置信网络(deep belief network,DBN)相融合,利用MQDF先进行识别并得出结果,同时计算一个该识别结果的可信度,通过这个可信度对识别结果进行判别,若可信度符合要求,则MQDF的识别结果可作为最终结果直接输出,否则再与DBN结合进行二次识别,得到最终的识别结果。实验结果表明,在ETL-9B手写汉字数据集上进行的脱机手写汉字识别任务中,使用MQDF与DBN融合模型,可以取得比单独使用MQDF和DBN更好的准确率。

基于多导联心电信号和多变量回归模型的心律失常的分类(英文)

心电信号(ECG)智能分析非常有利于严重心脏病人的自动诊断。本文介绍了多变量回归模型(MAR)建模法,利用MAR模型从双导联ECG中提取特征对ECG信号进行分类。在分类时,利用MAR模型系数及其K-L变换(K-LMAR系数)作为信号特征,并采用了树状决策过程和二次判别函数(QDF)分类器。利用文中方法对MIT-BIH标准数据库中的正常窦性心律(NSR)、期收缩(APC)、心室早期收缩(PVC)、心室性心动过速(VT)和心室纤维性颤动(VF)各300个样本信号进行了建模和测试。结果表明,为了达到分类目的,MAR模型阶数取4是足够的,基于MAR系数的分类取得了比基于K-LMAR系数的分类稍好的结果。基于MAR系数的分类获得了97.3%～98.6%的分类精度。

基于MQDF-DBM模型的脱机手写体汉字识别

针对脱机手写体汉字识别准确率较低的问题,提出一种基于修正的二次判别函数(Modified Quadratic Discriminant Function,MQDF)与深度玻尔兹曼机(Deep Boltzmann Machine,DBM)的分类器级联模型。该模型的主要思想是MQDF和DBM在特征提取和分类机制上可以相辅相成。先用MQDF进行识别并得出结果,同时计算该结果的一个广义置信度。若置信度满足要求,则将识别结果作为最终结果输出,否则结合DBM进行二次识别,得到最终识别结果。实验结果表明,使用MQDF-DBM模型可以获得比单独使用MQDF和DBM模型更高的识别准确率,且识别速度比DBM更快。

基于序列信息预测内含子保留型可变剪接

可变剪接是遗传信息传递与表达的重要环节,真核生物多外显子基因pre-m RNA的可变剪接现象非常普遍。可变剪接增加了蛋白质的多样性,影响诸如细胞组织特异性分化、个体发育、疾病发生等重要的生物学过程。基于内含子的k-mer(k=1…5)信息,利用多样性增量结合二次判别的方法,对保留型内含子和组成型内含子进行了区分。五折交叉检验显示的预测总精度、敏感性和特异性均大于70%。表明内含子的序列信息可能对保留型内含子的剪接有重要调控作用。

税收诚实申报判别模型

税收稽查选案研究的主要内容：一是判别纳税人是否逃税，二是估测逃税者的逃税额。本文对第一个问题进行了系统研究，提出了建立税收诚实申报判别模型的基本内容和步骤，并结合某地的实际数据建立了税收诚实申报判别模型，根据模型判别的结果与税务部门核查的结果一致。

基于MQDF的汉语塞音语音识别方法的研究

通过对QDF改进方法的探讨,提出了一种基于MQDF的汉语塞音语音识别方法。在该方法中,我们探讨了MQDF的最佳形式并通过实验求出了它的最佳参数,提出了适合于用MQDF进行汉语语音识别的语音特征参数变换方法。通过对汉语塞音语音的识别实验,证明了本文提出的基于MQDF的汉语塞音语音识别方法具有良好的识别效果。