基于Fisher判别分析可分性信息融合的马铃薯VC含量高光谱检测方法

为提高马铃薯VC含量检测结果的准确性和可靠性,提出一种基于Fisher判别分析(Fisher discriminant analysis,FDA)可分性数据融合的检测模型输入变量构建方法。首先,利用高光谱成像技术采集200个马铃薯的高光谱信息,通过对比6种预处理方法和原始数据的建模结果,确定多元散射校正为光谱数据的预处理方法;其次,采用竞争性自适应重加权采样(competitive adaptive reweighted sampling,CARS)、连续投影算法(successive projections algorithm,SPA)及CARS-SPA组合算法3种方法提取相应特征波长,通过对比分析最终确定34个有效特征波长;然后,将有效特征波长进行FDA可分性数据融合,根据融合的新变量对样本间差异性判别能力的大小进行筛选,确定构建检测模型的输入变量;最后,分别对FDA融合前后筛选的变量建立偏最小二乘模型和反向传播神经网络(back propagation neural network,BPNN)模型,并对检测结果进行对比分析。结果表明,将CARS算法提取的34个特征波长进行FDA融合,采用前3个融合变量作为构建检测模型的输入变量时,其所建BPNN模型的相关系数由0.9726提高至0.9990,均方根误差由0.7723降低至0.1727,不仅能够极大地降低数据分析维度,而且能够提高检测结果的准确性。因此,基于FDA可分性数据融合构建检测模型输入变量可以提高马铃薯VC含量检测结果的准确性。

基于遥感初判的建筑物震害Fisher判别法研究

破坏性地震发生后,迅速准确地预测建筑物破坏程度,对快速科学地开展地震应急指挥、救援力量部署等工作具有重大意义。针对现有建筑震害预测模型存在的评估结果粗糙、数据获取难度较高、计算工作量大、模型构建难度大、普适性不强等问题,提出一种基于遥感初判的建筑物震害Fisher判别法。首先,从地震强度和建筑物抗震能力两方面选取震级、震中距、场地条件及建筑物抗震能力4种震害作为判别因子;然后,基于判别分析理论,构建建筑物震害Fisher判别模型;最后,以四川泸定县6.0级地震为例,对文章提出方法进行验证。实验结果表明:该方法的预测结果与实际震害基本一致,准确率高达80%以上,证明该方法具有较高的可靠性,能较准确地对建筑物震害程度进行科学预测。

基于Fisher判别法的致密砂岩测井成岩相识别——以鄂尔多斯盆地YQ-XC地区长8储层为例

成岩相与储层质量密切相关,通过研究储层的成岩相,可为储层“甜点”的预测提供指导,为油气的勘探开发提供依据。本文应用物性分析测试、铸体薄片、扫描电镜、阴极发光等实验,同时根据成岩作用类型、成岩矿物组合等将鄂尔多斯盆地YQ-XC地区长8储层划分为五种成岩相类型:致密压实相、不稳定组分溶蚀相、残余粒间孔相、碳酸盐胶结相和黏土矿物胶结相。通过交会图处理常规测井资料,发现不同的成岩相具有不同的测井响应,但是各成岩相之间分区的重叠部分较多,因此,并不能通过交会图识别不同成岩相。利用Fisher判别法计算各样品点平面投影,建立不同成岩相的判别函数,对成岩相的正确识别率可达93.9%。通过与铸体薄片鉴定结果对比,验证了该方法的准确性,同时结合岩屑录井资料分析,认为成岩相对于油气富集具有一定的控制作用,残余粒间孔相储层为油气富集区域,不稳定组分溶蚀相次之,可将残余粒间孔相和不稳定组分溶蚀相作为研究区下一步油气勘探开发的重点区带。

改进Fisher判别法的突水水源快速判别模型

为快速有效地判别矿井突水水源位置,预防水害事故的发生,根据平煤五矿实际水文地质特征,针对砂岩、太灰和寒灰含水层水质差异性,收集34组水样资料,并选取K^(+)+Na^(+)、Ca^(2+)、Mg^(2+)、SO_(4)^(2-)、Cl^(-)、HCO_(3)^(-)六大常规水化学离子作为判别因子,开展水化学特征分析;结合PCA降维统计算法,建立改进的Fisher水源判别模型,并利用待测样本对比改进前后Fisher模型的判别结果,同时将训练样本回代到改进模型中进行验证。结果表明,根据水化学类型无法准确区分寒灰水与太灰水;利用改进Fisher判别模型测试10组待测样本,判别准确率为100%,相较于基础Fisher模型,准确率提高了20%,应用改进Fisher判别模型可大幅提升水源识别准确率;已知训练样本的回代结果显示,改进Fisher判别结果与实际情况基本吻合。通过2种模型的对比分析,采用改进Fisher模型进行矿井水源识别准确率及可靠性高,具有一定研究价值,可为矿井水源识别提供新的思路。

膨胀土判别与分类的Fisher判别分析方法

介绍了数理统计中常用的判别分析方法——Fisher判别分析法,结合合(肥)-六(安)-叶(集)高速公路工程,利用SPSS软件对沿线采集土样进行了Fisher判别分析,得出了适合该地区膨胀土判别与分类的判别方程。分析表明:(1)利用Fisher判别分析法仅需几项基本物理性质指标,参数的试验操作大众化、规范化,试验条件明确、设备简单、周期短。

基于主成分分析与Fisher判别分析法的矿井突水水源识别方法

为有效地预防矿井突水事故,及早识别突水水源是关键工作之一。根据矿井各含水层水化学成分的差异性,选取7种水化学成分指标作为突水水源识别的样本变量。在此基础上,采用主成分分析(PCA)与Fisher判别分析相结合的方法建立突水水源判别模型。以新庄孜煤矿不同水层的水化学特征资料中的33个为学习样本,12个为预测样本,对该模型进行检验和应用,并与传统Fisher判别分析模型的结果进行比较。研究结果表明:利用PCA与Fisher突水水源判别模型能够有效地消除样本变量指标间的相互影响,使突水水源判别结果更加准确。

基于Fisher判别法岩溶塌陷倾向性等级分类预测

为准确预测岩溶塌陷倾向性的等级分类,通过分析大量观测实例,选取岩性系数、岩体结构系数、地下水系数、覆盖层系数、地形地貌系数和环境条件系数作为模型判别因素。对12个实际观测样本进行训练,建立了基于Fisher判别分析法(FDA)的岩溶塌陷倾向性等级分类预测模型。借助SPSS软件工具,得到判别模型的4个判别函数。根据判别函数对训练样本进行回判,并对2个待判样本进行预测。结果显示:第一、第二判别函数的综合判别效率达到100%,大于规定的85%,满足工程实际应用需求;对训练样本进行回判时,误判率为零,同时对待判样本的分类预测准确率为100%。

用Fisher判别法确定矿井突水水源

运用Fisher判别分析(FDA)理论,根据含水层的标型组分和涌水点水样的化学成分,针对简单的两类和复杂的多类突(涌)水水源识别,分别建立Fisher的线性判别函数模型和典则判别的函数模型,并对它们进行判别分析,将所建的矿井突(涌)水水源识别的Fisher判别模型应用于华北某矿井予以验证。研究结果表明:该模型利用回代估计法所得到的误判率小,并具有较强的判别能力。运用该模型进行判别分析,简易方便,分类效率高,对研究矿井突(涌)水水源的快速、有效判别意义明显;该模型适用性强,有广阔的应用前景。

硫化矿石自燃倾向性等级分类的Fisher判别分析法

将Fisher判别分析法(FDA)应用于硫化矿石自燃倾向性等级分类问题中,选用主要矿物及含量、吸氧速度常数平均值、自热点、自燃点4项指标作为判别因子,建立硫化矿石自燃倾向性等级分类的FDA模型。选取新桥硫铁矿13个矿样的实验数据作为学习样本进行训练,建立相应的线性判别函数,并用训练后的模型对天马山高硫金矿的-55m中段以上矿石自燃倾向性进行判别。结果表明:Fisher判别分析模型分类性能良好,对硫化矿石自然发火潜势的划分结果统计意义明显,适用性强,说明该方法在硫化矿石自燃倾向性判别与分类中有较好的应用前景。

高光谱最优波长选择及Fisher判别分析法判别玉米颗粒表面黄曲霉毒素

黄曲霉毒素是广泛存在于玉米中且具有剧毒的一种代谢产物，以美国农业部农业研究署（USDA-ARS） Toxicology and Mycotoxin Research Unit提供的2010年先锋玉米为研究对象，验证了高光谱成像技术对玉米中黄曲霉毒素检测的可行性。以甲醇为溶剂制备四种不同浓度的黄曲霉毒素溶液，并将其逐一滴在等量的4组共120粒玉米颗粒表面，以未处理的30粒洁净玉米作为一组对照样本，将大小、形状相似的150个样品随机分为训练集103个，验证集47个；对获取的400～1000 nm波段范围内的高光谱图像，先进行标准正态变量变换（standard normal variate transformation ，SNV）预处理，然后引入基于 Fisher判别最小误判率的方法选择最优波长，并以所选波长作为Fisher判别分析法的输入建立判别模型，对玉米颗粒表面不同浓度的黄曲霉毒素进行识别，最后对模型判别正确率进行了验证。结果表明，选取四个最优波长（812.42，873.00，900.36和965.00 nm ）时Fisher判别分析模型对训练集与验证集的准确率分别为87.4％和80.9％。该方法为含黄曲霉毒素玉米颗粒便携式检测仪器的开发，以及对田间霉变玉米自然代谢产生毒素的检测奠定了技术基础。

主成分分析法和Fisher判别方法在汽油分类分析过程中的应用

应用主成分分析(principal component analysis,PCA)法对从90#和93#两种汽油的50个实验样所取的特征数据进行降维处理,再结合Fisher判别方法对这两种汽油进行分类,并将分类结果与不采用PCA法而直接计算数据所得出的Fisher判别结果进行比较,前者的分类正确率达到100%,而后者却只有50%.结果说明采用PCA方法事先对数据处理可以大大的提高汽油分类的准确性.

基于Fisher判别分析法的泥石流预报模型研究

针对泥石流形成原因复杂,形成机理认识不足,预测预报困难等特点。根据泥石流形成的直接成因降雨因素,运用判别分析理论,提出了泥石流预报的Fisher判别分析模型。该模型基本思想是将一系列与泥石流发生相关的因子数据投影到某一个方向,使得投影后数据尽可能地分组,借助组内方差尽量小,组间方差尽量大的一元方差分析思想确定判别函数,依据判别准则,判定新样本的归属类别。该方法具有操作简单易懂及计算速度快的特点,可及时对泥石流状况进行判别。实例研究结果表明,提出的Fisher判别分析泥石流预报模型能够有效提高预报精度。

基于Fisher有监督判别的非侵入式居民负荷辨识方法

居民负荷监测是需求侧管理的重要部分,为实现居民非侵入负荷监测与跟踪,研究了非侵入式负荷监测系统物理架构与工作原理,提出一种基于家电负荷主用电特征的负荷辨识方法。以非侵入环境下不同家电负荷的实测电能数据为先验训练样本,利用主成分分析法对8种典型电器的负荷特征样本进行降维处理,得到最优辨识特征,获取综合评估值并结合样本排序图将负荷分为2类。结合Fisher有监督判别准则将2类数据投影到一维空间,实现不同类型负荷的分离。实验证明该方法对不同家电负荷分类和辨识具有良好效果,能够在获取负荷有效特征的基础上实现对不同负荷的有效分辨。

基于Fisher判别分析法的隧洞围岩分类

针对隧道围岩分类问题,基于Fisher判别分析理论,选用岩石质量指标、完整性指数、饱和单轴抗压强度、纵波波速、弹性抗力系数和结构面摩擦因数等6个指标作为判别因子,以30组隧洞围岩数据作为学习样本进行训练,建立相应的Fisher判别模型。利用回代估计方法对建模数据逐一进行检验,正确率达93.3%。将建立的判别模型应用于工程实例,预测结果与实际情况吻合良好,与Bayes判别法、神经网络模型判别结果一致。研究结果表明,Fisher判别分析用于围岩分类简便可行,正确率高,是解决隧洞围岩分类的一种有效方法。

DDA法和Fisher判别法在潜在滑坡判识中的应用比较

选择地貌特征(包括地形坡度、沟谷切割状况、洼地封闭状况、前缘临空状况)、滑面特征(包括滑面倾角、滑面形态、滑面阻抗比)、滑体结构和近期活动迹象4大类9个因子作为古(老)滑坡类潜在滑坡的判识指标,以三峡库区和岷江上游地区相同数量的典型滑坡作为学习样本,依据距离判别分析(DDA)和Fisher线性判别分析(FLDA)方法,分别建立了两个研究区潜在滑坡的DDA判识模型和FLDA判识模型。实例分析结果表明,DDA方法对两个研究区学习样本和测试样本的误判率均为0,而FLDA方法对两个研究区测试样本的误判率分别为5.56%和11.11%,对学习样本的错判率分别为11.1%和0%。因此,在三峡库区和岷江上游地区潜在滑坡的判识中,DDA法比FLDA法判识准确性更高、适用性更强。

基于Softplus激活函数和改进Fisher判别的ELM算法

在极限学习机(extreme learning machine,ELM)网络中,对可加型隐单元的激活函数通常选择的是Sigmoid函数.因此,首先提出一种新型修正线性函数的近似平滑函数Softplus来替代它.Softplus激活函数因为更接近生物学的激活模型且具有一定的稀疏能力,可进一步优化网络性能.其次,为了使ELM算法训练的网络具有更好的分类性能,考虑了类内距和类间距的约束,提出了基于改进Fisher判别约束的ELM算法,从而使解析求得的输出权值更加利于分类,进一步改进了识别性能.最后,在手写数字库和人脸库上的实验证明了改进ELM算法的可行性和优越性.

基于近红外的Fisher判别法鉴别废塑料

通过对化学计量学方法的分析研究,提出了一种基于近红外光谱的丙烯腈–丁二烯–苯乙烯塑料、聚对苯二甲酸乙二酯、聚氯乙烯、聚丙烯、聚苯乙烯和聚乙烯6种塑料的一次性鉴别模型,为近红外塑料识别软件的二次开发提供有效程序。结果表明,光谱经3次多项式、13窗口S–G最小二乘拟合平滑+sym17函数、分解2层小波分析+主成分分析+特征波长选择+Fisher判别处理,可得5个判别函数式。由这些函数式建立的判别模型可以实现6种塑料的一次性识别,其校正集样本自身验证和交叉验证的识别率分别为100%和84.9%,表明该模型稳定;预测集样本进行模型外部检验的准确率为100%,表明该模型可行。

基于Fisher线性判别分析的语音信号端点检测方法

传统的语音端点检测方法对辅音,特别是受到噪声污染的清音部分与背景噪声之间分离能力不足。针对上述问题,该文提出一种基于Fisher线性判别分析的梅尔频率倒谱系数(F-MFCC)端点检测方法。将清音信号和背景噪声视为两类分类问题,采用Fisher准则求解具有判别信息的最佳投影方向,使得投影后的特征参数具有最小类内散度和最大类间散度,从而增大清音与背景噪声的可分离性。在不同语音库上的实验结果表明,F-MFCC能够在不同信噪比和背景噪声条件下提高语音端点检测的准确率。

基于Fisher判别分析法的井巷围岩质量分类研究

为建立在煤矿勘探阶段井巷围岩质量分类的判别模型,选取岩石的天然单轴抗压强度、饱和单轴抗压强度、软化系数、天然抗剪强度、饱和抗剪强度、含水率和岩石质量指标RQD值等7项因子作为分类指标,以新疆乌鲁木齐市某煤矿的2个煤层顶底板的40组岩样作为学习样本,采用Fisher判别分析方法对该40组岩样进行训练,建立了判别模型,采用回代估计方法对每个岩样进行验证,正确率达到97.5%,利用该判别分类模型对另一煤矿的8组岩样进行分类,其分类结果与实际分类结果完全相符。研究结果表明:Fisher判别分析方法是一种有效的围岩质量分类方法,该判别模型可在实际煤矿井巷围岩质量分类中进行推广应用。

基于Fisher判别法对黑龙江大米产地溯源

为了探索大米产地鉴别可行性,维护市场秩序和消费者的合法权益,该研究采用Fisher判别法(Fisher discriminant method,费希尔判别法)进行建模并结合近红外光谱技术,对2015年黑龙江5个水稻主产区(五常、佳木斯、齐齐哈尔、双鸭山、牡丹江)的118份大米粉末样品进行近红外光谱的扫描,光谱预处理方法为9点二阶求导结合5点平滑,建模波长为全波长。对模型采用留一交叉验证和预测样本集进行验证,5个地域的验证结果分别为94.4%、94.4%、91.7%、91.7%、94.4%和87.5%、87.5%、87.5%、100%、100%。预测结果达到80%以上,初步认定近红外光谱指纹分析技术可用于黑龙江大米产地溯源。