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.

一种加权模糊C均值聚类算法及其在图像分割中的应用

现有的加权模糊C均值聚类算法中,属性加权是一个不断迭代、重复计算的过程,费时费力。针对这种情况,提出Fisher线性判别率进行属性加权。算法首先直接计算每一维属性对模糊聚类的贡献度,其次对所有属性的贡献度进行归一化处理然后加权聚类。在人工和实际数据集所做实验表明:该算法在提高聚类速度的同时,聚类效果上也优于其他同类加权模糊C均值聚类算法。

肌电模糊熵特征的加权核FDA跌倒识别

针对跌倒常常对老年人的健康构成严重危害的问题.本文设计了一种基于肌电信号的跌倒检测方法,首先提取腓肠肌和股外侧肌的s EMG的模糊熵特征作为特征向量,然后,针对日常活动动作类(Activities of Daily Life,ADL)的数目远多于跌倒类导致的数据集不平衡的问题,提出了加权核Fisher线性判别方法,采用相应的平衡参数来调节样本核矩阵,最终,将跌倒与行走、蹲下和坐下辨识出来.实验结果表明,该方法跌倒平均识别率96.7%,ADL平均识别率99.4%,识别结果优于其它分类方法.

基于类内加权的线性判别分析改进算法

线性判别分析(LDA)是一种基于统计的特征提取方法,能够较好的提取样本的分类特性,传统的LDA算法认为所有训练样本对分类的贡献是一样的,没有考虑样本类内以及类间的分布关系,针对这个问题,论文提出了类内加权LDA算法,提高算法对边缘类的分类识别能力。

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Fisher判别的改进WFCM分割算法

针对FCM算法对初始聚类中心、隶属度矩阵和噪声比较敏感且运算耗时的问题,提出一种椒盐噪声电路图像分割的WFCM改进算法。利用已有算法对椒盐噪声进行判断,粗略复原出原始图像直方图,找出波谷点作为图像的潜在分割点;根据Fisher判别思想构建确定初始聚类中心的最优化问题,计算改进WFCM算法的初始聚类中心;采用WFCM算法对非噪声点进行分割,得到其隶属度值;依据噪声点空间信息对其隶属度矩阵填值,获得整幅图像像素点的隶属度矩阵。仿真结果表明,改进算法能够更好地分割椒盐噪声电路图。

平煤集团煤与瓦斯突出强度预测的模糊综合评判

依据平煤集团历年煤与瓦斯突出事例的统计数据,应用7±2心理极限概念,合理选定模糊评判因素集,采用层次分析法确定各因素对突出强度的贡献度权重;采用定性数据定量化理论建立了各因素隶属于大型突出、中型突出和小型突出的隶属度;采用二级模糊综合评判方法和“加权平均型”评判数学模型,在国内外首次建立了煤与瓦斯突出强度预测模糊综合评判方法,按最大隶属度判别准则实现对突出强度的定量预测。对平煤集团91次突出事例突出强度预测验证表明,验证正确率为94 .5 % ,说明提出的煤与瓦斯突出强度预测方法在技术上是可行的,对突出矿井煤与瓦斯突出预测具有重要的指导意义。

基于矩阵模式的局部子域最大间距判别分析

矩阵模式的Fisher线性判别准则(MatFLDA)作为近几年矩阵模式下的经典特征提取方法被广泛地加以研究和运用。然而MatFLDA方法作为全局判别准则一定程度上忽视了样本空间内在的局部结构和局部信息。在矩阵模式下,引入局部加权均值(LWM)并结合最大间距判别分析(MMC),提出一种具有局部学习能力的有监督的特征提取方法:基于矩阵模式的局部子域最大间距判别分析(Mat-LSMMC),提高了MatFLDA方法的局部学习能力,具有较强的特征提取能力。通过测试人造、真实数据集来表明所提方法的优势。

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。

基于优化初始聚类中心的改进WFCM图像分割算法

针对模糊C均值聚类算法在分割图像时容易陷入局部最优的问题,提出一种改进的加权模糊C均值聚类图像分割算法。该算法借助图像直方图势函数,找出图像直方图上潜在的图像分割点;再基于Fisher判别思想构造关于模糊分割初始聚类中心的最优化问题,以期求取合理初始聚类中心,避免算法陷入局部最优。仿真结果表明,改进的加权模糊聚类图像分割算法能够有效避免陷入局部最优,具有更高的分割效率。

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。