非局部均值加权的动态模糊Fisher分类器的遥感图像变化检测

提出一种新的变化检测算法,利用改进的动态模糊Fisher分类器,通过对多时相图像的联合直方图进行分类得到变化区域。在此基础上,根据图像空间关系对待检测点进行非局部均值加权,并以一定比例选取可靠性高的数据先进行标类,增加数据的可分性和算法的可靠性。根据更新后的样本动态调整待检测点权重及分类器参数,直到所有点判别完毕为止。本算法不受参数模型限制,不受差异算子影响并充分利用图像的空间与时间信息。真实遥感数据试验表明本算法提高了检测精度。

一种通过动态聚类训练椭圆形模糊分类器的方法

研究了椭圆形模糊分类器的训练问题 .首先从分类器的结构入手 ,分析异类训练样本形成的椭圆相互重叠时 ,两种原因引起样本被误分 ,由此提出两种动态聚类的方案来增加新的分类规则 ,并且采用基于实数编码的遗传算法训练椭圆 .将提出的训练方法应用于实例 ,并与其它训练方法比较 。

基于Fisher判决率加权的修正最近邻模糊分类器设计

针对基于高分辨距离像(HRRP)多类特征联合舰船目标识别的问题,提出了一种基于Fisher判决率加权的修正最近邻模糊分类器。在对舰船目标的HRRP特性进行分析的基础上提取船长、离散性、对称性、中心距等稳定特征,结合各类特征的稳定性和可分性,设计一种能让不同特征充分发挥优势作用的修正最近邻模糊分类器。该分类器用Fisher判决率对特征差隶属度进行加权修正;通过10类军民船目标的实测数据验证,表明基于Fisher判决率加权的修正最近邻模糊分类器在舰船目标识别领域具有很好的实际应用前景。

利用改进Fisher分类器进行遥感图像变化检测

将多时相遥感图像变化检测问题看成一个分类问题,利用改进的动态Fisher分类器通过二维联合直方图检测变化区域.考虑图像邻域关系,提出基于局部均值的动态Fisher分类器,在引入图像空间关系的同时,根据当前检测结果动态调整训练参数,解决了由于初始训练数据选取不同而造成的不稳定性.该算法不需要假设分布模型,不受差异算子的影响,且将原有的像素级检测提升为上下文相关检测.实验结果表明,该算法提高了检测精度,检测结果稳定。

基于分类器融合的骨髓细胞识别研究

骨髓是人体的主要造血器官,骨髓细胞在形态、种类、数目上的变化往往反映出一些重要疾病的信息。对骨髓涂片图像中的细胞进行分类识别和计数,对辅助临床诊断有着重要意义。论文在采用改进型遗传算法进行特征优选的基础上,提出了基于信息熵的成员分类器动态选择和自适应模糊积分分类器融合的骨髓细胞识别算法,进而采用临床病例证明了该识别方法的有效性。

基于FCM的两级集成分类器算法

基于模糊聚类的思想提出了一种新的两级集成分类器算法。将数据集用Fuzzy C-Means算法进行聚类,得到每个实例对应于每个类别的模糊隶属度。一级集成根据Bagging算法获得成员分类器,分类器个数为数据集类别数且每个成员分类器对应一个类别标号,这些成员分类器的采样方式是通过其对应类别的模糊隶属度为每个实例加权后进行随机重采样。二级集成是将一级集成产生的针对类别的成员分类器通过动态加权多数投票法来组合,学习到最终的分类结果。该算法称为EWFuzzyBagging,实验结果表明,该算法与Bagging和AdaBoost相比具有更好的健壮性。

基于多级综合分类器的红外目标检测

文章针对大视场不同尺度的红外目标检测问题,以大视场红外搜索系统为基础,提出了一种基于多级综合分类器的实时红外目标检测算法,实现由粗到精的虚警剔除。在预处理阶段,该算法首先进行尺度放缩变换,在不同的尺度上采用Robinson滤波抑制背景,再将不同尺度的滤波结果在原始尺度上融合;在对图像进行背景抑制的基础上,构造多级串联的综合分类器:在目标的粗检测阶段,采用模糊隶属度融合的分类器剔除大部分虚警;在目标的精细检测阶段,提取候选目标的特征并进行类间特性分析,设计基于Fisher系数加权的综合分类器以实现真实目标的确认与虚警剔除。实验表明,该算法能够有效剔除与真实目标特性相似的虚警干扰,对尺度变化的红外运动目标具有较好的检测效果。

一种动态特征选取方法及其在故障诊断中的应用

针对高铁故障数据的特点,以高速列车走行部(主要指转向架)常见故障的实测数据为研究对象,提出一种动态特征选取方法。通过结合Fisher比率和模糊熵方法对其特征空间进行评估,有效去除冗余特征,利用加权平均方法选取优化的特征子集,从而实现故障分类。实验结果表明,与Fisher比率方法、模糊熵方法相比,该方法能提高不同列车速度下高铁故障的分类准确度及低速时的分类稳定性;与原特征空间方法相比,使用该方法提取最优特征空间后各列车速度下的分类准确率平均提高了5.2%。