基于改进Fisher Ratio的RBF网络在油浸变压器故障诊断中的应用

针对Fisher Ratio不能使网络结构得到最大优化这一缺点,提出应用改进Fisher Ratio方法选择RBF网络隐层节点数及径向基函数中心,并采用改进的Fisher比算法完成基于DGA的油浸变压器故障诊断。结果表明,该方法能极大地简化网络结构,提高了分类能力和收敛精度。与改良电协研法相比,具有较好的故障识别效果。

基于图像分块的改进Fisher人脸识别算法

二维方法用于图像矩阵特征提取,虽然速度快,但影响了分类速度。针对二维线性鉴别分析(Two-Dimensional Linear Discriminant Analysis,2DLDA)的特点,研究了一种基于图像分块的改进Fisher人脸识别算法,该算法首先对人脸图像进行压缩降维处理,得到相应的特征矩阵,然后利用改进Fisher算法对特征矩阵进行类间离散度矩阵和类内离散度矩阵的计算,该算法充分考虑了类别信息,避免了传统Fisher算法造成的小样本问题,有效提高了分类速度。基于ORL(Olivetti Research Laboratory)与Yale人脸数据库的实验结果证明了该算法的有效性。

基于改进Fisher判别的起步工况驾驶风格研究

以实验采集的起步工况驾驶数据为基础,利用PCA分析筛选出驾驶员在起步工况下的风格特征参数,采用GMM聚类算法对起步工况下的驾驶数据进行分析.以驾驶风格聚类分析结果为基础建立了基于Fisher判别的驾驶风格识别方法模型,运用经典和改进Fisher判别对驾驶风格数据的测试集进行识别.结果表明,改进Fisher判别的识别正确率可达85%以上,证明了改进Fisher判别在处理驾驶风格会影响车辆的多种性能表现时有效,具有较高的准确性.

结合改进Fisher判别分析和显著故障变量提取的卷烟制叶丝段故障诊断方法

针对卷烟制叶丝段因过程变量间相关性强而导致故障误诊断率高等问题,提出一种结合改进Fisher判别分析和显著故障变量提取的制叶丝段故障诊断方法。设计了一种具有正交判别成分的改进Fisher判别分析方法,通过两步特征提取避免了类内散布矩阵奇异性问题,并通过数据紧缩保证了判别成分间的垂直性。利用改进Fisher判别分析方法提取故障方向,沿故障方向通过贡献度分析度量不同变量对故障影响,获得对故障有重要影响的故障变量和没有影响的一般变量,分别建立故障变量和一般变量故障诊断模型,实现设备在线故障诊断。基于制叶丝段设备的实际运行数据进行实验验证,结果表明:与典型贡献图故障诊断方法相比,该方法有助于对故障过程和特性的深入理解,通过对显著故障变量分析与提取,克服了非关键故障诊断信息的影响,能够及时准确分离出引发故障的变量,有效提高卷烟设备故障诊断的可靠性。该方法为制丝生产设备异常状态的精确诊断提供了理论支撑。

基于WT-2DICA与改进Fisher算法的人脸识别

小波变换与二维独立元分析(WT-2DICA)能有效提取人脸图像的高阶统计信息,但不能很好地识别受污损的人脸图像。改进Fisher算法充分考虑了类别信息,避免了传统Fisher算法造成的小样本问题。该文结合2种算法的优点,融合改进Fisher算法的最佳投影方向与WT-2DICA算法的独立基子空间,获得了融合投影方向。实验结果表明,该融合算法具有较好的分类性能。

基于改进Fisher准则、VMD、距离相关系数和核极限学习机的轴承故障诊断

针对滚动轴承早期微弱故障特征提取问题和诊断模型的参数优化问题,提出一种基于变分模态分解(VMD)和距离相关系数的特征提取方法和基于模拟退火粒子群算法的参数优化方法。首先依据不出现模态混叠的条件和信噪比最大的准则确定VMD的参数k和α,其次将分解所得各个模态的峭度,中心频率和同原信号的距离相关系数作为小波核极限学习机的特征向量,并用模拟退火粒子群算法基于改进的核空间的Fisher准则优化小波核的2个参数,同原始Fisher准则相比提升了分类准确率,适用于小样本训练集下核极限学习机的参数优化。对比实验表明相比EMD方法,VMD方法有更高的分类准确率和更好的噪声鲁棒性。

改进KFDA分类器在电力变压器故障诊断中的应用

针对变压器故障中数据呈现非线性,故障类型复杂,神经网络存在局部极值等问题,提出了一种改进的核Fisher(KFDA)诊断方法。在核Fisher的基础上,用欧氏距离对类间距离进行加权,一定程度上降低了数据投影重叠的问题,提升分类性能。另外,针对单一核函数的不足,采用了复合核函数,使其具有更好的非线性处理数据能力。经实验验证,KFDA分类器不存在局部最值,具有识别正确率高等优点,是一种有效的故障诊断方法。

卷烟制叶丝段不同生产线产品感官质量差异的工艺特征参数提取方法

为了解决卷烟制叶丝段不同生产线同一牌号产品感官质量存在差异等问题,提出了一种基于改进Fisher判别分析和参数贡献度评价的工艺特征参数提取方法。采用改进Fisher判别分析提取制叶丝段优秀生产线和问题生产线同一牌号工艺参数数据的最大分离方向,进而沿最大分离方向计算不同生产线的相似度,并根据优秀生产线的相似度计算控制限。如果问题生产线相似度超出控制限的占比大于给定置信值,计算问题生产线各工艺参数的差异贡献度,将本次迭代中贡献度最大的工艺参数作为特征参数,通过迭代提取获得导致感官质量差异的所有工艺特征参数。基于某特定牌号对不同生产线的工艺参数数据进行实验验证,结果表明:该方法提取的工艺特征参数更加科学和完备,通过量化问题生产线工艺参数的差异贡献度,有效提高了不同生产线多参数差异分析的可靠性。该方法可为制叶丝段不同生产线相同工艺路径下的工艺参数优化提供技术支持。

基于RBF网络的涡流无损检测系统设计

结合涡流无损检测的特点,介绍了基于RBF网络的涡流无损检测系统及系统软、硬件设计方法。硬件部分采用TI公司的DSP芯片TMS320VC5410作为核心,完成信号的产生及其处理。软件部分采用了基于RBF神经网络的涡流无损检测方法,且针对常用的RBF中心选择算法不能构成全局最优、收敛速度慢等缺点,提出采用基于改进Fisher中心选择算法确定RBF网络隐层节点数及径向基函数中心。仿真结果表明:利用DSP产生处理信号,得到的波形精度高、稳定性好;利用改进Fisher算法确定RBF隐层节点数及径向基函数中心简化了网络结构,提高了分类能力和收敛精度。

一种基于高斯模型的人脸检测方法

提出了一种在复杂的灰度图像上使用高斯模型检测人脸的方法 .该方法首先使用自组织映射网络为每个训练样本确立类别标签 ,然后用改进的 Fisher线性判别模型对所有样本进行投影以尽可能拉大各类之间的距离 ,最后使用高斯分布对每类样本进行建模 .高斯分布的参数使用极大似然估计法求得 .实验显示 。

融合纹理与形状特征的HEp-2细胞分类

间接免疫荧光(IIF)HEp-2细胞图像分析是自身免疫疾病诊断的重要依据,然而由于类内的变化与类间的相似性,HEp-2细胞染色模式分类具有很大难度。该文提出一种结合纹理和形状信息的有效分类方法,借鉴CLBP原理,提出具有完整信息描述能力的局部三值模式CLTP(Completed Local Triple Pattern)描述子来提取纹理信息,同时采用IFV(Improved Fisher Vector)模型和Rootsift特征来描绘形状信息,通过纹理和形状信息的结合,最终训练得到SVM分类器在ICPR 2012与ICIP 2013数据集上进行了对比试验。结果表明,所提方法在细胞级测试中优于其它方法,拥有竞争性的分类性能。