基于核Fisher判别分析的高光谱遥感影像分类

高光谱遥感技术,将反映目标辐射特性的光谱信息与反映目标空间位置关系的图像信息有机地结合在一起。高光谱影像具有丰富的光谱信息,较全色、多光谱影像能够更好的进行地面目标的分类识别。在介绍核Fisher判别分析算法的基础上,选用径向基核函数,使用一对一或一对余构造多类构造法,并利用交叉验证网格搜索法优化核函数参数,构建了快速稳定的多类核Fisher判别分析分类器。通过OMIS和AVIRIS影像的分类实验,表明了核Fisher判别分析与支持向量机的分类精度相当,但是所需的训练时间较短。

基于核Fisher判别分析技术的电力变压器DGA故障诊断模型研究

鉴于核Fisher判别分析技术(KFDA)在模式识别问题中表现出的良好性能,提出了基于KFDA的变压器故障诊断模型,该模型首先提出了区分放电及过热两大类故障的特征量,并用KFDA分类器来识别类内故障的具体类别。采用基于网格搜索的交叉验证法来选择模型参数,避免了参数选择的盲目性和随意性。实例分析表明,该模型具有训练时间短、不存在局部极小等优点,与IEC三比值及改良电协研法相比,具有更好的故障识别效果。

基于核Fisher判别分析方法的非线性统计过程监控与故障诊断

化工过程中大量的生产数据反应了生产过程的内在变化和系统的运行状况,基于数据驱动的统计方法可以有效地对生产过程进行监控。对于复杂的化工和生化过程,其过程变量之间的相关关系往往具有很强的非线性特性,传统的线性统计过程监控方法显得无能为力。本文提出了基于核Fisher判别分析的非线性统计过程监控方法,首先利用非线性核函数将数据从原始空间映射到高维空间,在高维空间中利用线性的Fisher判别分析方法提取数据最优的Fisher特征矢量和判别矢量来实现过程监控与故障诊断,能有效地捕获过程变量之间的非线性关系,通过对流化催化裂化(FCCU)过程的仿真表明该方法的有效性。

基于核Fisher判别分析的无线传感器网络入侵检测算法

无线传感器网络能量有限、计算能力有限,传统网络中的入侵检测方法不适用于无线传感器网络。提出了一种基于核Fisher判别分析的无线传感器网络入侵检测算法,利用核Fisher判别分析对比传感器节点数据和已建立的入侵行为特征来判断是否存在入侵行为。理论分析和仿真实验表明,该方法能有效的检测入侵行为,并且具有低能耗、计算量小的特点,适用于计算能力有限、能量紧缺的无线传感器网络入侵检测。

基于核Fisher判别分析的粮虫特征压缩方法

针对粮仓害虫种类多、类别之间相似度比较高的特点,提出基于核Fisher判别分析的粮虫特征压缩方法.利用高斯径向基核函数,对特征选择后的10维原始数字特征进行核Fisher判别分析,即通过非线性变换将样本数据从输入空间映射到高维特征空间,然后在高维特征空间进行特征提取.从粮虫分类效果方面,将KFDA法与FDA法、PCA法和KPCA法3种方法进行了比较分析.应用KFDA法提取的前4个特征,由最近邻分类器对粮仓中常见的9类粮虫进行分类,验证集的识别率为93.33%.结果表明:KFDA法对粮虫特征的非线性比较敏感,在有效降低特征维数的同时,还提高了类别之间的可分性.

一种核Fisher判别分析的快速算法

针对训练样本多时核Fisher判别分析(KFDA)的计算代价大,特征提取速度慢问题,本文提出一种KFDA的快速算法。该算法首先基于线性相关性理论,设计出一种优化方法,快速寻找训练样本在特征空间所张成的子空间的一组基;然后用这组基线性表示最佳投影方向,结合特征空间中的Fisher准则函数,推导出求解最佳投影方向的新公式,其求解过程只需对一个阶数等于基的个数的矩阵特征值分解,同时提取某样本特征时只需计算该样本与这组基之间的核函数。基于多个数据集的实验验证了该算法的有效性。

基于核Fisher判别分析的蛋白质氧链糖基化位点的预测

以各种窗口长度的蛋白质样本序列为研究对象,实验样本用稀疏编码方式编码,使用核Fisher判别分析(KFDA)的方法来预测蛋白质氧链糖基化位点。首先通过非线性映射(由核函数隐含定义)将样本映射到特征空间,然后在特征空间中用Fisher判别分析进行分类。进一步,用多数投票策略对各种窗口下的分类器进行组合以综合多个窗口的优势。实验结果表明,使用组合KFDA的方法预测的效果优于FDA和PCA以及单个KFDA分类器的预测效果,预测准确率为86.5%。

核Fisher判别分析在棉麻纤维识别中的应用

核Fisher判别分析方法的主要思想是把样本映射到某一特征空间,然后在此特征空间中进行Fisher线性判别.本文将Fisher判别分析方法用于棉、麻纤维的分类识别,实验结果表明:选择不同的核函数其判别效果不同,总体上核Fisher判别分析方法对棉麻纤维的识别率明显较高.

核Fisher判别分析多参数自动优化算法

针对智能优化算法原理复杂,相关参数设置困难的缺点,尝试利用拟牛顿法对核Fisher判别分析多个核参数进行自动优化。根据经验风险最小准则构建目标函数。为保证目标函数连续且可导,通过连续的sig-moid函数将离散的二进制输出转化为连续的概率输出。利用正交表选取初始核参数点。实验结果表明,所提算法具有同遗传算法相近的分类性能,且收敛速度快,原理简单,可以很好地应用于核Fisher判别分析多个核参数优化。

基于核Fisher判别分析的高职学生考试成绩预测

高职教育中对学生考试成绩的预测,可以帮助教师提前评估教学效果,优化课程设计,从而提高学生考试成绩和教学质量。文章基于核Fisher判别分析,搭建了高职学生期末考试成绩预测模型,以学生自身特点和平时表现等构成模型输入变量的维度信息,来预测学生是否可以通过期末考试。实验中以深圳信息职业技术学院学生作为研究分析对象,考察建立模型的预测精度,并与经典算法进行了比较。实验结果证明,核Fisher判别分析具有良好的泛化能力,其预测精度与支持向量机相近,但优于C4.5决策树方法。

LLE与核Fisher判别分析结合的人脸识别研究

针对人脸识别问题提出了将LLE与核Fisher相结合的识别方法 LLEKF,先应用LLE方法将样本和待测试的人脸图像集降低到一定维数,再利用核Fisher判别法通过选择合适的核函数,确定最优参数,对降维后的样本图像进行训练,并对降维后的人脸图像进行分类。实验证明,利用LLE低维嵌入后的数据能够更好地保持原人脸数据的非线性特征,并降低特征提取的时间,再经过核Fisher进行分类,明显提高了分类的效率。

基于四阶累积量与核Fisher判别分析的MPSK信号分类方法

提出了一种基于高阶累积量和核Fisher判别分析的MPSK信号自动调制识别方法。该算法选取信号的四阶累积量作为分类特征,利用核函数的思想把特征向量映射到一个高维空间,并在高维空间中采用线性Fisher判别分析实现了数字信号的分类。选用了径向基核函数,使用一对一或一对余多类构造法,并利用交叉验证网格搜索法优化核函数参数,构建了快速稳健的多类核Fisher判别分析分类器。计算仿真结果表明,基于核Fisher判别分析的分类器具有良好的性能,它与支持向量机的分类精度相当,且训练时间较短。

基于核Fisher判别分析的点焊质量评估

通过对点焊过程电极位移信号的实时采集和特征分析,利用模糊化方法将电极位移信号映射为15×25模式矩阵.依据不同焊接电流参数下位移信号的模式特征将位移信号的模式分为5类,分别对应不同的焊点质量.以不同类别焊点的模式矩阵构建输入数据空间,利用核Fisher判别技术将低维数据空间的非线性分类问题转化为高维特征空间的线性分类问题,建立快速稳定的多类核Fisher判别分类器,实现了焊点类别的模式识别,进而实现焊点质量评估.结果表明,所提出的利用点焊过程电极位移信号模式表征焊点形核过程的方法是可行的,同时在小样本情况下,引入核技术的Fisher算法,大大提高了焊点质量评估的准确性.

基于轮廓波变换和核Fisher判别分析的人脸识别

Contourlet变换是一种新的多尺度几何分析方法,它不仅具有小波变换的多分辨率特性和时频局域特性,还具有很强的方向性和各向异性。提出基于Contourlet变换和核Fisher判别分析的人脸识别方法,研究了Contourlet变换的低频系数、各层高频系数与核Fisher判别分析相结合进行人脸识别的识别率和识别时间。实验表明,Contourlet变换的低频系数与核Fisher判别分析相结合,有优异的识别率,也减少了识别时间;高频成分有一定的识别性能,但识别率较低。将低频成分与高频方向子带相结合能获得最优的识别率。

基于核Fisher判别分析视频运动目标的分类

针对线性判别分析只能提取线性特征而不能描述非线性特征的缺点,采用将核函数和Fisher判别分析方法的可分性结合起来的核Fisher判别分析的方法对视频中的运动目标进行自动分类,运动目标包含人、汽车和宠物三类。该方法取得了较好的分类效果,且在查全率、查准率和F1-Measure获得了满意的性能。

核Fisher判别分析方法在项目评估中的应用

针对多总体非线性分类问题,对基于核函数和线性F isher判别分析方法构建的核F isher判别分析方法进行了理论分析。通过核F isher判别分析方法在科研项目评估中的应用说明,核F isher判别分析方法的效果令人满意。

基于核Fisher判别分析的目标识别

核Fisher判别分析是基于Fisher线性判别提出的一种非线性分类方法,其主要思想是首先把样本映射到某一特征空间,然后在此特征空间进行Fisher线性判别,这样就隐含地实现了原输入空间的非线性判别.分析了核Fisher判别方法的分类机理,然后基于此方法对三类实际的船舶目标噪声谱进行了识别,并与神经网络、支撑矢量机等其他分类方法做了比较.实验结果表明,核Fisher判别分析(加上一线性支撑矢量机做阈值估计)的识别效果优于其他分类算法.

核Fisher判别分析在红外与可见光融合评价的应用

针对传统的红外与可见光图像融合效果评价方法存在的问题,提出了核Fisher判别分析(KFDA)的红外与可见光图像融合效果评价方法。将空间信息、图谱信息、噪声抑制、边缘保持度四个方面建立的客观评价指标作为判别因子,采用灰色关联分析划分200组数据为学习样本的训练和检验,利用核Fisher判别技术将低维数据空间的非线性分类问题转化为高维特征空间的线性分类问题,建立快速稳定的多类核Fisher判别分类器,实现了红外与可见光图像融合效果的KFDA评价模型。结果表明:引入核技术的Fisher算法,大大提高了红外与可见光图像融合效果评价的准确性。

核Fisher判别分析在火山岩岩性识别中的应用

针对火山岩储层岩性识别困难的问题,将核Fisher(KFDA)判别分析方法用于火山岩储层的岩性识别中。在详细介绍核Fisher(KFDA)判别分析方法的理论基础上,选取能够反映火山岩岩性变化的常规测井曲线作为特征变量,从8口取心井中随机选取70%的数据样本点参与核Fisher(KFDA)的模型建立,剩余30%数据样本点作为测试集进行岩性正确率的识别。通过对克拉美丽气田石炭系349块火山岩薄片的数据分析表明,利用核Fisher判别分析方法可以有效实现火山岩岩性的分离,与支持向量机(SVM)、BP神经网络和Fisher(FDA)方法比较,该方法识别准确率高,图形化显示方面直观性强,可作为利用常规测井资料识别火山岩岩性的有效手段。

基于核Fisher判别分析的意识任务识别新方法

提出一种新的基于核Fisher判别分析的意识任务识别新方法。该方法首先通过核函数建立一个非线性映射,把原空间的样本点投影到一个高维特征空间,然后在特征空间应用线性Fisher判别。利用不同意识任务生成的脑电数据对KFDA和FDA进行比较,最后用线性支持向量机进行分类和识别,并与非线性支持向量机进行了比较,结果表明KFDA的识别率明显优于后二者。