Fisher准则函数在机械刀具切削磨损检测中的应用

在高精度机床道具切削磨损无接触图像检测中,磨损区域边缘特征容易发生混淆,区分其像素边缘区域成为一个难点。Fisher判别函数可以用于特征提取,即通过选择最具有区分力的特征来改善分类性能。针对这一特点,提出基于Fisher准则函数的机械刀具切削磨损检测方法。首先,对采集到的机械刀具切削磨损图像实施图像增强处理,利用实施修正线性拉伸操作解决光照不均匀问题,凸出刀具磨损区域的细节特征并提高图像质量;其次,利用基于Fisher准则函数的图像阈值分割方法,将刀体区域和其工作背景区域分割出来,使刀具磨损区域更加清晰,提高磨损区域的可识别性;最后,通过Roberts边缘检测确定刀具切削磨损边缘,并使用Zernike正交矩确定刀具切削磨损边缘的精确值以获取磨损区域,提取其磨损信息实现机械刀具切削磨损的检测。实验结果表明:所提方法具有较高图像处理能力以及磨损检测精度。

基于散度J_C或J_B准则的母体均值位移显著性模式识别

利用模式识别中的准则函数散度ＪＣ 或ＪＢ 作基准，进行母体均值位移显著性问题的处理，获得了良好的效果，这种处理方法是对传统处理方法的发展，为实际应用开辟了新途径。

基于散度J_C或J_B准则的母体方差差异性的模式识别

本文利用模式识别中的准则函数JC或JB作基准，详细阐述了处理母体方差差异性问题的方法，并与统计检验法作了比较，且以实例验证了方法的效果。

基于Hough变换和Fisher准则的垄线识别算法

为了提高农业机械自主作业视觉导航的精度,基于田间作物垄行的特点,首先选择作物的绿色为特征提取垄行结构;然后针对Hough变换原理提取垄线存在的问题,根据垄线点空间关系,运用Fisher准则函数进行反压缩处理,并将Fisher准则函数值作为垄线样本点疏密程度和方向势大小的度量,优化了Hough变换识别多垄线的条件,得出了多垄识别统一模型。试验结果表明,作物垄线定位的准确性、适应性均得到提高,而且能够避免较大面积杂草等影响,从而克服了传统Hough变换提取多垄线的不足,对农田机器视觉导航应用具有一定参考价值。

基于化学成分的大米国家地理标志产品模式识别与分类研究

综合运用主成分分析(PCA)和Fisher准则两类线性判别方法对广东增城丝苗米国家地理标志产品中无机元素成分、有机组成(氨基酸、脂肪、淀粉、蛋白质等)进行模式识别与聚类研究,并采用Fisher线性判别方法建立地标产品与非地标产品间的分类模型。结果表明:Fisher线性判别用于大米地理标志产品的分类与识别简单快速,在分析数据相对复杂的情况下,可快速建立分类模型并实现地理标志产品与非地理标志样本间的鉴定与识别。

基于核统计不相关最优鉴别矢量集的GIS局部放电模式识别

GIS局部放电故障诊断对于准确掌握GIS内部的缺陷性质和指导GIS的检修工作有着重要意义。针对线性Fisher鉴别分析用于局部放电故障诊断时存在的问题,文中借鉴核方法思想,提出了一种基于核的统计不相关鉴别矢量集算法(KSUODV),用以解决高维特征空间内的非线性特征提取问题,并且消除了变换后样本特征之间的统计相关性。在对实验室获取的7种缺陷PD三维谱图模式识别试验表明,KSUODV算法的识别性能优于SUODV算法性能,效果良好。

基于统计不相关最优鉴别矢量集的GIS局部放电模式识别

针对气体绝缘金属封闭开关设备(GIS)局部放电及其缺陷特点,设计了4种典型的GIS缺陷模型,采用甚高频高速采集大量局部放电样本,构造了局部放电灰度谱图。文中将主分量分析-线性鉴别方法应用于局部放电模式识别,即首先进行主分量分析,将数据从超高维空间降至低维空间,再提取统计不相关的最优鉴别矢量集,最后采用最小距离分类器进行模式识别。识别结果表明该方法对GIS各类模拟缺陷的正确识别率高,效果良好。

基于改进Fisher准则的深度卷积神经网络识别算法

为了有效利用深度学习技术自动提取特征的能力,并解决当训练样本量减少或者迭代次数降低时识别性能急速下降的问题,提出了基于Fisher准则的深度学习算法.该方法在前馈传播时,采用卷积神经网络自动提取图像的结构信息等特征,同时利用卷积网络共享权值和池化、下采样等方法减少了权值个数,降低了模型复杂度;在反向传播权值调整时,采用了基于Fisher的约束准则.在权值的迭代调整时既考虑误差的最小化,又同时让样本保持类内距离小,类间距离大,从而使权值能更加快速地逼近有利于分类的最优值,当样本量不足或训练迭代次数不多时可有效地提高系统的识别率.大量的实验结果证明:该基于Fisher准则的混合深度学习算法在标签样本不足或者较少训练次数的情况下依然能达到较好的识别效果.

LBP特征和改进Fisher准则的人脸识别

为了进一步提高人脸识别系统的性能,在LDRC算法的基础上进行改进,并将改进LDRC算法的准则函数应用到Fisher分类器中,提出了一种新的基于LBP特征和改进Fisher准则的人脸识别算法。该算法提取每幅人脸图像的标准LBP直方图特征:把提取到的LBP特征输入到改进后的Fisher分类器中,得到最佳投影矩阵和投票结果矩阵;求解出投票结果矩阵的最大值所对应的类别号,将其作为最终的识别结果;分别在FERET和AR人脸库中进行实验检测,结果表明与传统的特征提取方法相比,给出的方案可以使人脸识别率得到显著提高。

基于改进的Fisher准则的多示例学习视频人脸识别算法

视频环境下目标的姿态变化使得人脸关键帧难以准确定位,导致基于关键帧标识的视频人脸识别方法的识别率偏低.为解决上述问题,本文提出一种基于Fisher加权准则的多示例学习视频人脸识别算法.该算法将视频人脸识别视为一个多示例问题,将视频中归一化后的人脸帧图像作为视频包中的示例,采用分块TPLBP级联直方图作为示例纹理特征,示例特征的权值通过改进的Fisher准则获得.在训练集合的示例特征空间中,采用多示例学习算法生成分类器,进而实现对测试视频的分类及预测.通过在Honda/UCSD视频库和Youtube Face数据库中的相关实验,该算法达到了较高的识别精度,从而验证了算法的有效性.同时,该方法对均匀光照变化、姿态变化等具有良好的鲁棒性.

改进的模糊模式识别方法在测井曲线分层中的应用

应用改进的基于数域上的模糊模式识别方法 ,综合多条测井曲线进行自动分层。首先 ,找出各条曲线总的上升沿 (或下降沿 ) ,然后 ,在对上升沿 (或下降沿 )中各采样点构造模糊集时采用测井曲线的斜率 ,而不是采用测井曲线值。在求取各点隶属度时 ,采用各条曲线中的最大斜率值 ,反映了地层分层点在测井曲线拐点这一客观规律。最后 ,应用贴近度准则分层。

基于统计模式识别的岩石节理图像分割方法

岩石节理裂隙形状复杂,图像中含有很多噪声。而使用统计模式识别方法在分割图像时,可以首先使分类器学习图像中不同样本的特征,进而利用这些特征对图像中每个像素进行分类,实现分割。在设计统计模式识别的分类器时,我们提出使用基于核函数Fisher判别法构造分类器。使用该方法可以将图像高维的属性空间上的非线形判别转化为图像特征空间上的线形判别,而不需要知道从属性空间到特征空间的具体映射形式。通过对岩石节理裂隙图像分割实验表明,该方法能达到较其他方法更好的分割效果。

动态时间规整算法在局部放电模式识别中的应用

采用试品升、降压过程中的视在放电量-施加电压序列作为特征量,并引入动态时间规整(DTW)算法进行局部放电模式识别以区分不同的缺陷类型。算法在训练阶段首先对训练样本和测试样本进行矢量量化(VQ),以码本码字代替原始矢量实现数据压缩,再以训练样本的码字构造DTW参考模板。在测试阶段,计算测试样本与每类放电参考模板的平均DTW距离,并利用快速匹配(FM)算法加快DTW运算过程,最后应用最近邻识别准则得到识别结果。对5类放电的200个样本的测试结果表明,DTW算法具有识别率高和易拓展的优点,并且FM算法能够节省56%计算量和提高DTW算法的识别率。

Fisher极小准则不相关空间算法及其在人脸识别中的应用

不相关空间算法是一种基于广义Fisher准则求解不相关鉴别矢量集的快速算法,但该算法要求总体散度矩阵可逆.针对高维小样本的情况,文中提出求解不相关鉴别矢量集的改进方法.该方法的基本思路是在类间散度矩阵的值空间中运用广义Fisher极小准则求解鉴别矢量集,并讨论在该子空间中进行求解的合理性.针对高维情况下类间散度矩阵值空间的计算效率问题,提出首先利用PCA算法将数据降维,然后在低维空间中求解值空间的策略并讨论其合理性.在ORL人脸数据库上的实验验证该方法的有效性,其识别率高于传统的Fisher脸方法和不相关空间算法.

基于模式识别的人体肺癌电阻抗检测方法研究

根据阻抗频谱理论及模式识别理论,对手术中切除的恶性肿瘤组织及非肿瘤组织进行阻抗测量并进行肺癌辨识.利用Agilent4294A阻抗分析仪测量手术中切除样本的阻抗值,获得100,Hz^100,MHz频率激励下的阻抗频谱,经最小二乘算法拟合,得到频谱特征参数.将测量样本分成训练集与测试集,设计LMSE及Fisher两种线性分类器;分类器经训练后获得判别函数,利用分类器对测试集进行分类实验.研究结果表明,LMSE以及Fisher算法对测试样本均能进行有效识别,并且识别结果与病理切片分析结果吻合,验证了基于模式识别的方法对肺癌阻抗检测进行辨识的可行性与可靠性,为肿瘤早期筛查提供有效检测方法.

基于Fisher准则特征融合策略的PNN车牌汉字识别

为克服图像二值化预处理的不利影响,提高汉字字符图像特征的表征能力,降低传统算法的训练复杂度,在此直接应用车牌字符灰度图像,基于Fisher准则对提取的Pseudo-Zernike矩特征和Gabor变换特征进行融合,在最佳鉴别矢量方向上求得表达能力更强的融合特征。训练结构简单、速度较快的概率神经网络作为识别器,实现车牌汉字的正确、快速识别。试验表明,此算法无需对车牌汉字图像二值化,与所采用的概率神经网络识别器相比,传统BP,SVM等的训练复杂度降低,速度提高,经表征能力更强的融合特征训练后,具有更高的识别准确率。

基于Fisher准则改进线性判别回归分类的人脸识别

为了提高线性回归分类LRC(Linear Regression Classification)算法的鲁棒性,提出一种基于Fisher准则改进的线性判别回归分类算法。首先根据Fisher准则最大化类间重建误差与类内重建误差的比值,为LRC找到最优投影矩阵;然后利用最优投影矩阵将训练图像及测试图像投影到各个类的特征子空间;最后,计算出测试图像与各个训练图像之间的欧氏距离,并利用K-近邻分类器完成人脸的识别。在FERET和AR人脸数据库上的实验验证了本文算法的有效性。实验结果表明,相比其他回归分类算法,该算法取得了更好的识别效果。

基于Fisher判别准则的雷达产品识别降水方法

利用2006-2007年合肥多普勒天气雷达和安徽省全省自动雨量站的较长时间序列观测数据，基于Fisher多因子二级判别方法建立判别函数，以雷达产品数据作为预报因子来识别降水。结果表明，春、秋季和夏季的雷达产品数据与自动雨量数据具有较好的相关性；Fisher判别函数对降水的识别准确率较高，雨天的历史回报准确率分别达到76.16％和82.38％。

Fisher准则函数在油水层识别上的运用

由于苏德尔特油田兴安岭群储层具有岩性多样性、储层孔隙复杂、测井参数确定难等特点,常规的油水层识别图版(如AC-Rt交会图)很难准确地识别油水层。运用Fisher准则函数将GR、DEN、AC三个测井参数拟合成一个参数F,由此建立该地区油水层识别的F-Rt交会图。研究表明,此方法对该地区油水层的识别符合率较高,简单快捷,结果直观,值得推广运用。

结合主分量分析及Fisher准则的说话人识别方法研究

本文提出了一种基于主分量分析和Fisher准则的新的Mel频率域特征参数。它是在Mel域频谱的基础上做主分量分析,并且根据Fisher准则,按Fisher比的大小进行特征参量的选择而得到的。它充分的利用了各频带间的相关统计信息,能更紧致有效的区分说话人。这样得到的特征矢量,与传统的按相应特征值进行特征选择的方法相比,在相同维数时具有最大的类别区分度。最后我们实现了一个文本无关的说话人自动识别系统,它的后端采用矢量量化实现聚类分析。在语音库上的实验表明本文的特征矢量在说话人识别上比相同维数的传统特征矢量识别率更高,证实了它紧致、区分度好、冗余信息少的优良性能。