结合多特征与线性判别分析的图像检索

卷积神经网络的全连接层特征缺乏对图像底层信息的描述,导致部分样本无法被成功检索。并且全连接层特征维度高,检索效率低下。针对这种情况,提出一种结合线性判别分析和多层特征的图像检索方法。该方法利用卷积神经网络提取卷积层和全连接层特征,并融合HSV特征,使用线性判别分析对融合特征降维。多层特征能增加图像的区分度,提升识别准确率。与其他算法的实验结果表明,该方法在检索精度和检索速度上有一定的提高。

正则化最小二乘线性判别分析算法

线性判别分析(Linear Discriminant Analysis,LDA)是用于降维和分类的方法,然而在遇到小样本问题时,由于全局散布矩阵是奇异的,所以传统的LDA方法是不适用的。为了解决LDA的这种缺点,提出了基于最小二乘线性判别分析(Least Squares Linear Discriminant Analysis,LS-LDA)的正则化算法,在LS-LDA中分别加入关于加权矩阵的L1范数、L2范数和弹性网络的惩罚项、来解决小样本问题,使模型具有鲁棒性和稀疏性。在对回归分析、正则化方法和LS-LDA相关技术进行深入分析的基础上,构建正则化最小二乘线性判别分析框架算法,实现数据降维。结合标准文本数据集进行实验,采用KNN(K-Nearest-Neighbor)分类器进行文本分类。实验结果表明,正则化的LS-LDA具有很好的分类性能,其中以加入了弹性网络惩罚项的LS-LDA最优。

基于线性判别分析和机器学习的可见-近红外光谱苹果损伤分级

基于线性判别分析与机器学习相结合的方法,采集不同损伤级别苹果的可见-近红外光谱数据,分析不同预处理方法对支持向量机分类模型的影响;通过线性判别分析对预处理后的光谱数据实施降维,构建支持向量机、随机森林、K近邻、决策树和极端梯度提升5种机器学习模型进行苹果损伤分级对比。研究结果表明,卷积平滑法预处理后模型的分级效果最佳,准确率达到87.3%;使用线性判别分析降维技术后,各模型的分级准确率显著提升,决策树模型准确率提高了16%,提升效果最佳,K近邻模型表现出了最佳的分级性能,准确率和精确率达到了96.0%和96.4%,本研究可为高效和精确评估苹果的机械损伤程度提供依据。

基于核双子空间线性判别分析人脸识别方法

基于Fishers判别准则的LDA方法在人脸识别中处理高维数据时,通常会遇到欠采样的问题,且稳定性欠缺。本文提出的核双子线性判别分析方法(KDS-DA),通过对LDA、DS-LDA、KDS-DA的层层深入研究,在双子空间中,将核方法与线性判别分析(LDA)方法相结合。通过matlab软件编程实现,证明这种方法具有更好的判别性能。

基于正交线性判别分析和电子鼻技术的食醋分类

为了实现食醋品种的准确分类,探索应用电子鼻技术和两种特征提取方法进行食醋的检测和分类。先用自制电子鼻系统检测5个品种食醋的电子鼻信号,接着用标准正态变量变换进行数据预处理,然后分别用主成分分析(principal component analysis,PCA)+线性判别分析(linear discriminant analysis,LDA)和正交线性判别分析(orthogonal linear discriminant analysis,OLDA)对食醋电子鼻信号进行降维与特征提取,最后用最近邻分类器进行分类。实验表明,PCA+LDA的分类准确率最高达到90.32%,而OLDA的分类准确率最高达到91.52%。另外,PCA+LDA需要2次特征提取而OLDA只要1次。因此,OLDA在特征提取方面要优于PCA+LDA,基于OLDA和电子鼻技术的食醋品种分类方法是切实可行的。

基于双向二维直接线性判别分析的人脸表情识别

提出基于双向二维直接线性判别分析的人脸表情识别新算法。新算法从水平和垂直两个方向对图像矩阵执行直接线性判别分析,从二维图像中提取图像协方差矩阵,降低特征维数,减少表示图像时所需要的系数及其存储空间。另外,不使用奇异值分解方法,便可得到图像协方差矩阵的特征向量,能够精确地估计图像协方差矩阵。在JAFFE人脸表情数据库中的试验结果表明,所提算法具有较高的识别率。

基于子模式双向二维线性判别分析的人脸识别

针对表情和光照变化等对人脸识别影响的问题,提出一种基于子模式双向二维线性判别分析(Sub-pattern two-directional two-dimensional linear discriminant analysis,Sp-(2D)2 LDA)的人脸识别方法。该方法首先对原图像进行分块处理,并保持子块间的空间关系,然后对各个子训练样本集从行方向和列方向同时利用2DLDA进行特征抽取,最后把各个子特征矩阵拼接成一对应原始图像的特征矩阵,并采用最近邻分类器进行分类识别。在ORL及Yale人脸库上的试验结果表明,Sp-(2D)2 LDA有效降低了鉴别特征的维数,减少了表情和光照变化的影响,获得了较好的识别性能。

类依赖增强线性判别分析算法

在增强线性判别分析和类依赖线性判别分析的基础上,提出了类依赖增强线性判别分析算法,对多模态数据进行分类.算法利用增强线性判别分析的局部信息保持能力,在不破坏多模态局部结构的前提下,对数据进行降维;然后采用最大散度差线性鉴别分析准则对每一类样本获取一个投影矩阵,从而获取不同类的样本分布的特征差异.在人脸数据库上进行实验验证,结果表明,该算法的分类效果好。

张量线性判别分析算法研究

针对传统线性判别分析中存在的小样本问题及对TensorLDA算法中两个投影矩阵不能同时计算、低维特征提取不充分的问题,文中研究并实现了张量子空间下的张量线性判别分析(TensorLDA)算法。并且提出了It-TensorLDA算法,即先用单位矩阵初始化,再利用优化准则求另一个投影矩阵,并进行多次迭代的改进方法。采用ORL数据库测试算法的性能,在ORL人脸数据库上It-TensorLDA比TensorLDA的平均识别率高1.88%,比Fisherfaces的平均识别率高3.03%。因此,文中算法有效避免了小样本问题,提高了人脸识别效果。

基于正交线性判别分析的植物分类方法

首先计算数据的类内和类间散度矩阵,得到差形式的目标函数;然后进行特征值分解,得到映射矩阵;最后利用实际植物叶片数据集进行植物分类试验。结果表明,该算法对植物分类是有效可行的。

茶叶中茶多酚和生物碱的测定及聚类和线性判别分析

目的:建立一种反相高效液相色谱方法,测定绿茶、乌龙茶、红茶、白茶和普洱茶中儿茶素[(+)-catechin,C]、表儿茶素[(-)-epicatechin,EC]、表儿茶素没食子酸脂[(-)-epicatechin gallate,ECG]、表没食子儿茶素[(-)-epigallocatechin,EGC]、表没食子儿茶素没食子酸脂[(-)-epigallocatechin gallate,EGCG]、没食子酸(gallic acid,GA)、咖啡因(caffeine,CAF)、可可碱(theobromine,THEO)的水平。以这8种组分为指标对茶叶进行聚类分析和线性判别分析,建立区分绿茶、红茶和乌龙茶的方法。方法:茶叶提取后采用HPLC法测定儿茶素和生物碱含量,色谱柱为C18柱,流动相由甲醇(A)、2%的乙酸(B)等度洗脱,A、B相的体积比为25:75,流速为1mL/min,柱温30℃。采用PDA检测器在278nm检测,参考波长为210nm。采用SPSS14.0对实验数据进行了聚类分析和线性判别分析。结果:在选择的分析条件下,样品中的8种组分获得了理想分离,加标回收率在87%～112.8%之间,并采用外标法对8种组分进行定量。以这8种组分的含量为指标,聚类分析和线性判别分析能对39种茶叶样品进较好的区分。

基于线性判别分析与主成分分析的骨干网架生存性评估方法

从电网网架的可抵抗性、可恢复性、安全性和连通性4方面出发,建立了差异化规划生存性评估指标体系,并进行指标效益成本属性分析和规范化处理;在此基础上,建立二级指标的线性判别分析评估模型和一级指标的主成分分析评估模型。首先求取二级指标决策矩阵的线性判别分析判决准则函数的最大值,以其所对应的最大投影方向确定三级指标权重,再对二级指标矩阵进行主成分分析,根据累积方差贡献率来确定二级指标权重,最终实现骨干网架综合生存性评估。IEEE118节点算例的仿真结果验证了该评估方法的有效性和可信性。

复杂装备轴承多重故障的线性判别分析与反向传播神经网络协作诊断方法

由于复杂装备运行工作环境恶劣,导致其轴承多重故障诊断的准确率不高,为此提出一种基于线性判别分析(LDA)与反向传播(BP)神经网络协作下复杂装备轴承数据驱动的多重故障诊断方法。将无量纲指标作为轴承多重故障数据的反映指标,利用LDA对轴承多重故障的无量纲指标数据进行线性映射降维处理;通过拉格朗日极值法获得最佳投影向量,沿着该方向将轴承多重故障数据投影到类别最易区分的方向;将经投影处理后的样本作为BP神经网络的输入样本,通过训练测试网络,实现轴承多重故障的预测分类。对某型装备大型旋转机械机组进行仿真实验,验证了所提方法能够有效对轴承多重故障进行降维映射,并且能较好地实现多重故障分类诊断,具有良好的有效性和实用性。

基于Fisher线性判别分析的语音信号端点检测方法

传统的语音端点检测方法对辅音,特别是受到噪声污染的清音部分与背景噪声之间分离能力不足。针对上述问题,该文提出一种基于Fisher线性判别分析的梅尔频率倒谱系数(F-MFCC)端点检测方法。将清音信号和背景噪声视为两类分类问题,采用Fisher准则求解具有判别信息的最佳投影方向,使得投影后的特征参数具有最小类内散度和最大类间散度,从而增大清音与背景噪声的可分离性。在不同语音库上的实验结果表明,F-MFCC能够在不同信噪比和背景噪声条件下提高语音端点检测的准确率。

基于DCT和线性判别分析的人脸识别

提出基于离散余弦变换和线性判别分析的人脸识别方法.DCT变换本身并不进行数据压缩,它只是将图像源数据映射到另一个域,如何在新的数据域中选择最有效的DCT系数作为识别特征成为关键问题.本文从选择有效特征角度出发,引入特征选择算法,根据可分性判据确定将哪些DCT系数作为特征,然后对选出的DCT系数进行线性判别分析提取识别特征.在ORL人脸库上的实验结果证明了提出方法的有效性.

一种改进的线性判别分析法在人脸识别中的应用

提出了一种新的基于LDA的人脸识别算法。该方法重新定义了样本的类间散布矩阵,在原始的定义基础上增加了一种径向基函数(RBF)调节类间距离,使得在选择投影方向时能更好地分开各类样本;同时该方法在类间散布矩阵与类内散布矩阵的特征分解的基础上,通过变换求出符合Fisher准则的最优投影方向,可以证明这样得到的投影方向同时具有正交性与统计不相关性。通过ORL人脸数据库的数值实验,表明了该算法比传统算法有更好的性能。

基于血浆中脂肪酸代谢谱及非线性判别分析方法的糖尿病中医证候分型

糖尿病是严重威胁人类健康的代谢综合征之一,中医因在治疗糖尿病方面有着自身的优势和特色而广泛受到重视。该文以血浆中脂肪酸代谢谱及血脂代谢指标为研究对象,结合化学计量学方法,对5种糖尿病中医证候(气虚、阴虚、气阴两虚、热盛和血瘀)进行关联分析。通过正交信号校正的偏最小二乘(OSC-PLS)方法将5种证候与健康组较明显地区分开。同时,采用非线性判别分析(ULDA)对健康组、中医虚证(气虚、阴虚、气阴两虚)、中医实证(热盛、血瘀)进行分析,3组样本体现明显的聚类效果,正判率达到95.7%。其中对分类贡献较大的标志物为二十碳二烯酸(C20∶2)、二十碳五烯酸(C20∶5)、甘油三酯(TG)和高密度脂蛋白(HDL),这一结果为辅助糖尿病中医临床诊断提供了重要的信息。

线性判别分析法在塑料食品包装容器溶出物的风险聚类分析中的应用

报道了为考察塑料食品包装容器蒸发残渣因不同材料造成的质量差异,并对不同材质蒸发残渣指标进行风险聚类,提高检测针对性的方法。对塑料食品包装容器在水、乙酸、乙醇、正己烷浸泡条件下的蒸发残渣含量进行测定,使用四分位稳健统计描述来表征不同使用条件下的溶出风险,使用线性判别法分析对不同材质塑料包装容器蒸发残渣进行了风险聚类分析。结果表明:包装容器的油性溶出风险最高,水的溶出风险最低;包装容器蒸发残渣含量水平可基本划为两类,即"PET-PP-PE"类与"PS-其它类";采用适合的数据描述及多元统计分析方法,可有效地加强食品包装风险监控力度,提高监控效率。

改进的线性判别分析算法及其在人脸识别中的应用

提出了一种改进的线性判别分析(LDA)算法,能有效地解决传统LDA算法的两个局限,即小样本问题及在多类情况下传统的Fisher准则非最优.该算法还能提高某一(几)个指定类别的分类率.这种算法的关键在于使用不损失"有判别力信息"的方法来降维,同时在传统的Fisher准则中引入加权函数,得到与分类率直接相关的改进准则.在ORL人脸数据库上的比较实验结果证实了该算法的有效性.

韵律特征在概率线性判别分析说话人确认中的应用

研究韵律特征在说话人确认中的应用。将整个韵律轨迹以固定段长和段移进行片段划分,并对其进行勒让德多项式拟合从而获取连续性的韵律特征,将特征映射到总变化因子空间,并用概率线性判别分析来补偿说话人和场景的差异。在美国国家标准技术研究院2010年说话人识别评测扩展核心测试集5的基础上加入噪声构造测试集,并分别对韵律特征和传统Mel频率倒谱系数进行测试。结果显示,随着信噪比的逐渐减小,Mel频率倒谱系数性能出现大幅度下降,而韵律特征性能相对比较稳定,两种特征融合后能使系统性能得到进一步提升,等错率和最小检测错误代价相对于Mel频率倒谱系数单系统最多能分别下降9%和11%。实验表明,韵律特征应用于说话人识别中具有较强的噪声鲁棒性,且与传统的Mel频率倒谱系数存在较强的互补性。