基于线性判别分析的电力负荷预测

为了更加有效地减少电力负荷预测模型的输入变量以提高模型运行速度和预测精度,利用线性判别分析法(LDA)对输入变量进行降维处理,并与主成分分析法(PCA)在BP神经网络、支持向量机(SVM)和决策树梯度提升算法(LGBM)三种模型上进行实例分析对比,结果显示,使用LDA降维的三种模型的RMSE分别降低了42 MWh、62 MWh、55 MWh左右,MAPE分别降低了0.6%、0.9%、0.7%左右,预测精确度更高,在其中两种模型上还能显著缩短运行时间,模型的整体性能得到有效提高。

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.

底圩茶风干叶香气的判别分析

[目的]采用电子鼻技术对13个底圩优良群体种的风干叶香气进行研究。[方法]利用主成分分析(PCA)与线性判别分析(LDA),对底圩茶新梢和成熟叶的干茶、茶汤和叶底香气物物质进行分析和判别。[结果]电子鼻技术对13个底圩优良群体种风干叶均有较好的响应。PCA分析表明,新梢干茶和茶汤的贡献率分别为99.85%、99.85%,高于成熟叶干茶和茶汤的贡献率(99.32%、99.71%),叶底则相反,新梢贡献率(99.84%)低于成熟叶贡献率(99.94%);LDA分析表明,新梢干茶和茶汤贡献率(85.44%、91.62%)高于成熟叶干茶和茶汤贡献率(77.92%、88.87%),叶底新梢贡献率(98.09%)低于成熟叶(98.17%);PCA贡献率均高于LDA,则PCA较LDA更能明显地区分13个底圩优良群体种风干叶的香气。通过电导率G/G_(0)值可以判别出硫化物挥发性成分为底圩茶第一主要成分,芳香成分、有机硫化物为第二主要成分,氮氧化合物为第三主要成分。[结论]应用电子鼻技术对13个底圩优良群体种的香气鉴定是可行的,有望在底圩茶检测领域得到使用。

CARS结合PLS-LDA法识别奶牛饲料中土霉素的可行性研究

收集了一年内不同月份不同种类的纯奶牛精补料20个,制备土霉素含量不同的掺假奶牛精补料100个,在全光谱范围内对样品进行近红外透反射光谱扫描,利用CARS法对光谱数据进行前处理,采用偏最小二乘-线性判别分析(PLS-LDA)法来建立判别模型。建立的PLS-LDA模型的交互验证最小错误率为0.0729,模型错分率为0,模型预测错误率为0.0417。说明利用近红外光谱技术建立定性判别模型来检测奶牛饲料中是否掺有土霉素是可行的。

基于支持向量机的人脸识别算法

特征提取是人脸识别问题中的一个普遍问题,主要是指通过变换将图像空间中的人脸转化到人脸特征空间中,其目的是用最少的数据量表示原始图像的最多的信息。其中Fisher脸法是常用的特征提取方法,本文采用Fisher脸法和支持向量机的方法,构造了一个能够将图像数据空间的人脸映射到人脸特征空间中,并实施识别的实验系统。分析了该系统的构成与特点,并给出了实验测试结果。

基于测地距离逼近的降维算法

TRIMAP算法可以较好地解决一个"将处于某一不明确的黎曼流形上的高维张量数据投影到一低维子空间,而不改变原流形中任一对数据点的测地距离,同时保留识别能力"的问题。但发现了TRIMAP算法中对于图上距离定义的不足,并对其做出了新的定义,重新定义了图上距离的TRIMAP算法,不仅汲取了原算法的优点,并考虑到了不同类之间的大小及各类的疏密程度对属于不同类的样本点之间的距离的影响,可以更有效地识别出待识别样本的类别,提高识别率。经初步的实验验证,在ORL人脸图像的分类问题中获得了比原TRIMAP算法更好的识别性能。

基于FT-IR结合PCA-LDA的白酒真伪鉴别方法

运用傅里叶变换红外光谱法(FT-IR)采集白酒的红外光谱图,并采用主成分分析法(Principal Component Analysis,PCA)对白酒红外光谱数据进行降维处理,提取累积方差贡献率达到99%以上的主成分作为建模参数,结合线性判别分析法(Linear Discriminant Analysis,LDA)建立基于白酒红外光谱全波段、指纹区和一阶导数谱的白酒真伪鉴别模型。结果显示,采用白酒红外光谱全波段数据所建立的白酒真伪鉴别模型的精度更高,其初始判别准确率为95.6%,交叉验证实验中的判别准确率为91.4%,对测试集中30组样本的判别正确率为86.7%。本研究可以为白酒的真伪鉴别提供技术参考。

基于LDA-CPSO-SVM优化的多层胶接结构脱粘缺陷识别方法

将太赫兹时域光谱技术与支持向量机算法相结合,对多层胶接结构的脱粘缺陷识别方法进行研究。一方面通过线性判别分析法对太赫兹时域光谱系统提取的14种太赫兹时域特征参数进行降维,使多层胶接结构胶层中正常区域、脱粘区域及边缘区域的分类精度提高了20.3%;另一方面采用混沌粒子群法对支持向量机的核函数进行寻优,使胶层Ⅰ分类正确率提高了18.92%、胶层Ⅱ分类正确率提高了9.85%。基于所构建线性判别分析法参数优化后的混沌粒子群支持向量机优化算法对多层胶接结构进行多特征成像,研究结果表明该成像方法能够有效的区分胶层的正常区域、缺陷区域和边缘区域,与传统的太赫兹单特征成像技术相比,提升了50%以上的脱粘缺陷识别率,对于胶层Ⅰ的识别率为91%,胶层Ⅱ识别率为92%,大大提升了多层胶接结构脱粘缺陷的识别能力。

基于GWO-XGBoost泥石流灾害预测

针对引发泥石流灾害的致灾因子复杂多样而造成模型输入数据维度过大和极端梯度提升树容易陷入局部最优导致预测模型准确率不高的问题,提出一种基于GWO-XGBoost算法模型的泥石流灾害预测方法。首先,对传感器采集到的原始数据进行预处理,得到规范数据,然后通过线性判别分析法进行数据降维得到耦合性低且贡献率较高的致灾因子作为模型输入,对泥石流灾害是否发生进行预测;其次使用灰狼优化算法对模型超参数进行寻优;最后以磨子沟监测数据进行仿真验证。结果表明:经过预处理和线性判别分析法降维后的规范数据解决了模型输入的维数灾难问题,GWO-XGBoost泥石流灾害预测模型的预测准确率为96.64%,相较于随机森林模型、支持向量机模型和极端梯度提升树模型的预测准确率分别提高了6.69%,5.13%和3.86%,丰富了泥石流灾害预测方法并为相关决策部门提供了全新的思路。

基于近红外光谱技术建立木材产地鉴别模型

基于近红外光谱技术对木材产地进行识别必须依赖于光谱数据预处理方法和校准模型,然而大多数采用近红外光谱技术识别木材产地的研究工作都是采用经典的线性模型。构建木材地理溯源系统有利于促进木材市场的良性发展,打击乱砍滥伐,保护濒危树种。为提高木材产地识别效率,提出一种基于近红外光谱技术结合机器学习的木材产地识别方法。首先建立木材产地的光谱数据集,采集来自两种不同产地的樟子松、泡桐、榉木、柚木、椴木和臭椿的光谱数据,每个树种构成一个数据集,并将特征维度降至2维,以探索各数据集的数据分布情况;其次对原始光谱数据进行特征工程,即分别采用主成分分析法和线性判别分析法对高维光谱数据进行降维处理,以提高模型的泛化能力,并对比两种降维技术对模型准确率的影响;最后构建木材产地鉴别模型,分别从非线性算法、回归算法、分类算法、概率算法、集成算法和深度学习算法六个角度选取了支持向量机、逻辑回归、K最近邻、朴素贝叶斯、随机森林和人工神经网络6种算法建立模型,采用学习曲线、网格搜索法、K折交叉验证等算法优化模型参数以提高模型识别准确率及稳健性,并从模型的准确率与运行时间两个层面来评估模型效果。结果表明,基于近红外光谱技术结合机器学习是识别木材地理来源的有效手段,樟子松、泡桐、榉木、柚木、椴木和臭椿的准确率分别达到98.3%、100%、100%、100%、100%、98.3%,相应的模型运行时间分别为0.183、0.182、0.181、0.182、11.424和12.969 s。综合分析6种模型在各数据集上的表现,发现非线性的支持向量机和人工神经网络模型比其余模型更具有优势。其中,基于人工神经网络构建的木材产地鉴别模型表现优异,在各数据集中识别率最高,但运行时间远多于其余算法。

基于LDA和支持向量机的微铣刀磨损状态识别研究

为提高微铣刀磨损在线监测的识别精度,尝试通过线性判别分析法(Linear Discriminant Analysis,LDA)对微铣削振动信号的时域和频域特征进行降维。然后将降维后的特征输入到改进型蚁群优化SVM模型,从而实现微铣刀磨损的特征分类。其中,改进型蚁群优化算法主要用来优化SVM模型核函数的两个关键参数,避免由于初始参数选择不合适而带来的局部最优和过拟合的问题。实验结果表明,提出的微铣刀状态识别方法能够准确识别微铣刀的各种磨损状态,对微铣刀磨损的其它状态识别方法具有一定的指导意义和借鉴价值。

基于PLS-LDA和拉曼光谱快速定性识别食用植物油

以6种食用油共计23个样本为分析对象,采用偏最小二乘线性判别分析法(PLS-LDA)和拉曼光谱进行单一种类(橄榄油、花生油和玉米油)食用油快速定性检测,通过自适应迭代惩罚最小二乘法(airPLS)对拉曼信号进行背景扣除,以及蒙特卡洛无信息变量消除法筛选波长变量,不但有效减少了波长点数,降低了建模运算量,而且提高了单一种类食用油的识别率,使得总体识别率均高于90%,并在此基础上进一步提出了采用PLS-LDA进行多种类食用油识别的检测流程。实验结果表明PLS-LDA在食用油定性识别检测中具有较好的应用前景和可行性,该方法也可为定性检测食品及农产品品质提供借鉴。

电子鼻对不同温度下生鲜羊奶贮藏时间的判定

利用电子鼻PEN3系统判定常温和冷藏条件下羊奶的贮藏时间。通过电子鼻系统采集羊奶常温贮藏及冷藏期间挥发性成分的响应值,并利用主成分分析法(principal component analysis,PCA)及线性判别分析法(linear dis-crimination analysis,LDA)对其挥发性成分及贮藏时间进行分析。结果表明:PCA方法既可以区分常温贮藏及冷藏1～6d的生鲜羊奶,还可以对比常温和冷藏条件下贮藏1～6d的羊奶,并表现出了较好的区分性,但是不能分析出贮藏期间羊奶挥发性成分的变化趋势;LDA方法区分效果不及PCA,但明显体现出了羊奶贮藏期间挥发性成分的变化趋势。综合PCA及LDA方法的分析结果,说明电子鼻可以有效地判定常温和冷藏条件下生鲜羊奶的贮藏时间及贮藏期内挥发性成分的变化趋势。

废旧铅酸蓄电池的X射线图像识别分类研究

为提高废旧铅酸蓄电池回收效率和金属回收质量,提出采用自动化手段分类废旧铅酸蓄电池。针对该识别分类问题,首先将主成分分析法、线性判别分析法应用于废旧铅酸蓄电池的X射线图像的特征提取。通过支持向量机对提取的训练集图像特征向量进行训练,分别对测试集的图像数据进行分类实验,并对比了不同数量的训练集和不同特征空间维度下各种方法的识别率。实验结果表明,主成分分析法、线性判别分析法可用于废旧铅酸蓄电池X射线图像的识别,并且随着训练集与测试集样本量的增加,二次线性判别分析法表现出较为稳定的识别率。

基于局部中频Gabor滤波器组的人脸识别

针对传统Gabor滤波器组在人脸识别过程中特征提取时间长、计算量大的问题,提出一种利用局部Gabor滤波器组进行人脸图像中频特征提取的方法。选择中频带的Gabor滤波器构造局部中频Gabor滤波器组;提取局部Gabor中频特征;采用线性判别分析法(linear discriminate analysis,LDA)进一步提取Fisher特征,得到图像的Gabor+Fisher特征,利用最近邻法进行人脸图像识别。基于ORL和AR人脸库的实验结果表明,基于此局部Gabor滤波器组的人脸识别方法较传统的Gabor特征提取方法降低了40%的特征维数,加快了特征提取速度,提高了人脸识别率。

步态信号采集与分类平台的设计与实现

低成本、易实施、无接触式的步态信号采集与分类平台可为步态的定量评估、智能诊断提供新的研究路径与参考思路。应用改进经验模态分解(empirical mode decomposition,EMD)结合Bagging正则化共空间模式(Bagging regularized common spatial pattern,BRCSP)与Fisher线性判别分析法(Fisher linear discriminant analysis,FLDA)设计了步态信号采集与分类平台。该平台将采集到的步态信号通过改进EMD进行滤波,抑制高频干扰噪声,提取真实、有用的本征模态分量(intrinsic mode function,IMF)进行信号重构,从而得到包含完整、准确步态信息的信号;再通过BRCSP特征提取方法强化步态信号的个体差异性及共同特征,提取出显著的特征分量;最后应用FLDA方法将特征向量映射到低维度空间中并进行步态分类。实验结果表明,该平台能准确分类进入红外、激光检测区域内的不同步态,平均分类准确率达到96.6%。

基于近红外拉曼光谱的山茶油掺假检测技术研究

以玉米油、稻米油和大豆油作为掺假样品掺入山茶油中,得到山茶油的二元掺假样品和三元掺假样品,并对所有样品进行拉曼光谱检测。通过将拉曼光谱与线性判别分析法相结合成功实现了山茶油的掺假鉴别。结果表明:拉曼光谱结合主成分分析法可以有效区分不同种类的植物油;拉曼光谱结合主成分分析-线性判别分析法能够有效鉴别山茶油掺假,在山茶油二元掺假模型中,训练样品的分类准确率和预测样品的判别准确率均为100%;在山茶油三元掺假模型中,训练样品的分类准确率为99.2%,预测样品的判别准确率为96.8%。

电子鼻技术在兼香型白酒年份区分中的应用研究

采用电子鼻技术分析不同年份兼香型白酒中的香气物质,通过特征响应分析、主成分分析(PCA)、线性判别分析法(LDA)和方差分析法(ANOVA),优化出了可以区分识别年份酒的操作条件,分别为酒精度14%vol、加热温度40℃、加热时间30 min。结果表明,10个传感器中贡献最大的三个是W5S、W1S和W2S,LDA的区分识别效果要优于PCA。在优化后的实验条件下,对兼香型各年份酒进行电子鼻检测分析,其结果表明LDA对原始数据信息的保留量达到了96.78%;逐步线性判别分析得出储存期为12年内的酒样能获得100%的准确率,超过12年的储存年份也能获得较高的准确率,因此电子鼻技术对兼香型各年份酒具有良好的区分效果。

基于BP算法的信用风险评价模型研究

本文利用神经网络技术建立基于 BP算法的信用风险评价模型 ,为我国某商业银行 12 0家贷款企业进行信用风险评价 ,按照企业的信用等级分为“信用好”、“信用中等”和“信用差”三个小组 .仿真结果表明 ,本文所建立的神经网络信用风险评价模型的分类准确率高于传统的参数统计分类方法——线性判别分析法的分类准确率 .文中还详细给出神经网络信用风险评价模型的网络构建方法及基于 BP网络的学习算法和步骤 .

近红外透反射光谱用于检测蜂蜜加入麦芽糖浆掺假

为实现蜂蜜掺假的快速检测,利用近红外光谱法(NIRS)对蜂蜜用麦芽糖浆掺假进行了研究。从121个真蜂蜜样本中任取8个不同品种掺假,共得80个掺假样本。另取两个真蜂蜜样本(油菜蜜和向日葵蜜)掺假,各自得到50个掺假样本。KS法划分校正集和验证集。偏最小二乘-线性判别分析法(PLS-LDA)鉴别真假蜂蜜,校正集和验证集的识别正确率都达100%。用CARS(competitive adaptive reweighted sampling)-偏最小二乘法(CARS-PLS)对掺假量定量校正,80个掺假样本的结果不理想,而50个掺假样本的结果令人满意:交互验证均方差(RMSECV)、交互验证决定系数(Q2)、预测均方差(RMSEP)、预测决定系数(R2),掺假油菜蜜模型分别为0.2529、0.9995、0.1851、0.9996;掺假向日葵蜜模型分别为0.1141、0.9999、0.1673、0.9997。因此,NIRS具有对蜂蜜用麦芽糖浆掺假快速检测的能力。