近邻边界Fisher判别分析

将数据集进行合理的维数约简对于一些机器学习算法效率的提高起着至关重要的影响。该文提出了一种利用数据点邻域信息的线性监督降维算法:近邻边界Fisher判别分析(Neighborhood Margin Fisher Discriminant Analysis,NMFDA)。NMFDA尝试将每一数据点邻域内最远的同类数据点和最近的异类数据点之间的边界在投影子空间内尽可能地扩大,从而提高基于距离的识别算法的准确率。同时为了解决非线性降维问题,提出了Kernel NMFDA,通过在几个标准人脸数据库上与其它降维算法的对比识别实验,验证了提出算法的有效性。

基于Fisher判别分析可分性信息融合的马铃薯VC含量高光谱检测方法

为提高马铃薯VC含量检测结果的准确性和可靠性,提出一种基于Fisher判别分析(Fisher discriminant analysis,FDA)可分性数据融合的检测模型输入变量构建方法。首先,利用高光谱成像技术采集200个马铃薯的高光谱信息,通过对比6种预处理方法和原始数据的建模结果,确定多元散射校正为光谱数据的预处理方法;其次,采用竞争性自适应重加权采样(competitive adaptive reweighted sampling,CARS)、连续投影算法(successive projections algorithm,SPA)及CARS-SPA组合算法3种方法提取相应特征波长,通过对比分析最终确定34个有效特征波长;然后,将有效特征波长进行FDA可分性数据融合,根据融合的新变量对样本间差异性判别能力的大小进行筛选,确定构建检测模型的输入变量;最后,分别对FDA融合前后筛选的变量建立偏最小二乘模型和反向传播神经网络(back propagation neural network,BPNN)模型,并对检测结果进行对比分析。结果表明,将CARS算法提取的34个特征波长进行FDA融合,采用前3个融合变量作为构建检测模型的输入变量时,其所建BPNN模型的相关系数由0.9726提高至0.9990,均方根误差由0.7723降低至0.1727,不仅能够极大地降低数据分析维度,而且能够提高检测结果的准确性。因此,基于FDA可分性数据融合构建检测模型输入变量可以提高马铃薯VC含量检测结果的准确性。

三维荧光光谱融合小波包分解融合Fisher判别分析及支持向量机识别紫苏

为实现紫苏品种的快速鉴别,避免以次充好,选取4个品种的紫苏采集三维荧光数据,提出了一种基于小波包分解融合Fisher判别分析(Fisher discriminant analysis,FDA)的荧光数据特征选择策略,并实施了4种紫苏的有效鉴别。首先,对三维荧光数据进行预处理,采用Delaunay三角形内插值法去除瑞利散射和拉曼散射,以消除它们的不利影响;运用Savitzky-Golar卷积平滑对数据进行平滑处理,以减少噪声的干扰。同时,对三维荧光数据进行初步筛选,去除了荧光强度小于0.01的发射波长。然后,对各激发波长对应的发射光谱进行3层sym4小波包分解,计算得到最低频段的小波包能量值,作为各激发波长光谱数据表征量。接着,再利用FDA对小波包能量进行判别分析,将其所包含的差异性信息进行融合,得到FDA生成的新变量,并选取累计判别能力达到99%的前3个FD变量作为不同品种差异性信息的表征变量,提出三维荧光数据的表征策略。最后,利用BP神经网络(backpropagation neural network,BPNN)和支持向量机(support vector machine,SVM)两种模式识别算法对表征变量进行分析,得到FDA+BPNN和FDA+SVM两种鉴别结果。FDA+BPNN的训练集正确率为97.5%,测试集正确率为95%;FDA+SVM的训练集和测试集的正确率均达到98.33%。结果表明,三维荧光光谱技术结合小波包分解、FDA和SVM算法基本上能够实现紫苏品种的鉴别。这为后续有关紫苏的进一步检测研究(如某些有效成分的定量检测)提供了研究基础。

Fisher判别函数在足迹分析性别中的应用

结合脚型性别差异研究,为了选取出足迹上与性别显著相关的特征,以便通过Fisher判别法建立函数模型,本研究测量了共7个与性别显著相关的几何特征,通过T检验和Fisher判别法建立了模型;利用Fisher判别分析建立了典则判别函数和Fisher线性判别函数。实验结果显示,选取的特征对模型影响显著,函数模型预测准确率为92.3%。该判别函数模型可以显著提高足迹分析性别的准确率,可为技术侦查提供帮助。

基于Fisher判别分析对苹果新鲜度的识别研究

以淘宝销量前五的苹果(天水花牛、阿克苏糖心、洛川红富士、奶油富士、黄元帅)为研究对象,置于20℃和55%相对湿度条件下贮藏,在贮藏期的第0、5、10、15、20、25 d分别对其含水量、硬度、色差、可溶性固体含量(SSC)及可滴定酸进行测定,并对五种苹果进行感官评定、聚类分析及Fisher判别。结果表明,感官评定及聚类分析将苹果新鲜度分为新鲜、次新鲜、可接受和腐败。通过Fisher判别分析法得出苹果在贮藏期的2个判别函数,函数1的总变异系数为93.90%(P=0.000),函数2的总变异系数为6.10%(P=0.003),两个函数均有判别意义(P<0.05)。将样品分为测试集和训练集,训练集的识别率为96.25%,测试集的识别率为92.5%。综上,以本文所选取的理化指标作为判别因子所建立的Fisher判别分析模型可以有效识别苹果的新鲜度。

膨胀土判别与分类的Fisher判别分析方法

介绍了数理统计中常用的判别分析方法——Fisher判别分析法,结合合(肥)-六(安)-叶(集)高速公路工程,利用SPSS软件对沿线采集土样进行了Fisher判别分析,得出了适合该地区膨胀土判别与分类的判别方程。分析表明:(1)利用Fisher判别分析法仅需几项基本物理性质指标,参数的试验操作大众化、规范化,试验条件明确、设备简单、周期短。

基于主成分分析与Fisher判别分析法的矿井突水水源识别方法

为有效地预防矿井突水事故,及早识别突水水源是关键工作之一。根据矿井各含水层水化学成分的差异性,选取7种水化学成分指标作为突水水源识别的样本变量。在此基础上,采用主成分分析(PCA)与Fisher判别分析相结合的方法建立突水水源判别模型。以新庄孜煤矿不同水层的水化学特征资料中的33个为学习样本,12个为预测样本,对该模型进行检验和应用,并与传统Fisher判别分析模型的结果进行比较。研究结果表明:利用PCA与Fisher突水水源判别模型能够有效地消除样本变量指标间的相互影响,使突水水源判别结果更加准确。

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。

张量局部Fisher判别分析的人脸识别

子空间特征提取是人脸识别中的关键技术之一,结合局部Fisher判别分析技术和张量子空间分析技术的优点,本文提出了一种新的张量局部Fisher判别分析(Tensor local Fisher discriminant analysis,TLFDA)子空间降维技术.首先,通过对局部Fisher判别技术进行分析,调整了其类间散度目标泛函,使算法的识别性能更高且时间复杂度更低;其次,引入张量型降维技术对输入数据进行双边投影变换而非单边投影,获得了更高的数据压缩率;最后,采用迭代更新的方法计算最优的变换矩阵.通过ORL和PIE两个人脸库验证了所提算法的有效性.

基于Fisher判别分析法的隧洞围岩分类

针对隧道围岩分类问题,基于Fisher判别分析理论,选用岩石质量指标、完整性指数、饱和单轴抗压强度、纵波波速、弹性抗力系数和结构面摩擦因数等6个指标作为判别因子,以30组隧洞围岩数据作为学习样本进行训练,建立相应的Fisher判别模型。利用回代估计方法对建模数据逐一进行检验,正确率达93.3%。将建立的判别模型应用于工程实例,预测结果与实际情况吻合良好,与Bayes判别法、神经网络模型判别结果一致。研究结果表明,Fisher判别分析用于围岩分类简便可行,正确率高,是解决隧洞围岩分类的一种有效方法。

急倾斜煤层顶煤可放性分类预测的Fisher判别分析模型及应用

基于Fisher判别理论建立了急倾斜煤层顶煤可放性分类的Fisher判别分析模型.选取老顶、直接顶、底板、瓦斯、采深、倾角、煤层厚度、坚固性系数、夹矸等9项指标作为Fisher判别分析模型的分类判别指标.利用国内矿区急倾斜煤层可放性分类实例数据作为训练样本进行训练,建立顶煤可放性分类的Fisher判别分析模型,求得判别函数.用建立的模型对5个矿山的急倾斜煤层顶煤可放性进行分类预测,结果与实际情况符合良好.

硫化矿石自燃倾向性等级分类的Fisher判别分析法

将Fisher判别分析法(FDA)应用于硫化矿石自燃倾向性等级分类问题中,选用主要矿物及含量、吸氧速度常数平均值、自热点、自燃点4项指标作为判别因子,建立硫化矿石自燃倾向性等级分类的FDA模型。选取新桥硫铁矿13个矿样的实验数据作为学习样本进行训练,建立相应的线性判别函数,并用训练后的模型对天马山高硫金矿的-55m中段以上矿石自燃倾向性进行判别。结果表明:Fisher判别分析模型分类性能良好,对硫化矿石自然发火潜势的划分结果统计意义明显,适用性强,说明该方法在硫化矿石自燃倾向性判别与分类中有较好的应用前景。

高光谱最优波长选择及Fisher判别分析法判别玉米颗粒表面黄曲霉毒素

黄曲霉毒素是广泛存在于玉米中且具有剧毒的一种代谢产物，以美国农业部农业研究署（USDA-ARS） Toxicology and Mycotoxin Research Unit提供的2010年先锋玉米为研究对象，验证了高光谱成像技术对玉米中黄曲霉毒素检测的可行性。以甲醇为溶剂制备四种不同浓度的黄曲霉毒素溶液，并将其逐一滴在等量的4组共120粒玉米颗粒表面，以未处理的30粒洁净玉米作为一组对照样本，将大小、形状相似的150个样品随机分为训练集103个，验证集47个；对获取的400～1000 nm波段范围内的高光谱图像，先进行标准正态变量变换（standard normal variate transformation ，SNV）预处理，然后引入基于 Fisher判别最小误判率的方法选择最优波长，并以所选波长作为Fisher判别分析法的输入建立判别模型，对玉米颗粒表面不同浓度的黄曲霉毒素进行识别，最后对模型判别正确率进行了验证。结果表明，选取四个最优波长（812.42，873.00，900.36和965.00 nm ）时Fisher判别分析模型对训练集与验证集的准确率分别为87.4％和80.9％。该方法为含黄曲霉毒素玉米颗粒便携式检测仪器的开发，以及对田间霉变玉米自然代谢产生毒素的检测奠定了技术基础。

基于Fisher判别分析理论的地下开采安全评价模型

矿山安全是矿山企业稳定、持续、高速发展的根本保证。应用Fisher判别分析理论并结合矿山安全生产的标准规范,根据矿山人、机、环境、管理4个因素的实际特点,综合考虑到地下矿山的开采工艺和指标数据的可靠性,选取23项矿山安全评价因素作为评价影响因子,建立矿山地下开采安全评价的F isher判别分析模型（FDA）。对18组地下矿山的特征参数值作为学习样本进行训练和检验,回判估计的误判率为0。利用该模型对另外4组实测数据作为预测样本进行测试,预测结果与实际情况吻合较好。研究结果表明,该方法回判估计的误判率低,判别性能良好,对地下矿山安全管理现状及水平评价提供了可操作的方法,进而为矿山有关部门提供了科学安全管理的依据。

Fisher判别分析在苹果品质鉴别中的应用

通过测定国产水晶富士和美国产伽利果两种苹果果汁的电导率和pH,以及其中K、Zn、Cu、Ca、Mn五种矿质元素的含量,比较了水晶富士和伽利果的品质。通过特征变量的选择,在电导率、pH、c(K)、c(Zn)、c(Cu)、c(Ca)、c(Mn)等七个变量中分别选择了二个、三个或五个变量进行Fisher判别分析,对样品集中40个样品的正确判别率分别为87.5%、100%、100%。

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。

深基坑支护结构选型决策的Fisher判别分析模型

针对传统的深基坑结构选型评价方法存在的问题,应用统计学理论并遵循'安全、经济、合理'的原则,选取了10个实测指标作为影响深基坑支护方案选型的判别因子,建立深基坑支护结构选型的Fisher判别分析模型(FDA)。利用国内64组深基坑支护实例作为学习样本进行训练和检验,对水泥土重力式、土钉墙、桩锚、桩撑、地下连续墙等5种深基坑支护方案进行优选,并利用回代估计法对FDA模型进行检验。经过训练后的模型回判估计的误判率为14.1%。对另外10组待判样本进行测试,正确率100%。此外利用该模型对某市新世界中心工程深基坑支护结构选型进行决策,结果与实际情况符合较好,说明该模型在研究深基坑支护结构选型中具有良好的实用性和有效性,可为解决深基坑支护结构型式的优化选择提供一种新思路。

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YCbCr颜色空间和Fisher判别分析的棉花图像分割研究

棉花的分割是采棉机器人研究的关键技术。本文分别在HSV、HIS和YCbCr颜色空间下,首先根据棉花的颜色信息与背景颜色信息的差距,对样本图像中的各个对象(棉絮、棉枝、土壤等)分类;其次根据分类结果分别提取各类在各颜色空间下的样本像素值;再根据类间离散度最大和类内离散度最小的准则计算出Fisher判别向量和各类的质心;最后按照像素值离各质心最近的准则进行图像分割。结果表明,在YCbCr颜色空间下产生的分割噪声最小,选取此颜色空间,采用贴标签的方法自适应去噪。实验仿真表明,本方法可有效避免阳光直射和阴影的干扰,对各种情况都能准确分割,分割准确率达90.44%。