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。

基于Fisher判别分析对不同油分烟叶的识别研究

为烟叶油分档次的判别提供参考,以三门峡主产区132份初烤烟叶为样品,评定油分档次后,测定烟叶样品中主要含氮化合物的含量,运用方差分析、Spearman相关性分析和主成分分析筛选出油分档次的判别指标,采用Fisher判别分析建立烟叶油分档次的判别模型。结果表明,不同油分烟叶的含氮化合物中大多数氨基酸含量(19/21)存在显著差异,除脯氨酸外,基本与油分呈显著或极显著负相关。经过主成分分析,从主要含氮化合物中提取出4个主成分,代表了总指标73.441%的信息,筛选出17种烟叶油分的特征含氮化合物。经Fisher判别分析,确定了17种游离氨基酸作为烟叶油分的有效判别指标,构建了烟叶油分档次的Fisher判别模型,训练集和测试集的识别率均为100%。并利用江西吉安和云南楚雄的20份样品对模型进行了验证,准确率分别为100%和80%,对烟叶油分档次的判别效果较好。游离氨基酸的检测结合多元统计分析方法可用于烟叶油分档次的判别。

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。

基于Fisher判别分析鉴别中药材种类及产地

本文根据 2021 年高教社杯全国大学生数学建模竞赛“中药材的鉴别”的数据进一步研究。中药材鉴别是中药学研究 的重要领域之一,其目的是通过分析中药材的光谱特征和其他物理、化学性质,来鉴别中药材的种类和产地,以提高中药的品质和 疗效。在实际应用中,结合药材的近、中红外的光谱特征以及不同药材的吸光度可以对中药材的产地进行综合性的鉴别。本文使用 R 语言软件,通过对数据进行标准正态变量变换(svn)处理后主成分分析、K-means 聚类,根据附件给出的几种药材的近红外光 谱数据,对数据进行相关性筛选,求出该未知数据与平均值的相关性,利用 Fisher 判别分析进行对比,最后鉴别药材的类别与产 地。另外建立 XGboost 模型及作多元线性回归模型鉴别不同产地的近、中光谱特征来辨别各类药材的产地以及种类。

高端酒店业亏损预警模型比较研究——基于Logistic回归分析与Fisher判别分析

世界经济增长缓慢,产业结构调整的持续深化为我国带来了前所未有的新挑战。高端酒店行业的财务预警问题受到越来越多利害关系者的关注。基于Fisher判别分析与Logistic回归分析,结合酒店业经营现状,建立预警分析模型。结果表明,判别模型准确率为80.77%,而Logistic回归分析达到了84.62%,说明Logistic回归模型更为优化,可直接用于实际,能够找出公司陷入财务危机产生显著影响的主要指标。对利害相关者预测财务困境、进行风险投资、企业预警分析以及企业综合评价有着重要的现实意义。

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。

基于局部Fisher判别分析的复杂化工过程故障诊断

为了提高复杂化工过程中故障检测和分类能力,提出基于局部Fisher判别分析(local Fisher discriminant analysis,LFDA)的复杂化工过程故障诊断方法。首先计算训练数据的局部类内和类间离散度矩阵,寻找LFDA的投影方向;其次把训练数据和测试数据向投影向量上投影,提取特征向量;最后计算特征向量间的欧氏距离,运用KNN分类器进行分类。把提议的LFDA方法应用到Tennessee Eastman(TE)过程,监控结果表明,LFDA的效果好于FDA和核Fisher判别分析(kernel Fisher discriminant analysis,KFDA),说明LFDA方法在分类及检测不同类的故障方面具有高准确性及高灵敏度的优势。

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。

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。

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。

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。

全二维气相色谱-飞行时间质谱结合聚类分析与Fisher判别分析对铁观音品质等级的评价研究

采用丙酮超声萃取铁观音样品,以全二维气相色谱-飞行时间质谱分析丙酮提取物。经筛选,在24份不同产季与等级的铁观音中获得68种共有组分,并结合质谱数据库、保留指数与结构谱图等进行了初步鉴定。在此基础上以基于Ward法的聚类分析将所有样品分为3个类别,获得了与感官审评基本相似的结果。通过逐步判别获得5种对分类结果有显著影响的组分,以此为变量通过Fisher判别法建立了4个判别函数,其对样品等级分类的结果与感官审评结果的符合率达到95.8%。证实了通过分析茶叶生化成分进行品质评判的可能。

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。

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.

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。

基于正交半监督局部Fisher判别分析的故障诊断

针对有标记故障样本不足和故障特征集维数过高的问题,提出基于正交半监督局部Fisher判别分析(Orthogonal semi-supervised local Fisher discriminant analysis,OSELF)的故障诊断方法。所提出的OSELF能够充分地利用蕴含于无标记故障样本中的故障信息,避免了因有标记故障样本不足引起的过学习问题,同时采用正交迭代方式求解最优正交映射矩阵,克服现有方法无法得到正交映射矩阵的不足。正交映射矩阵的基矢量统计不相关,可有效地提高所得低维特征矢量的可辨识性。通过正交映射矩阵对故障样本集和新增样本进行维数约简,并将维数约简的结果输入粗糙优化k最近邻分类器(Coarse to fine k nearest neighbor classifier,CFKNNC)进行学习训练和故障识别。所提方法集成了OSELF在维数约简和CFKNNC在模式识别的优势,有效地提高了故障诊断的精度。通过齿轮箱故障模拟试验验证了该方法的有效性。

基于Fisher判别分析与随机森林的马尾松毛虫害检测

虫害检测算法的构建是耦合"地—天"特征的过程,是实现其遥感监测的重要保障。以福建省三明市、将乐县、沙县、南平市延平区等4个县(区、市)为试验区,收集182组马尾松毛虫害样本数据,随机划分为训练集与验证集,设置5次重复试验及1次指标筛除试验。结合马尾松毛虫危害下的寄主表征,获取松林叶面积指数LAI、叶面积指数标准误SEL、归一化差值植被指数NDVI、缨帽变换湿度轴WET及影像绿光波段B2、红光波段B3、近红外波段B4等7个地面与遥感特征指标,建立其危害等级的Fisher判别分析与随机森林模型,从检测精度、Kappa系数、ROC曲线等角度综合比较两种算法的检测效果,并给予配对t检验。结果表明:7个指标均具备虫害响应能力,SEL和NDVI相对较弱;Fisher判别分析6次试验的虫害平均检测精度为73.26%,Kappa系数为0.631 9,而RF法则分别为79.30%,0.715 1,显著优于前者(p<0.05);RF法对无危害、轻度危害、中度危害3个虫害等级的检测精度、Kappa系数、AUC均显著高于Fisher判别分析(p<0.05),对于重度危害等级,Fisher判别分析则占优。总体而言,RF法对马尾松毛虫害的检测效果优于Fisher判别分析,但Fisher判别分析对重度危害等级有更高准确性且模型明确、易于推广,可综合应用两种算法开展虫害监测工作。该成果为马尾松毛虫害及其他森林病虫害的有效检测提供技术参考,奠定其遥感监测的基础。

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%。