不同成熟度烤烟鲜叶素质及其判别函数研究

本文以重庆市酉阳土家族苗族自治县板溪基地单元烤烟品种K326为试验原料,研究不同部位、不同成熟度烟叶的单叶重、SPAD值和叶片厚度的差异性。结果表明,中部叶3项指标差异性明显,上部叶中单叶重差异不具有统计学意义,中部叶和上部叶中SPAD值差异显著。以单叶重、SPAD值和叶片厚度为自变量,成熟度为因变量,建立Fisher线性判别函数,并对其判别效果进行检验:中部叶中,对CM3烟叶的判别准确率最高,为70.7%;其次为CM1烟叶,为65.6%;最低是CM2烟叶,准确率为59.2%;整体准确率为65.1%。上部叶中,对BM3烟叶判别的准确率为98.8%,BM2烟叶准确率为40.0%,BM1烟叶准确率为56.1%,整体准确率为65.0%。

判别分析和SPSS的使用

给出距离判别法,Bayes判别法和Fisher判别法三者之间的内在联系,给出SPSS中Fisher判别法、非标准化判别法所对应的函数表达式,它们与3种判别法的关系。用例子验证所得的结论,说明利用SPSS中的判别分析方法进行3种判别分析的具体过程。

人脸识别中基于核的子空间鉴别分析

尽管基于F isher准则的线性鉴别分析被公认为特征抽取的有效方法之一,并被成功地用于人脸识别,但是由于光照变化、人脸表情和姿势变化,实际上的人脸图像分布是十分复杂的,因此,抽取非线性鉴别特征显得十分必要。为了能利用非线性鉴别特征进行人脸识别,提出了一种基于核的子空间鉴别分析方法。该方法首先利用核函数技术将原始样本隐式地映射到高维(甚至无穷维)特征空间;然后在高维特征空间里,利用再生核理论来建立基于广义F isher准则的两个等价模型;最后利用正交补空间方法求得最优鉴别矢量来进行人脸识别。在ORL和NUST603两个人脸数据库上,对该方法进行了鉴别性能实验,得到了识别率分别为94%和99.58%的实验结果,这表明该方法与核组合方法的识别结果相当,且明显优于KPCA和Kernel fisherfaces方法的识别结果。

在小样本条件下直接LDA的理论分析

直接线性鉴别分析(DLDA)是一种以克服小样本问题而提出的LDA扩展方法,被声明利用了包含类内散布矩阵零空间外的所有信息。然而,很多反例表明事实并非如此。为了更深入地了解DLDA的特性,该文从理论上对其进行了分析,得出结论:基于传统Fisher准则的DLDA几乎没利用零空间,将丢失一些有用的鉴别信息;而基于广义Fisher准则的DLDA,若满足一定条件(在高维小样本数据应用中一般都满足)且最优鉴别矢量正交约束,则其等价于零空间LDA和正交LDA。在人脸数据库ORL和YALE上的比较实验结果亦与理论分析一致。

国际费雪效应在东亚地区存在吗——基于中国视角的探究

在国际费雪效应框架下,从利率角度探究了中国在东亚地区的经济影响力,基于傅立叶函数单位根方法的实证研究表明:中国台湾地区、中国香港地区、韩国、新加坡、印度尼西亚、泰国六个国家(地区)与中国存在国际费雪效应,并且实际利率差异向长期均衡值的调整过程是非线性的,证明我国已基本成为东亚地区的"利率驱动国";同时,资本管制等非市场化特征,是造成日本、马来西亚与中国国际费雪效应很弱或不成立的主要原因,这对我国利率市场化进程有重要的政策启示。

一种RBFN和FLD融合的说话人识别方法

提出一种新的可用于说话人识别的径向基函数网络(RBFN)阵列.RBFN网设计思想是在确定网络中心点之后采用最小线性方差作为目标函数解得最优权重,该方法并不能得到最优分类效果.使用Fisher目标函数,替代RBF中的误差目标函数来求取最优权重,用与文本无关的闭集说话人识别系统对该算法进行了验证,实验结果表明,该方法提高了RBF分类能力,比传统的RBF算法以及ROLS算法具有更高的识别率,并在识别效果接近GMM方法的情况下计算量大幅度减少.

基于接近函数的线性判别分析算法研究

采用接近函数(close)调节类间距离的权重,重新定义类间散度矩阵,改进原有的Fisher准则,使得类别均值之间相接近的类更好的分开,避免类间重叠和交叉的现象,从而提高了降维后的分类性能。选择经典LDA作为比较对象,在随机产生的数据集上进行实验,结果表明该算法能够更好的将相接近的类分开。