基于Fisher两类判别的高温目标精确识别方法

基于高温目标和绝大多数常温地物波谱特性的显著差异,可利用短波红外波段（1.3-3.0μm）识别高温目标。Landsat8的OLI数据第7波段对高温目标短波红外发射能量有较高的敏感性,可对高温目标（林火、草原火、火山、金属冶炼厂、煤层自燃等）进行有效识别。为实现高温目标的精确识别,对归一化火点指数（NDFI）法进行改进以去除水体干扰,并采用Fisher两类判别法进行高温目标和彩钢屋顶地物的分类。研究表明,改进的NDFI法结合Fisher两类判别法可有效用于高温目标识别,其高温目标识别理论精度为96.9%,实际精度为95.4%。

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。

基于系统聚类算法和Fisher判别模型的古代玻璃成分分析与类别鉴定

古代玻璃体现了我国古代高度发达的工艺技术,新时代,玻璃成为了人们生产生活的必需品,研究古代玻璃有助于加深人们对玻璃的认识,唤醒我国人民对工艺研究的热情。本文对古代玻璃的实验数据进行分析,首先使用描述性统计分析和卡方检验分析研究玻璃文物样品表面有无风化化学成分含量的统计规律,得到玻璃表面风化与类型的关系;然后依据玻璃表面风化与类型的关系建立系统聚类算法模型,研究不同类别玻璃文物样品的化学成分之间的关联关系;最后依据化学成分之间关联关系建立Fisher判别模型,得到玻璃类别鉴定的Fisher判别公式,可以对未知类别的玻璃文物进行类别鉴定。本文对古代玻璃的成分分析与类别鉴定提供一定的借鉴意义。

基于Fisher线性判别率的加权K-means聚类算法

为提高K-means聚类效果,采用Fisher线性判别率的方法确定特征在聚类中的贡献度并依此对特征进行加权聚类。在人工和实际数据集上所做的实验表明,本方法在聚类效果上优于其他同类加权K-means聚类算法。

基于Fisher判别的分布式K-Means聚类算法

为了解决集中式聚类算法不能处理海量大数据的问题,提出基于Fisher判别确定置信半径的分布式聚类算法.应用网络上各个节点的计算、存储能力,以及网络的带宽,将聚类所需的时间复杂度和空间复杂度平摊到各个节点.通过应用Fisher线性判别找到节点在同一子类数据上的稠密和稀疏分布,从而快速确定聚类的置信半径并指导下一步的聚类过程,使得保持聚类精度的同时能提高分布式聚类的速度.对算法进行了数值模拟,并使用真实数据完成了试验.结果表明,所提出算法相比DFEKM聚类算法,能根据数据分布的不同在聚类结果和聚类速度上达到很好的平衡,这表明该算法具有更好的健壮性.

Fisher多类判别分析法在期货价格预测中的应用

基于期货价格变化趋势的可预测性,利用判别分析中的Fisher多类判别模型,运用MATLAB程序语言编程,对期货交易中三月铜的数据进行分析,得到了判别函数,给出了预测判别准则,进一步讨论了其在期货价格预测中的应用。

基于融合两类核Fisher鉴别函数的人脸识别方法

提出了一种基于两类核Fisher鉴别分析(KFDA)的人脸识别方法,对每2个不同人脸类别求解一个核Fisher鉴别函数,其优点是能针对特定的2个人脸图像类别,抽取区分该2类人脸的最佳鉴别特征,克服了多类KFDA和2类KFDA相比是次优的问题.为解决KFDA计算量大的问题,将MSE推广为基于核的MSE(KMSE),用其得到核Fisher鉴别函数,减少了训练和识别的计算时间.在识别阶段应用了两种融合方法融合各个基于KMSE的核Fisher鉴别函数.

基于K-均值聚类法和Fisher判别法对城镇居民可支配收入的分析

城镇居民可支配收入是全国居民可支配收入的主要组成部分,对其进行准确的分析至关重要。文章在利用K-均值聚类法将中东部地区的一些省市划分为高收入组和次高收入组的基础上,进一步利用Fisher判别法,通过建立Fisher判别模型,从而判定未分组省市的具体类型。实证分析结果表明,全国31个省市的城镇居民可支配收入分布状况与我国东部沿海地区较中西部高的国情基本吻合。

基于模糊C均值聚类和Fisher判别分析的城市空气质量评价

为实时评价城市空气质量等级,以长三角城市群41个城市为研究对象,基于样本城市空气质量影响指标,首先利用模糊C均值聚类算法对城市空气质量等级进行划分,再通过Fisher判别分析法基于训练样本进行回判,由获得的混淆矩阵来衡量聚类分析的可靠性,同时可以利用构建好的判别函数来快速判别非样本城市的城市空气质量等级.仿真结果表明将模糊C均值聚类和Fisher判别分析用于城市空气质量等级评价可信度较高,其误判率仅为2.4%,应用该综合模型可以为城市空气质量的防控治理提供参考.

利用Fisher线性判别细化K-均值聚类算法的灰度图像分割

聚类是图像分割的一种通用方法,K-均值法聚类图像分割具有一定的自适应性,但结果易受聚类中心和几何形状的影响。本文引入Fisher线性判别对K-均值分割的结果进行不断的迭代改进。实验结果表明该方法可以提高分割的精度和准确度。

基于聚类改进的Fisher与KNN判别分类算法对比研究

大米中矿物元素种类多(38种),为了快速、准确地筛选出判别大米产地的有效指标,在分析大米矿物元素含量相关性的基础上,进行了大米产地判别分类算法对比实验。首先通过R型聚类方法将大米矿物元素样本进行分块,然后从每一类中选取数据再进行Fisher与KNN判别分类对比,这样可以改进传统算法中剪辑样本带来的判别误差,又大大降低了无效的计算量。实验表明,基于聚类选出一种元素最优组合方案,采用23种矿物元素进行Fisher判别的分类率达86.76%,此方法准确高效地降低了计算机的运算量,提高了判别分类速度。

用两类判别分析方法对样本内的个体进行多级判别的尝试

笔者在设计用两类判别分析方法对样本内的个体进行多级判别时,是计算出各指标的百分位数以后,用各指标内的百分位数之差作为d?（d=97-3％位数）;再计算各指标内（间）个体测试数据的离差平方（乘积）和求得整体结构的。

我国上市公司信贷违约风险评级研究——基于全局Fisher判别的快速聚类模型分析

上市公司的财务基本面一般能够反映出公司在生产经营过程中可能遭遇经营管理不善、宏观经济不景气等原因所导致的无力支付到期债务或费用、公司经营出现困难甚至破产等财务危机的情况。文章根据上市公司的财务指标基于全局Fisher判别的快速聚类模型构造出上市公司信贷违约风险评级体系,用以实现对上市公司可能存在的经营和财务问题所导致的信贷违约风险进行预测与识别,对上市公司财务基本面的研究与应用进行了探讨。

基于高维映射Fisher判别分析的图像分割

为提高Fisher判别分析的质量,对图像中各像素本身的灰度值及其邻域平均灰度值特征进行两步聚类分析,根据聚类结果选取Fisher判别分析所需的训练样本,同时为了尽可能降低判别分析过程中有用信息的损失,将所得到的原训练样本集进行非线性变换,使其映射到高维空间中,利用映射后的训练样本求得Fisher判别规则。实验结果表明,与基于原训练样本的Fisher判别分析和基于寻找更多样本特征的Fisher判别分析方法生成结果相比,该方法能够获得更好的图像分割精度。

基于Fisher判别法则的小麦品质多指标分级

小麦生理生化指标对研究其储藏品质具有重要的作用,但由于各指标间关系的复杂性,所表达的信息存在较大差别,这给小麦储藏品质分析带来很大的不便。针对该问题,该文提出了一种小麦储藏品质多指标分析模型,选取降落数值、发芽率、过氧化物酶、脂肪酸值、电导率、还原糖值、丙二醛7个生理生化指标作为分析的关键因素,通过相似性和主成分法对各指标进行分析计算,发现脂肪酸值最具代表性;基于脂肪酸值数据分布变化趋势,采用聚类分析方法对小麦分类;使用Fisher判别法对小麦数据进行训练,得到2类判别函数,其中判别函数1的贡献率达到89.7%,在该函数下,计算获得3种类别小麦的中心值为–5.699、1.316和3.945,从而为判断小麦的品质状况提供计算依据。试验计算结果表明,在18批储藏小麦中,该文判别模型对小麦的分类结果与实际参考标准分类结果的一致性达到88.9%,验证了本模型的合理性,研究结果可为小麦品质评价分类提供参考。

基于Fisher准则的判别分析

本文较全面地阐述了Ｆｉｓｈｅｒ准则下的多类判别，及其与Ｂａｙｅｓ判别、回归分析之关系。由于Ｆｉｓｈｅｒ判别对变量的分布及协方差阵没有什么要求，故应用范围较广，且能给出判别函数的判别效率及各变量的判别能力，为选择判别函数、筛选变量提供了更多的信息。并用实例说明。

基于GMM超向量和Fisher-稀疏表示分类的说话人确认

针对说话人确认识别率低且易受到信道干扰的问题,提出一种基于GMM超向量和Fisher判别准则的稀疏分类算法。该算法首先采用GMM通用背景模型生成说话人的GMM超向量,在超向量集上利用类内协方差归一化方法抑制信道的干扰信息,通过计算GMM超向量与整体训练样本集的Fisher判别比来选择更具区分度的语音特征向量,构建高判别性的稀疏性过完备字典。最后,在过完备字典上对语音GMM超向量进行重构,选择重构误差最小的类别作为目标说话人。仿真实验结果表明:Fisher判别准则在稀疏性过完备字典的构建过程中具有较好的特征选择优势,可以提高稀疏分类的准确性。

特征压缩中K-L变换与Fisher线性判别关系的研究

本文先简单地介绍了K-L变换和Fisher线性判别,然后通过5个结论的证明说明了通过选取特定的生成矩阵,能从K-L变换中得到Fisher线性判别的结果,从而指明了在此情况下二者的内在联系。最后,再通过3个结论的证明,进一步对该结论进行推广。

基于KPCA和模糊核Fisher判别的语音情感识别

针对语音情感识别率不高和实时性差的问题,提出一种基于KPCA核主成分空间的模糊KFD算法,应用于语音情感识别。首先采用KPCA对语音情感特征向量降维去噪,根据转换矩阵得到核主成分空间,然后在该特征空间利用模糊C均值聚类计算语音特征向量的隶属度,进而对LDA算法中的类间离散度和类内离散度重新定义,生成模糊KFD分类器进行语音情感识别。仿真实验结果表明,提出的方法相比于传统SVM和核Fisher判别算法具有较高的识别率和良好的抗噪性能,是一种行之有效的语音情感识别新方法。