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。

红外光谱法结合化学计量学对快递包装纸盒的检验研究

目的研究一种红外光谱法与化学计量学相结合的方法,以对现场提取的快递包装纸盒样品进行快速检验分类。方法利用红外光谱法对53个快递包装纸盒样品进行检验,依据其主要填料差异进行分类,并利用系统聚类进行分组。基于该分组,训练随机森林模型、多层感知器判别、Fisher判别3种预测模型,实现对新样品组别的分类预测。结果53个快递包装纸盒样品被分为3类,而后进一步细分为9组,训练得到的3种判别模型中的Fisher判别预测准确率较高。结论该检验方法快速、无损、准确,依据化学计量学实现对快递包装纸盒样品的快速检验,为公安机关检验此类物证提供依据。

基于两总体Fisher判别分析法的煤与瓦斯突出预测

应用两总体Fisher判别分析法,选取电磁辐射强度、钻屑瓦斯解吸指标、钻屑量、钻孔瓦斯涌出初速度、软煤厚度为预测指标,提出了基于两总体Fisher判别分析法的煤与瓦斯突出预测模型。以河南能源化工集团有限公司九里山煤矿为例,基于两总体Fisher判别分析法的煤与瓦斯突出预测模型对无突出危险预测准确率100%,对有突出危险预测准确率80%,无漏报。

基于自助法抽样分布的ROC分析

对于两类分类问题,错误率描述了分类器在单一判决阈值下的推广性能。然而,当两类错分代价不相等时,人们往往需要了解分类器在不同判决阈值下的性能。ROC(receiver operating characteristics)分析提供了一种全面了解分类器性能的途径,但是由于实际样本个数有限,训练集和测试集的划分必然会影响ROC曲线的形状,从而导致ROC分析具有不确定性。针对Fisher线性判别,本文提出了一种基于自助法抽样分布的ROC曲线生成方法。具体如下:定义Fisher线性分类器对测试样本的判别值为统计量,由自助法分别得到Fisher线性分类器对两类测试样本判别值的两个抽样分布,在这两个抽样分布范围内连续地改变阈值即可得到ROC曲线。实验表明,与随机划分和10重交叉验证相比,由本文方法生成的ROC曲线形状更加稳定,并且相应ROC曲线下面积的置信区间更短,也即本文方法能产生更加精确的ROC分析。

基于模糊综合评价的商场会员分类研究

为有效对商场会员价值进行分类研究,首先运用K均值聚类并结合Fisher判别分析对商场会员进行分类,然后根据各会员群的最近一次消费时间间隔、总购买数量、总消费金额、单笔最高消费金额、平均消费金额、会员关系长度等多项指标构建模糊综合评价模型。通过计算相对偏差模糊矩阵及变异系数法构建的各指标的权向量对会员群进行了综合评价,得到了会员群的综合排序。该方法可有效地对大样本数据进行综合评价且评价结果更接近实际,也为商场运营商有效地对会员进行分类管理,实施针对性的营销策略等提供了理论参考。

声频特征在车型自动分类识别中的应用研究

为满足智能化交通的需要,利用车辆声频信号特征进行车型自动识别,对车辆声频信号进行建模,以线性预测编码倒谱(LPCC)为特征,采用聚类分析算法划分车型,并使用Fisher判别法对车型进行识别。实验结果表明此方法可准确和有效的实现车型的自动分类与识别。

近红外光谱技术快速鉴别原料肉掺假的可行性研究

探讨利用近红外光谱技术结合Fisher两类判别法以及多层感知器(multilayer perceptron,MLP)神经网络快速无损鉴别原料肉是否掺假,并建立多种掺假肉的分类识别模型的可行性。首先近红外结合主成分与Fisher两类判别,建立原料肉与掺假肉的判别函数,以原料肉与注水肉两类样本的平均重心即两类样本的加权平均数-0.657作为区分原料肉与掺假肉的界限。2 0个验证集样本有两个被误判,总的正确判别率达到9 0%。然后,利用近红外结合主成分与MLP神经网络建立原料肉和3种掺假肉的3层神经网络识别模型,该模型对预测集52个样本的正确识别率达到94.2%。说明利用近红外结合化学计量学方法对原料肉是否掺假及掺假种类进行鉴别是可行的。

原料肉中掺大豆蛋白的近红外检测技术的研究

探讨了利用近红外光谱技术快速、准确地进行原料肉中是否掺大豆蛋白鉴别的可行性。首先以原料肉和掺假肉为原料,利用近红外光谱仪测定样品的漫反射光谱曲线,再应用Fisher线性判别分析和偏最小二乘法对试验数据进行了多元统计分析。分析结果表明,利用Fisher判别分析建立的判别模型的正确判别率达到100%,对未知样进行检验,正确判别率达到86.1%;最后利用偏最小二乘法(PLS)建立大豆蛋白掺入量的定量检测模型,校正模型决定系数(R2)为93.4%,内部交叉验证均方根差(RMSECV)为2.45%,对此模型进行验证,预测集相关系数(R2)为84.1%,预测标准偏差(RMSEP)为3.59%。说明应用近红外光谱技术对原料肉中掺大豆蛋白进行快速、准确的的鉴别是可行的。

应用测井资料定量识别碳酸盐岩沉积微相——以川东北元坝地区长兴组为例

元坝长兴组是晚二叠世晚期沉积的一套台地礁、滩相碳酸盐地层,礁滩相储层具有多期次发育、侧向叠加的特征,非均质性强,沉积微相的精细划分复杂。为提高储层沉积微相的预测效率和精度,提出基于常规测井资料及电成像测井对沉积微相测井响应特征精细描述的方法,选取元坝地区长兴组岩心、测井、录井等地质资料比较完备的10口代表性钻井作为标准井,构建识别模型,并利用所构建的算法模型对非建模井段进行评价。由于未取心井的层位划分方法和曲线重叠法、交会图法等常规沉积微相分类方法很难对碳酸盐岩沉积微相进行识别。在保证精度的基础上提高效率,采用系统聚类法和Fisher判别法对未取心井进行层位划分和沉积微相分类,回判验证率高达81.3%,由此可见该方法可行性强,减少了对岩心数据的依赖且有着不错的精度和效率,一旦建模便可实现测井资料自动识别沉积微相,针对复杂礁滩相碳酸盐岩地区沉积微相划分有一定的借鉴作用。

补气、补血中药的功效与其无机元素间关系的定量研究

采用等离子源发射光谱、无色散原子荧光等分析方法,检测了17味补气、补血药中14种无机元素含量。并运用Fisher两类判别方法对全部数据进行了统计分析,从药物中无机元素含量分布的角度研究了补气、补血药功效的物质客观性。