平分最近点算法与Fisher判别分类算法的关系

在线性可分情况下,对平分最近点算法和Fisher判别法构造的判别函数进行了对比研究,得出两类模式在特定的分布和一定的条件下,两种算法是等价的。

基于核Fisher判别的分类器算法及其在语种识别中的应用研究

GMM与SVM的建模和识别性能具有较好的互补性,因此GMM-SVM在语种识别中得到广泛使用,以其为基础的GMM-MMI-SVM已成为语种识别的主流研究方法。但是SVM在判别时仅仅使用了训练样本中的一些特殊样本即支持向量,并没有使用全部样本,从而影响了系统识别性能的进一步提高。针对上述问题,提出一种基于核Fisher判别的分类算法——GMM-MMI-KFD。该算法的核心思想是用核Fisher准则(KFD)替代SVM分类准则,从语音片段中提取出特征向量序列,分别通过GMM-MMI分类器与GMM-KFD分类器进行判决打分。相对SVM,KFD更注重语音数据非线性分布的特点,并且将样本向高维空间H上投影后可以最大限度地增大类间距,减小类内距。实验数据表明,GMM-MMI-KFD方法在语种识别中具有更高的识别率。

基于Fisher的线性判别回归分类算法

为了提高线性回归分类(LRC)算法的鲁棒性,提出了一种基于Fisher准则的线性判别回归分类算法。利用Fisher准则将类间与类内重建误差的比值最大化,找到线性回归分类的最优投影矩阵;再将训练图像及测试图像投影到各类的特征子空间;求得各训练图像与测试图像间的欧氏距离,最后用K-近邻分类器完成人脸识别。在AR人脸数据库上的实验结果表明,相比其他回归分类算法,算法取得了更好的识别效果。

LDA和KNN算法在随钻测井火成岩分类的应用

渤中34-9油田在开发过程中广泛钻遇古近系火成岩,由于火成岩岩性多样、成分复杂导致常规测井解释图版识别岩性精度较差,而在随钻过程中准确识别火成岩岩性是工程上规避憋、卡、漏等风险的重要前提。通过将机器学习算法线性判别分析(LDA)与KNN算法运用于油田开发过程中的随钻测井数据处理与分析,实现了随钻过程中准确、高效识别火成岩岩性的目的。进一步将线性判别分析的降维结果代替原始测井曲线作为K最近邻分类器的输入,实现两种算法的有机融合,并对油田5口开发井建立的测井数据集进行机器学习,火成岩岩性分类准确率高于90%,证明了该方法的适用性。通过引入机器学习方法为常规录、测井数据的处理与解释提供了新方法,多方法的结合也为油田勘探作业过程中的分类提供借鉴。

基于PCA和Fisher判别分析的锋电位在线分类算法

目的大脑神经元胞外单细胞动作电位(即锋电位)的检测与分类,是研究神经系统处理信息机制的关键。常用方法是实验完成后对记录到的数据进行离线检测与分类,然而当需要在短时完成大量数据的处理或无线传输时,则需实现锋电位的在线检测与分类。方法为实现在线分类,本文在利用主成分分析法(principal component analysis,PCA)和K均值分类法对一定量数据进行预分类的基础上,提出使用PCA结合Fisher判别分析的方法,并与基于距离的模板匹配法、BP神经网络分类法进行了分类效果和算法复杂度的比较。结果仿真结果表明,该方法相对于其它两种方法在分类效果和算法复杂度上都具有一定的优势。结论此方法是实现锋电位在线分类的不错选择。

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。

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。

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。

基于Softplus激活函数和改进Fisher判别的ELM算法

在极限学习机(extreme learning machine,ELM)网络中,对可加型隐单元的激活函数通常选择的是Sigmoid函数.因此,首先提出一种新型修正线性函数的近似平滑函数Softplus来替代它.Softplus激活函数因为更接近生物学的激活模型且具有一定的稀疏能力,可进一步优化网络性能.其次,为了使ELM算法训练的网络具有更好的分类性能,考虑了类内距和类间距的约束,提出了基于改进Fisher判别约束的ELM算法,从而使解析求得的输出权值更加利于分类,进一步改进了识别性能.最后,在手写数字库和人脸库上的实验证明了改进ELM算法的可行性和优越性.

基于Fisher判别分析的有监督特征提取和星系光谱分类

随着天文观测技术的进步、数据获取能力的提高和大型光谱巡天计划的相继实施,光谱数据的自动处理研究越来越受到重视和关注。文章在分析了文献中光谱自动分类研究的特点和无监督特征提取方法所固有的一些不足的基础上指出了光谱有监督特征提取研究的必要性。并重点研究了Fisher判别分析(FDA)有监督特征提取方法在星系光谱自动分类中的应用。该方法:(1)具有突出的维数约减能力;(2)能有效地融合训练数据的类别信息,并按照分类能力提取特征。实验表明,将FDA方法用于某些星系细分类不仅明显地提高了分类器的速度,而且具有良好的分类性能。因此,对于较大的光谱识别系统更能体现出该方法的优越性。

基于Fisher判别分析法的井巷围岩质量分类研究

为建立在煤矿勘探阶段井巷围岩质量分类的判别模型,选取岩石的天然单轴抗压强度、饱和单轴抗压强度、软化系数、天然抗剪强度、饱和抗剪强度、含水率和岩石质量指标RQD值等7项因子作为分类指标,以新疆乌鲁木齐市某煤矿的2个煤层顶底板的40组岩样作为学习样本,采用Fisher判别分析方法对该40组岩样进行训练,建立了判别模型,采用回代估计方法对每个岩样进行验证,正确率达到97.5%,利用该判别分类模型对另一煤矿的8组岩样进行分类,其分类结果与实际分类结果完全相符。研究结果表明:Fisher判别分析方法是一种有效的围岩质量分类方法,该判别模型可在实际煤矿井巷围岩质量分类中进行推广应用。

基于模糊C均值聚类算法和贝叶斯判别函数研究深水油藏分类评价

针对目前深水油藏分类评价研究现状的不足,基于模糊C均值聚类算法和贝叶斯判别函数,建立了深水油藏指标选择标准和分类评价体系。优选世界三大深水油气区19例油田的特征属性参数作为典型样品集,采用模糊聚类分析对深水油藏进行了分类,在此基础上,应用贝叶斯判别决策理论,建立了深水油藏分类评价的定量判别关系,对未知类型的深水油藏进行了定量分类评价。实例结果表明,应用模糊C均值聚类算法和贝叶斯判别函数相结合进行深水油藏分类评价是有效的,该分类评价体系考虑的油藏参数更为全面,分类结果更为明显,对于深水油田的开发具有一定的指导意义。

基于FCM-Fisher判别分析的难采储量分类

目前储量的分类标准要求所有指标值符合既定的指标范围,否则难以划分储量类别。为克服这一问题,结合模糊C均值法和Fisher判别分析法实现难采储量的分类。首先基于效益指标运用模糊C均值算法自动搜索储量的最佳类别,再利用Fisher判别分析法建立储量效益指标类别与储量属性指标的关系式。在已知储量指标值的情况下,通过此关系式即可判别储量的类别。最后以大庆某油田为实例,对其难采储量进行分类,有效指导难采储量滚动开发决策。

基于Fisher线性判别模型的文本特征选择算法

在采用向量空间模型表示方法的文本分类系统中,维数约简是必要的步骤,特征选择方法由于计算复杂度较低而被广泛采用。本文基于Fisher线性判别模型提出了一种新的文本特征选择算法,将其求解过程转换为一个特征项优化组合的问题,避免了复杂的矩阵变换运算。实验表明,该方法与信息增益、卡方统计方法比较,具有较明显的优势。

基于Fisher判别分析的贝叶斯分类器

针对满足"类条件属性相互独立"假定的经典贝叶斯分类器无法有效利用类间信息的缺陷,结合Fisher线性判别分析,给出一种基于Fisher线性判别分析的贝叶斯分类器的改进算法。该算法通过寻找类与类最大分离的投影空间,将原样本向最大分离空间投影,以获得新样本,并采用贝叶斯分类器对新样本进行分类。实验结果表明,在给定的数据集上,该贝叶斯分类器的分类正确率较高,分类性能较好。

Fisher线性判别函数在基于COGs分类的基因组间距离研究中的应用

利用全基因组信息构建系统发育树 .基于COGs类 ,对每一个基因组的每一个基因 ,都用一个 17维的向量来描述其编码蛋白隶属于 17个COGs类的程度 ;而与一个基因组的所有基因相对应的那些矢量就组成一个集合 .接着 ,利用Fisher线性判别函数 ,寻找一组最优化的权重因子 ;在此基础上利用Fisher线性变换将上述各集合中每一个矢量进行线性变换 .使得经Fisher线性变换后 17个COGs类对基因组进化的重要程度得到更准确的反映 .最后 ,用进行变换后的矢量组成的集合间的距离代替基因组之间的距离 .使用这种方法 ,分别用 38个和 4 3个基因组做的进化树都支持了Woese的三界理论 .该方法克服了其他基于全基因组信息构建系统发育树方法难以对大小相差很大的基因组进行比较的问题 。