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 。

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%。

常用Fisher判别函数的判别矩阵研究

在线性判别分析(Linear discriminant analysis,LDA)中,比迹函数、比值函数和迹比函数是三种常用的Fisher判别函数,每一个判别函数都可得到一个正交判别(Orthogonal discriminant,OD)矩阵和一个不相关判别(Uncorrelated discriminant,UD)矩阵.本文的主要目的是对这6种判别矩阵的获取方法及其性质进行系统分析,拟期更清楚地认识它们的联系与区别.当类内协方差阵非奇异时,比迹、比值函数的判别矩阵和迹比函数的OD矩阵的获取方法及性质已有研究,本文对迹比函数的UD矩阵的获取方法及性质进行了补充研究,得到了迹比函数的UD矩阵与比迹、比值函数的UD矩阵是同一矩阵以及迹比函数的UD矩阵的判别函数值不超过它的OD矩阵的结论.当类内协方差阵奇异时,6种判别矩阵的获取方法遇到了困难,为克服这一困难,本文首先用极限的思想重新定义了这三种判别函数,然后采用求极限的方法得到了6种判别矩阵的获取方法.从所得的获取方法可以看出,当所需的判别向量均在类内协方差阵的零空间中时,6个判别矩阵是同一矩阵.

一种新的线性判别函数的加权方法

线性判别函数法是计算机模式分类的一种基本方法。该文以平均频率作为线性判别函数加权方法的一个特例,将N维的模式识别问题简化为一维问题,并且给出了两种确定分界点的方法。使用平均频率作为线性判别函数具有物理意义明确、计算量小的特点,可以用于以信号的功率谱作为特征矢量的模式识别方法之中。

模糊线性判别函数与权重初始化超球面

将非线性神经元及多层感知机分类行为分析建筑在模糊集理论基础上 ,提出模糊线性判别函数、模糊判别面、模糊模式分类等概念 ,并引导出将多层感知机的隐层权重值均匀地分布在权重空间超球面上的网络初始化方法。以一系列实验验证此方法能明显提高多层感知机收敛性能 ,且与所用的学习算法、神经元的激励函数形式无关。

模拟电路的非线性多项式判别函数法故障诊断

本文介绍了非线性多项式函数在模拟电路故障诊断中的应用方法 ,给出了故障诊断的步骤 ,分析了这种方法的优缺点。

非线性判别函数的基于MDL标准的勒让德多项式构造法

In Model Recognition, although a non-linear discriminating function may be superior to linear or quadraticclassifiers, it is difficult to construct. This paper proposes a constructing method using Legendre polynomials. Theselection of an optimal set of Legendre is determined by the MDL criterion. Results using many data show the effec-tiveness of this method.

基于Fisher判别函数的酒店员工离职预警研究

基于马氏距离平方,构建了Fisher判别函数,应用Fisher判别函数对酒店员工离职数据进行模拟判别,验证了判别函数在识别员工离职倾向上的有效性;根据被调查的6位员工的满意度数据,对他们的离职倾向进行了预测.

手写字符识别的非线性主动判别函数

提出了用于手写字符识别的非线性主动判别函数,是线性主动判别函数在手写字符非线性变化情况下的推广。该方法利用Kernel PCA分析捕捉和表示这种非线性变化。将输入空间非线性映射为特征空间,在特征空间的主子空间中生成最优主动原型模板,其与字符特征向量在特征空间主子空间的投影之间的距离即为非线性主动判别函数;同时,基于最小分类错误准则对该函数进行了优化。实验结果表明,非线性主动判别函数获得了比线性主动判别函数更高的识别率。

线性判别函数在频谱分析中的应用

在进行机器状态监测和故障诊断工作中,常把机器当前状态的频谱与已知状态的频谱作比较。但是,当状态的类别、频谱中敏感频段及其特征值的数目增多时,各种状态的阈值交错,给判断带来极大的困难。本文利用最小二乘法建立的线性判别函数解决这一问题。仿真试验证明这是一种极有效的方法。

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。

一种基于线性判别函数的降维模式识别方法

基于降维的思想将多维的模式识别问题简化为一维问题,给出了判断分界点的方法。

关于模式识别统计的线性判别函数若干方法的讨论

本文在评述和对比了模式识别统计的线性判别函数算法后,提出了一种以Rayleigh商值为准则的动态规划方法,即统一的统计线性判别函数算法,它可以取代其他方法,可以开拓和发展新的统计算法,使这类算法规范化、实用化和统一化。

线性判别函数对刀具监视中声发射信号的分析

在全自动化制造系统中，为了保证系统运行的稳定性、可靠性，必须对刀具磨损进行在线监视。声发射是近年来刀具监视研究中发展的最重要的技术之一。本文用时间序列的分析方法对刀具切削中的声发射信号建立自回归模型，用线性判别函数进行类别分析实现对工具的监视实验证明，所用方法是可行的。

利用线性判别函数对体质综合评价的探讨

一、问题的提出关于体质的综评价,目前已引起国内外许多专家们的注意。然而,对反映体质这个概念的人体形态、机能、素质的综合评价,国内外的报导并不多见。国内有些专门研究人员对此问题尚持有不同意见[1]。笔者认为,人体的形态、机能、素质是反映体质的三类主要因素,三者间必定存在着相依变动的规律,而又从不同的侧面反映出体质的强弱。所以,对体质进行综合评价的可能性是存在的。关于综合评价的方法问题,国内有些专门研究人员曾主张采用5分制求平均分的方法[2],也有人主张采用单项得分累加法[3]。笔者认为,这些方法的优点在于简便易行。但是各等级的区间较大,这样势必损失更多的信息,影响着评价的客观性。为此,本文提出采用线性判别函数对体质进行综合评价,并对此进行探讨。

代价敏感属性中动态误分类代价下的Fisher判别函数

目前权衡测试代价和误分类代价是代价敏感属性选择需解决的重点问题之一。但是,现下多数研究者只考虑了误分类代价是固定不变的情况,由于人为确定的误分类代价存在主观性等因素,因此解决现实问题就需要新的方法怎文设计了一种动态误分类代价下的Fisher函数,来自适应于总代价的变化。

非线性判别函数在甘孜州雪灾预报中的应用

一、引言雪灾对畜牧业、国民经济建设带来严重的危害。据有关资料统计,一地雪灾严重,仅牲畜损失可达25％左右。可见做好雪灾的长期预报,是迫切需要的。越来越多的人认为,天气预报的因果关系呈非线性,雪灾的预报更是如此,它的形成多种气象因素影响造成的。为此我们引用非线性判别函数做雪灾预报,实践证明,其效果是令人满意的。

基于Fisher线性判别分析的语音信号端点检测方法

传统的语音端点检测方法对辅音,特别是受到噪声污染的清音部分与背景噪声之间分离能力不足。针对上述问题,该文提出一种基于Fisher线性判别分析的梅尔频率倒谱系数(F-MFCC)端点检测方法。将清音信号和背景噪声视为两类分类问题,采用Fisher准则求解具有判别信息的最佳投影方向,使得投影后的特征参数具有最小类内散度和最大类间散度,从而增大清音与背景噪声的可分离性。在不同语音库上的实验结果表明,F-MFCC能够在不同信噪比和背景噪声条件下提高语音端点检测的准确率。

基于核Fisher判别分析方法的非线性统计过程监控与故障诊断

化工过程中大量的生产数据反应了生产过程的内在变化和系统的运行状况,基于数据驱动的统计方法可以有效地对生产过程进行监控。对于复杂的化工和生化过程,其过程变量之间的相关关系往往具有很强的非线性特性,传统的线性统计过程监控方法显得无能为力。本文提出了基于核Fisher判别分析的非线性统计过程监控方法,首先利用非线性核函数将数据从原始空间映射到高维空间,在高维空间中利用线性的Fisher判别分析方法提取数据最优的Fisher特征矢量和判别矢量来实现过程监控与故障诊断,能有效地捕获过程变量之间的非线性关系,通过对流化催化裂化(FCCU)过程的仿真表明该方法的有效性。

基于改进的PCA算法和Fisher线性判别的人脸识别技术

通过对主成分分析法(PCA)的数学公式进行改进,使其具有灰度归一化操作能力,从而克服光照对目标的影响,再将改进后的主成分分析法和F isher线性判别分析方法组合起来用于人脸识别,在ORL人脸数据库上进行了实验,取得了满意的识别效果.