基于Fisher线性判别式的层次文档分类

将文档按照主题进行层次分类,利用Fisher线性判别式的思想来提取每一类的正特征词和负特征词,给出基于Fisher线性判别式的层次文档分类算法(HDCF)。HDCF不仅克服一般层次分类算法中假定特征词之间必须满足独立性的条件,而且能处理一个文档涉及多个类的分类问题。在实验中,采用召全率和准确率2个指标与其它算法进行比较,结果表明:HDCF的效果好于其它算法。

Fisher线性判别式阈值优化方法研究

Fisher线性判别式FLDs(Fisher linear discriminates)的常用阈值对不平衡数据集分类效果较差。以不平衡数据集为应用背景,主要研究各种阈值对FLDs分类性能的影响。认为影响FLDs性能的主要是类间分布区域不平衡而不是样本数不平衡,因此提出多个经验阈值,并依据分类精度从中选择优化阈值。大量实验结果表明,所提出的阈值优化选择方法能有效提高FLDs对不平衡数据集的分类性能。

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.

利用Fisher判别式和事件相关电位的心理意识真实性识别

提出一种基于Fisher判别式和事件相关电位(ERP)的心理意识真实性识别新方法,以可识别的有意义的个人信息(如姓名、生日)作为被测试信息,应用隐藏信息测试(CIT)模式对15名受试者进行了测试并记录其脑电信号.将多通道ERP P300幅度和受试者的反应时间组成特征参数,利用Fisher判别式进行心理意识真实性识别分类,获得93.3%的平均识别率,明显高于以往研究方法的识别率.因此,基于多通道ERP和Fisher判别式的方法具有无创性及较高识别率等优点,可以作为一种心理意识真实性检测的新方法.

基于二维Fisher线性判别的掌纹识别方法

在Fisher线性判别(FLD)中,类内离散矩阵总是奇异的。为了解决矩阵的奇异性问题,应用一种新的二维Fisher线性判别(2DFLD)直接进行矩阵投影。对于PolyU掌纹图像库,分别用PCA,PCA+FLD和2DFLD提取特征掌纹子空间,将待识别图像投影到低维子空间上,用余弦距离进行掌纹匹配。实验结果表明,与PCA相比,PCA+FLD的识别率最多提高1.18%。2DFLD识别率最高达到99.34%,比PCA+FLD提高7.61%,特征提取仅耗时0.047s。

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。

基于三维多分辨率模型与Fisher线性判别的人脸识别方法

提出了一种不同姿态和光照条件下的人脸识别方法 ,将三维多分辨率模型与Fisher线性判别结合起来 .为了排除光照、姿态对人脸识别的影响 ,利用重采样技术构造了三维多分辨率模型 ,更快、更精确地提取人脸特征 ;同时结合Fisher线性判别 ,充分利用不同条件下的二维人脸图像信息 ,更有效地排除光照、姿态的影响 .实验表明 ,三维多分辨率模型与Fisher线性判别相结合能够很好地适应外部条件的变化 ,提高了人脸识别的速度和效率 .

非平衡数据集Fisher线性判别模型

非平衡数据是指两类问题中正类样本与负类样本个数不相等,甚至相比悬殊.非平衡数据集会导致许多分类器的性能下降,这与分类器的构造原理有关.本文首先阐述了Fisher线性判别的分类机制,指出当两类样本的协方差矩阵不同时,样本不平衡会导致Fisher线性判别的性能下降.在此基础上,提出了一种加权Fisher线性判别(WFLD),以减小样本不平衡的影响.然后,从UCI中选择了8个非平衡数据集,并采用ROC曲线下面积作为评估指标进行比较,实验结果证明了WFLD模型的有效性.

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 。

判别式正交线性局部切空间排列故障辨识

针对现有旋转机械故障诊断模式难以实现自动化、高精度和泛化性的关键问题,提出基于判别式正交线性局部切空间排列特征约简的故障辨识方法。该方法首先构造全面表征不同故障特性的时、频域特征集,再利用DOLLTSA将高维时、频域特征集自动约简为区分度更好的低维特征矢量,并输入到K-近邻分类器中进行故障模式辨识。时、频域特征融集可较全面准确地反映旋转机械的故障特征;DOLLTSA综合利用局部几何结构和类判别信息进行流形解耦,并采用谱回归法和子空间正交化处理来优化低维嵌入子空间,提高了故障辨识精度。深沟球轴承故障诊断实例和空间轴承寿命状态辨识实例验证了所提方法的有效性。

基于Fisher准则改进线性判别回归分类的人脸识别

为了提高线性回归分类LRC(Linear Regression Classification)算法的鲁棒性,提出一种基于Fisher准则改进的线性判别回归分类算法。首先根据Fisher准则最大化类间重建误差与类内重建误差的比值,为LRC找到最优投影矩阵;然后利用最优投影矩阵将训练图像及测试图像投影到各个类的特征子空间;最后,计算出测试图像与各个训练图像之间的欧氏距离,并利用K-近邻分类器完成人脸的识别。在FERET和AR人脸数据库上的实验验证了本文算法的有效性。实验结果表明,相比其他回归分类算法,该算法取得了更好的识别效果。

一种面向单个正例的Fisher线性判别分类方法

提出了一种解决不平衡数据集中少数类只有一个样本的方法,找出单个正例在负类中的k个近邻,按照一定规则依次在单个正例和它的各个近邻的连线上产生合成样本,并把这些合成样本添加到原始的正类中,用加权F isher线性分类方法对新的数据集进行训练.实验结果表明该方法可有效地提高少数类的分类性能.

基于Fisher线性判别分析的情景感知推荐方法

为解决现有推荐方法无法兼顾多种度量准则,提出一种基于线性判别分析的情景感知推荐方法。获取用户视图下的偏好项目特征、项目视图下的项目吸引度等多视图数据,通过特征融合、投影变换,在最佳鉴别矢量空间引入Fisher判别准则,采用Lagrange乘子法求解最优投影方向。实验结果表明,与现有方法相比,所提方法降低了时间开销,准确度平均提高18.91%,多样性平均提高32.79%,验证了其能够兼顾多种度量准则,提高了推荐质量。

基于LLE与Fisher线性判别的人脸识别算法

为了提高基于流形学习理论人脸识别算法的识别率,采用一种将非线性降维与Fisher线性判别相结合的方法。首先利用邻域嵌入算法,将人脸图像测试和训练集的维数降低到合适维度,然后使用Fisher线性判别进行人脸数据集特征的提取,最后将测试集人脸图像特征和训练集人脸图像特征,使用最近邻分类器进行分类。在公开的Olivettifaces和ORL人脸图像数据库上,分别将该算法与几种经典基于流形学习理论的人脸识别算法进行了对比实验,实验结果表明当近邻数比较大时本算法识别率是最高的。

加权Fisher线性判别法在非平衡医学数据集中的应用

目的:介绍加权Fisher线性判别法在非平衡医学数据集中的应用。方法:在两类分类问题中,当两类样本的协方差矩阵不同时,样本不平衡会导致Fisher线性判别的性能下降,使用加权Fisher线性判别法对两类样本同时进行不同倍数的过抽样,可促使两类的样本数目趋向平衡。结果:利用社区居民的血糖流行病学调查资料进行验证,加权Fisher线性判别法较传统Fisher线性判别法的灵敏度高,分类性能明显提高。结论:加权Fisher线性判别法可适用于非平衡数据集,算法简单高效,且基本不增加计算复杂度。

应用Fisher线性判别分析法评估物流规划项目

讨论了如何利用Fisher线性判别分析方法对物流规划项目进行评估,以某物流园区规划为实例,采用Fisher判别方法进行了实证分析。经过实证分析表明,Fisher判别方法是一种较为可信、便捷的评估方法,借助SPSS等数学工具,可以大大减少专家评估物流规划项目的工作量。