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。

典型相关分析与Fisher判别法关系探讨

文章从典型相关分析的原理及相关结论出发,探讨了典型相关分析与多元线性回归分析之间的关系,并利用其相关结论导出了典型相关分析与Fisher判别法的种种关系,最后以一实例分别借助SPSS与SAS输出结果对其关系给予了印证说明。

分块PCA加权与FLD结合的血流图红外人脸识别方法

传统红外人脸识别方法都是基于全局特征的识别方法,为了充分利用人脸的局部特征,提出一种基于血流图的分块PCA+FLD的红外人脸识别方法.通过血流模型把红外温谱图转换成血流图,能够利用人体的生物特征增加样本之间的类间距,并减少样本之间类内距.基于各个分块的类间距与类内距比值大小(RD),分块PCA加权可以自适应地提取更适合识别的人脸局部特征,同时还可以缓解Fisher线性判别的小样本问题(零空间问题).实验表明,分块PCA+FLD并不会减少整体特征提取中有用识别信息的提取,而且可以突出局部特征对识别贡献,提高本方法的识别率.

基于血流图的小波域分块DCT+FLD红外人脸识别方法

为了从生物特征角度同时结合人脸的局部特征和整体特征提高红外人脸的识别性能,提出了一种基于血流图的小波域分块DCT+FLD(Fisher线性判别)红外人脸识别方法。首先利用血流模型把温谱图转换成血流图,然后用小波变换对人脸血流图像做两级小波分解,再对低频子带进行分块并对每个分块进行DCT变换,提取部分变换后的系数作为子块的特征值,对这些子块的特征值构成的组合特征值从整体上做Fisher线性分析,得到特征子空间,最后根据欧氏距离和三阶近邻分类器进行识别,得到最终的识别结果。实验表明,同基于传统PCA+FLD,DCT+FLD以及DWT+PCA+FLD方法相比,所提出的方法得到了更好的识别效果。

基于PCA、FLD和小波包子图融合的人脸识别算法

基于单一理论的识别方法由于各种因素的限制,存在自身固有的局限性。为提高算法的效率和准确率,本文结合主成分分析法(PCA)和Fisher线性判别法(FLD),提出一种基于融合小波包子图的人脸识别方法 FW-PCA-FLD。该方法首先将小波包分解后的人脸子图像根据其能量分布特性进行加权融合,然后利用PCA方法对融合后的小波包图像进行特征提取,最后用Fisher线性判别找到合适的投影空间,通过度量训练样本与测试样本在投影空间上的投影系数进行人脸的分类识别。在CMU PIE人脸库、JAFFE人脸库上的实验结果表明,本文提出的人脸识别算法不仅在正确识别率和识别时间效率上表现较为优越,而且对不同光照、表情、姿态变化下的人脸识别都保持较好的适应性。

主分量分析和线性判别分析在分类问题中的应用

对于维数较多的研究对象,为了研究的方便,总希望先将维数降低.主分量分析(PCA)和Fisher线性判别分析(FDA)是广泛应用于模式识别各个领域的两种常用方法.本文先利用主分量分析,将原始数据维数降低,然后再利用Fisher线性判别分析将维数再次降低,得到低维的数据,实验结果表明了两种方法结合的有效性.

基于Fisher判别模型的煤层底板突水水源预测

针对传统矿井突水水源判别方法对矿井煤层底板突水水源判别准确率低的问题,以城郊煤矿二_(2)煤层为例,建立了Fisher矿井底板突水水源判别分析模型。城郊煤矿二_(2)煤层具有突水威胁的含水层分别为煤系砂岩含水层和底板太原组岩溶裂隙含水层,考虑到水化学离子的重要性及数据的有效性,采用煤层底板有突水威胁的砂岩水、太灰水和混合水3类水样分析资料作为样本,选取Ca^(2+),Mg^(2+),Na^(+)+K^(+),HCO_(3)^(-),Cl^(-),SO_(4)^(2-)这6种离子含量和矿化度作为矿井突水水源判别分析的变量。利用SPSS软件求得2个典型Fisher判别函数(第1和第2判别函数),计算出典型判别函数在3类水样类别的中心值,通过比较待判水样函数值与这3类水样类别的中心值距离即可判别样本归属哪一类别。利用回代估计法对Fisher矿井底板突水水源判别分析模型进行检验,结果表明:该模型的判别正确率达93.3%,判别结果可信度高。利用该模型对城郊煤矿二_(2)煤层10个已知水样进行分类,得出10个水样的判别结果与实际情况吻合,判别正确率为100%。

基于Fisher算法的无桩共享单车故障预测

无桩共享单车故障的主要诊断方式为人工定期维修和APP用户反馈,但在诊断过程中存在浪费劳动力和资金、报修率较低等问题。因此,单车的故障率居高不下,严重影响用户的使用体验,不利于共享单车企业的未来发展。为提高故障诊断效率并节约成本,结合大数据技术,提出共享单车故障预测模型及求解算法进行探究:以无桩共享单车的行驶时间和行驶距离作为输入,构建有条件约束的故障预测模型;针对模型计算的复杂性,利用Fisher线性判别法设计模型的求解算法;最后,对北京市某地区的哈啰单车系统进行案例分析,验证模型和算法的有效性。结果表明:与传统的两种方法相比较,该模型可快速预测该地区的故障无桩共享单车,且准确率高达86.13%,能够显著降低无桩共享单车的故障率并节约成本。

人脸图象特征抽取和识别的一种混合方法研究

提出了将Fisher线性判别、支持向量机和决策树方法相结合的人脸识别方法。首先用Fisher线性判别法对人脸图象进行特征抽取,压缩了图象的维数,再在特征空间中用SVM(SupportVectorMa chine)和决策树结合的方法设计人脸分类器。在ORL人脸库上的实验结果表明了该方法对解决小样本、非线性以及高维的模式识别问题的有效性。

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。

基于支持向量机的人脸识别算法

特征提取是人脸识别问题中的一个普遍问题,主要是指通过变换将图像空间中的人脸转化到人脸特征空间中,其目的是用最少的数据量表示原始图像的最多的信息。其中Fisher脸法是常用的特征提取方法,本文采用Fisher脸法和支持向量机的方法,构造了一个能够将图像数据空间的人脸映射到人脸特征空间中,并实施识别的实验系统。分析了该系统的构成与特点,并给出了实验测试结果。

基于改进的主成分分析法的矿工表情识别

针对传统的矿工面部表情识别方法中对矿工面部表情进行特征提取的时间较慢且识别准确率不高的问题,以主成分分析法为基础,运用Fisher线性判别法对传统的主成分分析法进行改进。首先在主成分分析法的基础上增加一个类间离散矩阵,使其投影后不同类别之间特征点的距离更大,同一类别之间特征点的距离更加紧凑,对矿工面部表情图像特征提取的结果更具有代表性和针对性;然后运用径向基神经网络将低维非线性可分的矿工面部表情图像对应的特征矩阵映射到高维空间并使其线性可分,从而实现对矿工面部表情的识别和分类。实验结果表明,所提出的方法对矿工面部表情识别的识别率为89.0%,优于传统矿工面部表情分类识别算法,在矿井安全监控、疲劳驾驶等领域有较好的应用前景。

最优组合因子Fisher判别法

以回代正确率为标准 ,利用因子组合对多个总体的样本数据建立Fisher线性判别方程 .经计算实例 ,得到较为满意的结果 .

油菜光谱的多重分形分析及叶绿素诊断建模

作物信息科学的重要内容是如何利用作物的信息对其进行无损营养诊断,光谱分析是一种有效可行的途径。对于油菜而言,冠层光谱的特征是描述其营养状况的重要指标。但由于原始光谱总是受到一些如环境、气候等外在因素的影响,其巨大的波动导致难以直接用于油菜生物量的诊断。然而,光谱的多重分形特征将保持相对稳定。为研究油菜冠层光谱与叶绿素含量的关系,基于多重分形理论,提出了基于油菜冠层光谱特征的叶绿素定量预测模型和定性识别模型。以24个移栽种植小区和24个直播种植小区的高油酸油菜苗期样本为试验对象。首先,利用流行的多重分形去趋势波动分析提取了6个不同波段范围内光谱的广义Hurst指数和质量指数及其他相关的特征参数,发现它们都呈现典型的多重分形特性。但两种不同种植方式下的光谱特征也存在差异。接着,通过多重分形特征参数与SPAD值的相关分析发现不同波段的光谱所含的有效信息不同。以多重分形特征参数建立单变量油菜叶片SPAD值预测模型,移栽方式、直播方式及混合样本的预测模型相对均方根误差均小于5%。最后,以多重分形特征组合建立识别模型,以Fisher线性判别法识别移栽和直播两种种植方式的最大约登指数为0.902 5,对应最敏感波段为350~1 350nm。这项有意义的工作为预测油菜叶绿素提供了理论基础和实践方法,也为寻找敏感波段进行识别诊断提供了有效的途径。

基于Gabor小波的TOFD图像缺陷识别研究

针对运用超声衍射时差法(TOFD)法对焊缝进行检测时,图像缺陷人工定性主要受检验人员经验和专业知识影响缺乏可靠性的问题,提出了一种TOFD图像缺陷自动定性的方法。该方法首先提取TOFD缺陷图像的Gabor小波特征,并依据这些特征,采用主成分分析技术(PCA)对Gabor特征进行降维,然后采用Fisher线性判别分析方法对其进行了判别分析,最后完成了缺陷的自动定性分析;同时,建立了一个实际系统,并在测试样本上进行了试验验证,试验在109幅人工试块缺陷及自然缺陷训练样本及25幅测试样本中进行,采用Gabor小波特征及原始图像像素特征所构建的缺陷分类器识别率比较。研究结果表明,基于Gabor小波特征的缺陷识别方法识别率达到72%,比原始图像特征的缺陷识别方法更优。

步态信号采集与分类平台的设计与实现

低成本、易实施、无接触式的步态信号采集与分类平台可为步态的定量评估、智能诊断提供新的研究路径与参考思路。应用改进经验模态分解(empirical mode decomposition,EMD)结合Bagging正则化共空间模式(Bagging regularized common spatial pattern,BRCSP)与Fisher线性判别分析法(Fisher linear discriminant analysis,FLDA)设计了步态信号采集与分类平台。该平台将采集到的步态信号通过改进EMD进行滤波,抑制高频干扰噪声,提取真实、有用的本征模态分量(intrinsic mode function,IMF)进行信号重构,从而得到包含完整、准确步态信息的信号;再通过BRCSP特征提取方法强化步态信号的个体差异性及共同特征,提取出显著的特征分量;最后应用FLDA方法将特征向量映射到低维度空间中并进行步态分类。实验结果表明,该平台能准确分类进入红外、激光检测区域内的不同步态,平均分类准确率达到96.6%。

视频隐藏信息检测技术研究

信息隐藏技术可以使机密资料通过普通的文本、图像、音频、视频等载体轻易越过防火墙系统.因此检测网络上传输的文件是否含有隐藏的信息对于维护网络的安全,防止不法分子利用网络泄密,对于维护国家安全有着非常重要的意义.着重对利用视频文件进行隐藏信息传输的检测算法进行了研究,并给出了视频文件隐藏信息检测系统设计方案.

HPLC结合多变量统计建立野生与人工沉香的识别模型

为了建立野生、人工沉香的识别方法,采用《中药色谱指纹图谱相似度评价系统》对48批次沉香的HPLC图谱进行分析,并结合多变量统计筛选野生、人工沉香识别特征峰,建立两者的Fisher线性识别模型和偏最小二乘判别法(PLS-DA)识别模型。结果表明:野生、人工沉香HPLC图谱的色酮种类及含量具有较大差异,为识别模型的建立提供了依据;多变量统计筛选出的9个色谱峰变量具有代表性,可用于识别模型的建立;所建立的Fisher识别模型对野生沉香和3年以内人工沉香的判别正确率均为100%,可用于野生与人工沉香的识别; Fisher线性识别模型的线性判别函数:y=-0.193 14x_1-0.086 49x_2+0.073 02x_3+0.136 65x_4+0.053 01x_5-0.058 5x_6+0.097 58x_7+0.040 24x_8-0.130 12x_9,y_1=-1.555 3、y_2=2.641 8、临界值y_0=0.543 3。

基于Gabor小波的人脸表情特征提取研究

为了使计算机能更好的识别人脸表情,对基于Gabor小波变换的人脸表情识别方法进行了研究。首先对包含表情区域的静态灰度图像进行预处理,包括对确定的人脸表情区域进行尺寸和灰度归一化,然后利用二维Gabor小波变换提取脸部表情特征,使用快速PCA方法对提取的Gabor小波特征初步降维。再在低维的空间中,利用Fisher准则提取那些有利于分类的特征,最后用SVM分类器进行分类。实验结果表明,上述提出的方法比传统的方法识别速度更快,能达到实时性的要求,并且具有很好的鲁棒性,识别率高。