基于向量小波变换及Fisher算法的红外弱小目标检测

提出了一种新的红外图像弱小目标检测方法 ;即利用向量小波的优良性质 ,采用恰当的预滤波器对图像进行预处理 ;而后对经向量小波变换得到的高频图像利用Fisher算法进行分割 ,最终将目标从背景中分离出来。通过理论分析和大量实验 ,表明了算法是有效的 ,并证明该算法能够快速稳定的检测出信噪比小于等于

Fisher算法在语音声学模型分析中的研究与应用

语音识别中 ,通常把发音过程看作短时平稳的随机过程 ,为同时兼顾到平稳性和短时性 ,马尔可夫链成为语音建模的有效工具。本文在声学模型研究中 ,首次引进了多元统计分析的理论 ,用Fisher算法对语音模型的状态中心分类进行了研究 ,提出了一种新的基于 Fisher算法的状态中心估计方法 ,并同时指出了在汉语语音识别中 ,HMM状态数宜取在 6～ 8之间。

基于SA4向量小波变换及Fisher算法的红外弱小目标检测

本文提出了一种新的红外图像弱小目标检测方法,即利用SA4向量小波的优良性质,采用恰当的预滤波器对图像进行预处理;而后利用Fisher算法对经SA4向量小波变换得到的高频图像进行分割,最终将目标从背景中分离出来。大量实验表明该算法是有效的。

基于WT-2DICA与改进Fisher算法的人脸识别

小波变换与二维独立元分析(WT-2DICA)能有效提取人脸图像的高阶统计信息,但不能很好地识别受污损的人脸图像。改进Fisher算法充分考虑了类别信息,避免了传统Fisher算法造成的小样本问题。该文结合2种算法的优点,融合改进Fisher算法的最佳投影方向与WT-2DICA算法的独立基子空间,获得了融合投影方向。实验结果表明,该融合算法具有较好的分类性能。

基于Fisher算法的本体推理安卓恶意软件安全检测

针对Android平台日趋增多的恶意软件安全问题,以及缺乏有效措施解决恶意软件的危害,提出一种基于Fisher归类算法结合本体推理的Android恶意软件安全检测方法。用Fisher分类算法对运行在手机端采集的应用程序所产生的系统调用频率信息进行处理,得出最佳线性判别函数,并据此求出最佳调用频率分界点,结合SWRL语言制定推理规则,应用本体JESS推理技术推理,实现了Android恶意软件的安全检测。实验结果表明,该方法可行、有效。

基于Fisher算法对现代黄河三角洲叶瓣垂向环境演变的初步验证

黄河三角洲沉积环境复杂,自1855年以来形成多个三角洲叶瓣,为了验证Fisher算法在黄河三角洲沉积环境划分中的积极作用,在对取自黄河三角洲的柱状沉积物进行粒度分析的基础上,使用Fisher 算法并借助 DPS 软件,对钻孔沉积物垂直剖面进行初步划分,同时与通过其他传统方法划分的沉积层序进行对比。结果表明：通过 Fisher 算法可以将研究区的沉积物划分为3层,分别为1.1-5.7,5.7-18.1及18.1 m以下,地层的分段结果与他人的研究结果相吻合。因此,采用Fisher算法对黄河三角洲沉积物进行层序划分是可行的。

基于图像分块的改进Fisher人脸识别算法

二维方法用于图像矩阵特征提取,虽然速度快,但影响了分类速度。针对二维线性鉴别分析(Two-Dimensional Linear Discriminant Analysis,2DLDA)的特点,研究了一种基于图像分块的改进Fisher人脸识别算法,该算法首先对人脸图像进行压缩降维处理,得到相应的特征矩阵,然后利用改进Fisher算法对特征矩阵进行类间离散度矩阵和类内离散度矩阵的计算,该算法充分考虑了类别信息,避免了传统Fisher算法造成的小样本问题,有效提高了分类速度。基于ORL(Olivetti Research Laboratory)与Yale人脸数据库的实验结果证明了该算法的有效性。

基于Fisher算法的江汉盆地钻孔岩芯沉积阶段划分及其意义

"Fisher算法"是对有序样品进行最优化分段的1种数学方法。应用有序聚类法中次序不变的特点,以江汉盆地ZL钻孔46个地球化学测试样品为研究对象,在有序聚类的数学理论基础上,借助DPS软件包将钻孔沉积物垂直剖面进行分层。研究结果表明,江汉盆地第四纪以来沉积演化大致经过4个阶段:2.77～2.68Ma B.P.、2.68～2.23Ma B.P.、2.23～1.25Ma B.P.及1.25Ma B.P.以来,4个阶段微量元素比值变化特征揭示了该地区河流由不稳定到成熟水系的演化过程。

面向DVS振动信号识别率提升的特征选择算法研究

分布式光纤振动传感(Distributed Optic-fiber Vibration Sensing, DVS)系统可对振动信号实现分布式测量,在实际应用中通常采用模式识别算法对各种振动事件进行识别,然而目前模式识别特征大都固定冗余,不能充分展现振动信号的特性,导致误报率高的问题。针对上述问题,搭建了一套直接探测结构的DVS系统样机,并提出了基于模拟退火算法和Fisher Score算法相结合的混合式特征选择方法。首先使用Fisher Score算法选取合适的特征初始集合,再将Fisher Score嵌入模拟退火算法的新解产生环节中,实现对入侵振动信号的特征组合整体效果较好的选择。通过实验对算法性能进行验证,结果表明:该算法可以剔除冗余入侵振动信号特征,拥有较快的收敛速度,使系统的识别率由80.23%提升至94.46%。

LOG和Fisher算法的壳类食品表面裂纹检测方法

为提高禽蛋表面裂纹检测的准确性,以鸡蛋表面裂纹检测为研究对象,结合机器视觉设计一种表面裂纹检测方法。给出鸡蛋表面图像采集系统结构。重点论述裂纹图像分析方法,采用负LOG算子实现裂纹图像增强;利用双阈值分割算法实现裂纹区域识别;在消除鸡蛋边缘后,采用Fisher算法完成裂纹识别。试验结果表明,所述方法对裂纹的识别准确率达98.5%,具有较高检测精度;所述表面图像处理算法可有效避免噪声等干扰影响,处理效果较好,可满足检测要求;该方法可适用于绝大多数禽蛋表面裂纹检测。

基于MPI的精确非参数检验之Fisher网络算法的并行算法研究

非参数检验是样本为非正态分布或未知分布情况下进行的假设检验,适应性强,稳定性好,在医学、工程、金融等各种统计场合都有广泛应用.精确非参数检验提高了计算的精度,但是直接计算精确很费时间.文中针对精确非参数检验主要使用的Fisher网络算法,基于MPI提出并行算法并予以实现.实验结果表明并行效率良好,能够大大加快计算的速度.

基于杂交式基因选择的核Fisher分类算法

为提高核Fisher算法(KFDA)的分类性能,对KFDA算法增加了基因选择步骤.提出了新型的杂交式基因选择算法并用于KFDA分类研究,所提出的方法用于3个基因芯片的数据分类,得到较好的分类效果.

基于核函数的Fisher判别分析算法在人耳识别中的应用

针对人耳图像自身的特点,并通过对现有生物识别技术的研究,本文尝试采用了一种基于核函数的Fisher判别分析算法对人耳进行识别。该算法不仅可以有效地提取人耳特征,获得较高的识别率;而且还可以解决因为光照和人耳旋转角度等因素带来的非线性问题。实验表明:采用基于径向基核函数的Fisher判别分析算法对人耳图像进行识别,其识别率最高,为98.701%。

基于Fisher Score特征选择的电力系统暂态稳定评估方法

针对不同电气输入特征与电力系统暂态稳定关联程度不同以及当输入特征受到干扰时评估准确率明显下降的问题,提出一种基于Fisher Score特征选择的电力系统暂态稳定评估方法。设计一种面向电力系统暂态稳定评估二分类问题的样本特征Fisher Score值计算方案;通过Fisher Score值排序有效区分重要特征与冗余特征、噪声特征与非噪声特征;将选择的电气特征输入不同机器学习模型中进行训练和评估。新英格兰39节点系统和IEEE 145节点系统的仿真结果表明,所提特征选择方案能有效筛选电力系统暂态稳定评估中重要度高的特征,提升了评估模型的预测性能。

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Fisher判别算法的山洪灾害临界雨量指标计算

根据临界雨量指标的概念,将模式识别算法引入临界雨量计算中,提出了基于Fisher判别算法的临界雨量计算方法。首先确定特征时段,基于长系列山洪灾情记录将降雨数据分成成灾和非成灾两类,并分别统计特征时段雨量、计算其前期有效降雨,构建山洪灾害各特征时段雨量与前期有效降雨状态空间;建立基于Fisher判别算法的不同特征时段雨量~前期有效降雨临界雨量判定模型,识别山洪灾害发生不同特征时段雨量与前期有效降雨之间的关系,并计算临界雨量。以石场村、松柏村两个小流域为例,计算其临界雨量指标,并采用2011-2015年的50场降雨为验证数据系列,将计算的雨量预警指标与实际灾情对应的雨量记录进行对比验证。结果表明:该方法计算的临界雨量准确率在80%以上,可为山洪灾害预警指标的应用提供参考依据。

语音识别中广义模型及其算法收敛性分析

语音识别中，动态时间规整和隐马尔可夫划最有效的两种识别算法，并且ＤＴＷ和ＨＭＭ在本质上是一致的。根据ＤＴＷ和ＨＭＭ的本质联系和各自所对应的声学模型，在前期工作中建立了一种广义声学模型，并指出ＤＴＷ和ＨＭＭ只是ＧＭ的特例，且ＤＴＷ和ＨＭＭ都可以转化为ＧＭ。

费歇算法在彩色图像分割中的应用

费歇算法是一种优良的线性判决方法,适用于很多分类场合。本文简要介绍了费歇算法的原理,结合实例说明了利用费歇算法分割彩色图像的方法和步骤。分割结果表明,费歇算法能有效地对彩色图像进行分割,取得比较好的效果。

显著对象的非监督粗糙认知算法

提出了一种显著对象非监督粗糙认知算法.算法首先定义了一种粒计算模型,然后按双概念拓扑划分论域,依据尺度过滤掉过小拓扑等价类;用拓扑连通强度、拓扑分布密度等计算出拓扑等价类的拓扑显著度;借改进Fisher线性判别算法找到最大跃变点,裁掉拓扑显著度过小的拓扑等价类,得到候选区;以维扫梯度等捕捉拓扑等价类间的渐变模式,完成局部粗糙分割,得到候选对象,更新候选对象的拓扑显著度;再次调用Fisher线性判别算法裁减,如果还剩多个对象,用位权选择最终显著对象.最后,以实验分步验证了算法的执行过程,并与同类3种算法的提取结果作了比较分析,证实了新算法有着较优的语义逼近能力和快捷的速度.

基于有序聚类法的大中修路段划分技术研究

利用有序样本的聚类划分方法,将待修路段的检测数据看作是一个有序检测样本,应用Fisher算法中损失度函数的概念,将路面评价指标按照一定的权重综合加权计算损失度函数,以损失度函数达到极小值为目标进行大中修路段长度划分.列举实例说明该算法的计算步骤,进一步证实该方法的可操作性.