基于小波特征的星系光谱分类

提出了一种新的星系光谱分类方法.首先,对原始光谱进行四级小波分解,选择主要包含谱线信息的第四级小波系数作为光谱的小波特征;然后,利用主分量分析对光谱的小波特征进行特征压缩,得到光谱的识别特征;最后,利用Fisher线性判别分析实现分类.该方法能够在红移值未知的情况下,对流量未定标的星系光谱进行识别.通过实验与其他几种分类方法进行了比较.实验结果表明,本文方法具有较强的鲁棒性,在流量未定标情况下的识别效果优于其他几种分类方法.     

基于二维非参数特征分析的SAR图像目标识别

在分析传统Fisher线性鉴别分析局限性的基础上,由图像的行信息和列信息提出了两种形式的二维非参数特征分析(2DNFA)的特征提取方法,并应用于SAR图像目标的识别。直接在SAR图像矩阵上使用非参数特征分析提取特征不仅能充分发挥非参数特征分析的性能而且保留了图像矩阵的结构信息,大大降低了散度矩阵的维数,减小了运算量。使用美国MSTAR计划录取的数据对算法进行了仿真验证,实验结果显示两种形式的二维非参数特征分析在较低特征维数下的识别率均可以达到98%以上,表明所提方法的有效性和正确性。     

一种基于图的线性判别分析方法

线性判别分析(LDA)作为全局性降维的方法,在处理局部性边缘点的问题上存在不足,可能会导致边缘点的误分。针对该问题,提出一种新的降维方法,该方法基于图学习的思想,重新构造图,使得同类之间向中心靠拢的同时,不同类的K个近邻点远离该类中心。这样,高维数据在嵌入低维的过程中保持了样本的局部边缘点的特性,从而保证了边缘点的正确分类。通过在UCI数据集和人脸数据库中实验,结果表明本方法的有效性。     

基于二维Fisher线性鉴别分析和粒子群优化的红外图像分割

二维Fisher线性鉴别分析的图像分割算法,考虑了图像中目标和背景之间类间方差和类内方差在类别分离中的作用,有效地克服经典Otsu阈值法当图像中目标的面积很小(直方图上表现为峰的大小相差很大或者没有明显双峰)时产生的阈值"漂移"现象,是一种有效的图像分割方法.针对二维Fisher线性鉴别分析计算量大的特点,采用粒子群算法来搜索最优二维阈值向量.每个粒子代表一个可行的二维阈值,通过粒子群之间的协作来获得最优阈值向量.实验结果表明,所提出的方法不仅能准确地分割图像,而且计算量大大减少,达到了快速分割的目的,便于实时应用.     

基于图像抽样重组的2维核鉴别分析

2维核鉴别分析(2DKDA)存在离散度量矩阵过大而无法计算的问题。该文通过将图像抽样重组与2DKDA的结合,提出了3种基于图像抽样重组的2DKDA(SR2DKDA),它们不仅克服了2DKDA在计算上的困难,识别性能也优于2维线性鉴别分析(2DLDA)。在ORL人脸库和UMIST人脸库的实验验证了SR2DKDA的有效性。     

基于块双向Fisher线性判别分析人脸识别

为解决二维Fisher线性判别(2DFLD)分析需要较多系数用以表示图像的特征阵、只考虑了图像的列间相关性从而忽略行间相关性以及作为全局特征提取方法可能会失去一些重要的局部特征等问题,提出一种基于块双向二维Fisher线性判别分析(B2DFLD)算法。首先利用块图像获取保持重要局部信息;然后基于行列双向投影,获取提取特征信息;最后计算特征阵的Frobenius距离,并进行分类。在ORL、YALE与FERET人脸数据库上进行了实验,并同传统的8种人脸识别方法比较。实验结果表明,在确定图像块大小、改变训练样本数以及特征维数的前提下,本文方法的最好识别率都高于93.08,平均误识率高于0.15,明显优于其他方法,表明本文方法对有光照、表情以及遮挡的人脸图像识别具有较高的鲁棒性。     

近邻边界Fisher判别分析

将数据集进行合理的维数约简对于一些机器学习算法效率的提高起着至关重要的影响。该文提出了一种利用数据点邻域信息的线性监督降维算法：近邻边界Fisher判别分析(Neighborhood Margin Fisher Discriminant Analysis,NMFDA)。NMFDA尝试将每一数据点邻域内最远的同类数据点和最近的异类数据点之间的边界在投影子空间内尽可能地扩大,从而提高基于距离的识别算法的准确率。同时为了解决非线性降维问题,提出了Kernel NMFDA,通过在几个标准人脸数据库上与其它降维算法的对比识别实验,验证了提出算法的有效性。     

核Fisher鉴别分析在掌纹识别中的应用

核Fisher的鉴别方法(KFDA)是模式识别中较为突出的提取图像非线性特征的方法。为了更好的提取掌纹图像的非线性特征,将KFDA方法引入到掌纹识别中。首先对掌纹图像做小波变换进行降维,在保留原始图像轮廓信息和特征的基础上,然后进行核Fisher判决方法进行特征提取并引入零空间的核Fisher(ZKFDA)方法解决小样本问题,最后用最小距离分类器进行掌纹匹配。通过PolyU掌纹图像库,实验结果表明,在不同的特征个数下,KFDA方法比二维Fisher准则(2DFLD)方法识别率高;零空间ZKFDA的平均识别率高于KFDA,并且计算量大大减少。在核函数选取上,取RBF核函数的识别性能最佳。     

主成分分析联合Fisher判别在紫外-可见光谱法水质检测中的应用

水质类型的判别是实现光谱法水质参数准确检测的重要前提。针对直接光谱法水质检测系统采集的光谱数据信息冗余较大的问题, 利用主成分分析消除信息指标间的相关性,实现光谱数据的降维和特征信息提取。采集某化工厂和某溪水水样的紫外-可见光谱数据, 利用主成分分析联合Fisher判别的方法建立判别模型,以12组水样光谱数据作为训练样本,6组作为测试样本,对模型的判别能力进行论证和检验,并与传统的Fisher判别模型进行对比实验。实验结果表明,利用主成分分析联合Fisher判别模型可以有效消除信息冗余带来的影响,相比传统的Fisher判别模型具有分类精度高、回代误判率为零、计算时间短等优点,计算时间由传统Fisher判别方法的0.6733 s减少到0.6012 s。该方法为直接光谱法水质类型判别工程实用化提供了一种高效手段。     

基于核主元分析和Fisher线性判别的掌纹识别

提出了基于核主元分析(KPCA)和FLD相结合的掌纹识别方法.对每幅掌纹图像应用KPCA进行降维,然后将二维图像矩阵转换成一维图像矢量.PolyU掌纹图像库中所有图像矢量组成的数据矩阵作为FLD的输入,进行特征提取,计算特征矢量间的余弦距离进行掌纹匹配.实验结果说明,与传统的PCA+FLD相比,在不同的特征个数下,本文方法均取得了较小的等错率(EER),而且特征提取时间较短,运行速度较快.在三种不同的核函数中,RBF核函数的识别效果最佳,等错率最小为0.     

Linear discriminant analysis in network traffic modelling

It is difficult to give an accurate judgement of whether the traffic model fit the actual traffic. The traditional method is to compare the Hurst parameter, data histogram and autocorrelation function. The method of comparing Hurst parameter cannot give exact results and judgement. The method of comparing data histogram and autocorrelation only gives a qualitative judgement. Based on linear discriminant analysis we proposed a novel arithmetic. Utilizing this arithmetic we analysed some sets of data with large and little differences. We also analysed some sets of data generated by network simulator. The analysis result is accurate. Comparing with traditional method, this arithmetic is useful and can conveniently give an accurate judgement for complex network traffic trace. Copyright © 2005 John Wiley & Sons, Ltd.     

网络通信量模型的线性鉴别分析

判断网络通信量模型与真实数据拟合度的常用方法是Hurst参数比较法、数据直方图比较法和自相关函数比较法。其中Hurst参数法计算结果不准确,不能给出正确判断,而后两者只能主观给出一个定性判断。基于线性鉴别分析原理,给出了一个拟合度判断算法。用该算法分析了不同差别程度的模型仿真数据和大量NS仿真数据,应用效果显著,与常用方法相比,能定量、准确地判断网络通信量模型的拟合度。     

基于网格法分集和主动学习的高光谱图像分类方法

针对高光谱图像分类过程中分类精度低和样本数量较少的问题,文中提出了一种基于网格法分集和主动学习的图像分类方法。该方法利用网格法将主成分空间划分成若干网格,在每个含有样本的网格中随机挑选一个样本,并将其原始光谱数据归入训练集;随后,采用主动学习方法,在其余样本中用K-近邻法选择不确定性最大的若干样本并入训练集,从而扩充了训练集,并使数据集具有代表性,提升了分类精度。同时,在数据处理过程中,联合运用主成分分析和线性判别分析对光谱数据进行降维,进一步提高了运算速度。实验结果表明,在Indian Pines高光谱数据集中,在少量训练集样本的情况下,该方法相较于随机分集和非主动学习,分别将总体分类精度提升了12.24%和19.76%。     

高速网络环境下的P2P流媒体业务分析和识别方法

The growing P2P streaming traffic brings a variety of problems and challenges to ISP networks and service providers.A P2P streaming traffic classification method based on sampling technology is presented in this paper.By analyzing traffic statistical features and network behavior of P2P streaming,a group of flow characteristics were found,which can make P2P streaming more recognizable among other applications.Attributes from Netflow and those proposed by us are compared in terms of classification accuracy,a...     

SCTP数据传输模式在SG中应用研究

信令流控制传送协议(SCTP)是根据RFC 2960(2000)建议制定的。SCTP协议主要用于在IP网中传送PSTN的信令消息。基于SCTP数据传输模式的基本功能,首先对比分析SCTP与TCP的特点和适用范围,对No.7信令与IP网互通的信令网关(SG)设备进行介绍,详细论述了在M2PA方式下SCTP的应用,并展望SCTP的发展前景。     

彩色图像人脸特征点定位算法研究

本文提出了一种基于复合局部信息模型的改进Active Shape Model(ASM)算法,并进一步提出了基于人脸特征点Gabor小波特征降维分类的特征点搜索方法,对改进ASM的结果进行精确校正,达到鲁棒精确定位特征点的目的.本文首先对经过Adaboost检测的彩色图像人脸区域进行光照补偿,然后根据眼睛和唇色的色度特性定位双眼和嘴唇中心位置,从而得到较好的人脸特征点的初始位置.在特征点位置搜索中,本文结合肤色概率信息对ASM方法进行了改进,从而提高了仅基于灰度梯度信息的传统ASM方法的鲁棒性和准确性.最后选取改进ASM搜索后的某些特征点一定领域内梯度值较高的点,提取其Gabor小波特征,通过线性判别式分析法(Linear Discriminant Analysis)和最近邻分类法对其进行分类,搜寻最符合训练样本Gabor特征的点作为最佳位置点,修正了ASM的搜索结果,使得搜寻结果更加精确.     

高功率CO2激光器高反膜红外耦合窗热形变的半解析方法的研究

为了有效地解决高功率CO2 激光器高反膜红外耦合窗吸收谐振腔内激光能量产生热效应问题 ,通过对红外耦合窗镀膜参数和工作特性分析 ,建立了红外耦合窗热模型。基于热传导方程和边界条件 ,利用半解析热分析方法得出当CO2 激光器具有理想的TEMoo模式输出时红外耦合窗的温度场和热形变的计算表达式 ,同时对影响红外耦合窗温度场分布的各种因素进行了讨论。研究结果与以往将谐振腔内振荡激光做均匀光强处理作了对比 ,不仅热模型更符合激光器系统 ,而且计算出温度场分布也更加准确。研究方法和结论还可以应用到其它具有轴对称性激光束模式产生的温度场、热形变分析工作中