沉积环境与多元统计综合分析法

本文首先根据地震资料提取了十二种地震参数，然后通过对ＬＨ油田ＴＺ地区沙三上段下部地层进行沉积环境分析，确定了可能存在的沉积相类型，并用有序样品聚类的方法对过井和井旁地震测线按沉积相个数进行分割，由此而建立了该区各类沉积相的判别函数。通过这些判别函数，用逐步判别分析的方法，对该区其它地震测线的参数进行判别分类，最后搞清了研究区目的层的沉积相展布。通过分析和计算证明，这一方法对有地震资料的盆地或地区进行沉积相的划分，是行之有效的     

正交偏最小二乘判别法对青蒿素拉曼光谱的研究

为了鉴别不同纯度的青蒿素样品,本文运用正交偏最小二乘法判别分析方法（OPLS-DA）研究了不同纯度青蒿素样品的拉曼光谱。研究表明,对青蒿素拉曼光谱进行OPLS-DA建模分析可以鉴别不同纯度的样品,从而用于青蒿素样品的质量评估。另外,青蒿素拉曼光谱OPLS-DA建模分析表明,青蒿素拉曼光谱中与生物活性官能团相关的724 cm^-1处的特征振动模式与青蒿素的纯度紧密相关:在不同纯度青蒿素样品中,该特征振动模式与其他振动模式的相对强度比具有统计学差异（单向方差分析,F=7.39,P<0.01）。     

基于DSP的人体手势动作实时识别系统

针对人体表面肌电信号(SEMG)的非平稳性、小波包变换系数维数过高和识别率低的问题,设计了基于DSP处理器TMS320VC5502硬件平台的便携式人体手势动作实时识别系统,并提出了一种小波包主元分析(WPPCA)和线性判别分析(LDA)相结合的表面肌电信号动作特征识别新方法。实验结果表明,该方法能够将小波包系数矩阵由16维降到4维,并且对前臂的握拳、展拳、手腕内翻和手腕外翻4种动作模式的平均正确识别率达99.5%,与传统的小波包变换相比有较高的识别率。     

纹理豪斯多夫距离在人脸识别算法中的应用

很多经典的人脸识别方法难以适应姿势变化及人脸错位的情形。为了解决这一问题,提出一种基于纹理豪斯多夫距离(THD)的人脸识别算法。将人脸图像的空间量及纹理特征相结合,使其在深入的头部转动和人脸错位中都有很高的容错度。在FERET及Yale两大人脸数据库的实验表明,与其他经典的方法相比较,所提出的方法取得了更好的识别效果。     

多流形判别分析在人脸识别中的研究

局部保持投影LPP(Locality Preserving Projection)是一种有效的非线性降维方法,能够使投影降维后的数据与原输入空间中的相似局部结构保持一致,但是该方法没有充分利用类间样本点的权重等重要信息。为了解决这个问题,提出基于Fisher准则的多流形判别分析FMMDA(Fisher Multi-Manifold Discriminant Analysis)方法。结合Fisher准则训练样本类内拉普拉斯图和样本均值类间拉普拉斯图,既保持了原样本的相似局部结构,又充分地利用了不同类别之间的权重。在ORL及Yale人脸库上验证了该方法的有效性。与其他几种最先进的方法相比,FMMDA方法取得了更好的识别效果。     

基于自适应判别局部块对齐的人脸识别

针对有监督学习下的人脸识别问题,提出自适应判别局部块对齐SALDA(Self adaptive Local Discriminative Alignment)算法用于提取人脸特征。SALDA算法利用各样本点所具有的独特的局部近邻点分布,通过同类近邻点自动构造各样本点的局部邻域;基于已构造的局部邻域,SALDA提出一个自适应局部判别分析模型,所得到的局部判别信息通过全局排列转化为统一的全局特征表示。SALDA算法具有自适应构造局部邻域和自适应局部判别分析两个特点。通过在人脸数据库上的仿真实验,证明了所提出的SALDA算法在人脸识别上的有效性。     

基于线性判别分析的寄生虫卵识别

寄生虫病是危害人类及动物健康的疾病之一。为了实现对寄生虫卵的自动识别,辅助临床检测,提出基于线性判别分析的寄生虫卵识别方法。采用结合形态学滤波和Otsu的方法分割得到寄生虫卵及其轮廓,提取形状特征和纹理特征作为特征向量集,并利用线性判别分析实现对寄生虫卵自动识别。实验结果表明,该方法对6种寄生虫卵的识别正确率达到90.70%。     

基于拉普拉斯方向的差值线性判别分析

标准的LDA方法通常有3个问题:1)为了确保类内散度矩阵的非奇异性,必须首先通过PCA进行维数约简,这限制了对更多维数空间的使用;2)当每人只有单个训练样本时,类内散度矩阵必然奇异,此时LDA无法工作;3)缺乏对像素间的局部相关性的考虑。为了解决这些问题,提出一种基于拉普拉斯方向的差值线性判别分析方法。该方法通过拉普拉斯方向实现更鲁棒的图像相异性测度,通过引入差值散度矩阵来避免类内散度矩阵的奇异性。实验结果显示,该算法对表情变化、光照改变及不同遮挡情况获得了更高的识别率,尤其针对光照变化,效果更加显著。