线性判别分析

摘要： 为快速鉴别中药材产地,基于中红外光谱数据,采用导数光谱法(一阶导数光谱法、二阶导数光谱法)、标准正态变量变换和多元散色校正等预处理方法并依据标准差法提取特征波段。利用线性判别分析、支持向量机、集成学习三种有监督分类模型与处理后的数据进行交叉组合鉴别。结果显示,二阶导数预处理方法与集成学习模型为最优组合,其训练集准确率达99.4%,检验集准确率达100%。该方法能准确地鉴别中药材产地,且速度快、成本低,为中药材的有效鉴别提供了借鉴。

摘要： 甘肃马衔山和田玉具有重要的宝玉石价值和考古文化价值,其中产地区分为甘肃马衔山和田玉的研究重点。通过测试分析马衔山和田玉的化学成分,对比其与国内主要产地和田玉的化学成分差异,建立微量元素产地判别模型,对甘肃马衔山和田玉的产地鉴别进行探究,为甘肃齐家文化中古玉器溯源提供数据支撑。以电子探针分析甘肃马衔山和田玉的主量元素,结果表明其主要成分为透闪石。采用激光剥蚀电感耦合等离子体质谱仪分析其微量元素和稀土元素,对比新疆、青海、辽宁、江苏、贵州、甘肃马衔山和田玉微量元素蛛网图、稀土元素参数和稀土元素配分图,结果表明不同产地和田玉存在差异,可进行产地区分;三维散点图δCe-ΣREE-LREE/HREE投图可将青海、辽宁、江苏、贵州和田玉进行产地区分,但不能区分新疆和甘肃马衔山和田玉;运用SPSS软件对新疆、青海、辽宁、江苏、贵州、甘肃马衔山和田玉的微量元素建立产地线性判别模型,对于已知六个产地:新疆、青海、辽宁、江苏、贵州、甘肃马衔山的数据,判别分析正确率可达100.0%,交叉验证正确率为90.3%,预留10组马衔山和田玉数据,回代验证正确率为100%。微量元素产地线性判别模型在和田玉产地判别中获得很好的效果。

摘要： 为实现不同年份的浓香型白酒基酒的快速区分和识别,该研究以5个不同年份浓香型白酒基酒为研究对象,利用电子舌对样品进行判别分析,并采用主成分分析(PCA)、线性判别分析(LDA)对白酒的年份进行分类,将得到的模型分别通过簇状独立软模式法(SMICA)、判别因子分析(DFA)对白酒的年份进行识别和验证。研究表明,SMICA分析的结果能够准确的识别导入的样品数据是否是模型以内和模型之外的年份基酒,而DFA分析可以准确的对导入的白酒样品的年份进行识别,确定其白酒样品的年份。综上所述,利用电子舌结合化学计量学,可以快速、准确、稳定的对白酒基酒年份进行分类和识别,可为白酒掺假问题提供理论支撑,并促进白酒产业和白酒分析技术的快速发展。

摘要： 红外光谱分析是基于分子振动与跃迁理论的鉴别物质化学组成的技术。得到的光谱数据常常具有较高的维数和重叠度,这给后续的数据处理带来困难。为此提出一种GK可能C均值聚类算法(GKIPCM),引入了GK聚类算法的马氏距离测度与改进的可能C均值聚类算法(IPCM)的模糊隶属度与聚类中心更新方程,使样本的距离测度具有自适应性且避免了聚类中心的一致性。GKIPCM算法具有分类精度更高,分类准确率对参数敏感性低的优点。将四组洗净白菜作为光谱分析对象,分别施加三种农药(高效氯氟氰菊酯)配比,采用安捷伦Cary630FTIR光谱仪采集白菜的傅里叶中红外光谱(FT-MIR)。首先对样本进行预处理,使用多元散射矫正(MSC)对光谱数据降噪,消除数据偏移量;其次,由于采集到的数据波数范围为4300~590cm^(-1),数据维数达到了971维,故使用主成分分析(PCA)对数据实现降维,降维后的数据维度减小到了23,且23个主成分的累积贡献率高达99.60%;但各类光谱的特征信息依然混杂在一起,故使用线性判别分析(LDA)提取特征鉴别信息,进一步将数据降至3维;最终,运行模糊C-均值聚类算法(FCM)得到较优初始聚类中心,使用GKIPCM算法对四类降维后的光谱数据进行聚类分析,并与GK聚类算法与IPCM聚类算法的运行结果作对比。GKIPCM算法的总迭代时长为0.2188s,分类准确率达到了97.22%。相较之下,GK算法与IPCM算法的准确率分别为63.89%和91.67%,运行的总时长为0.0938与0.0625s。从实验结果可看出,GKIPCM算法可以通过分析光谱数据从而完成对不同程度农药残留进行定性分析的任务。

摘要： 蚕茧产地溯源是丝绸原产地溯源的基础。本研究为了探究蚕茧产地溯源最适方法,以不同产地的蚕茧为研究对象,利用不同产区蚕茧的^(13)C、^(15)N、^(18)O和^(2)H同位素组成,通过单因素方差分析、多重比较分析、Fisher线性判别分析留一法交叉验证,最后建立蚕茧产地溯源模型。单因素方差分析结果表明,不同产地蚕茧的δ^(13)C、δ^(15)N、δ^(18)O和δ^(2)H均存在差异,大部分达到显著水平;多种指标耦合效果优于单一同位素指标,且判别分析结果表明,随着耦合指标的增加,产地初始判别率和交叉判别率逐渐提高;利用δ^(13)C、δ^(18)O、δ^(15)N和δ^(2)H 4个指标建立的溯源模型的初始判别率为84.5%,交叉判别率为77.6%。本研究结果为蚕茧产地鉴别提供了一定的理论依据,为后续丝绸原产地溯源提供了溯源基础。

摘要： 分别以青稞、紫小麦和纯小麦为原料,相同条件下加工而成的酱香大曲为样品,采用Illumina平台对微生物群落结构和多样性进行分析,并基于多元统计分析揭示了组间分离情况及标记微生物。结果表明:在门水平上,3种大曲样品中均以子囊菌门、厚壁菌门和放线菌门为绝对优势门。在细菌属中,小麦曲(XMQ)以克罗彭斯特菌属、枝芽孢菌属、乳杆菌属和魏斯氏菌属为主;紫麦曲(ZMQ)以克罗彭斯特菌属、枝芽孢菌属、uncultured_bacterium_f_Bacillaceae、芽孢杆菌属和火山渣芽孢杆菌属为主;青稞曲(QKQ)以乳杆菌属、魏斯氏菌属和高温放线菌属为主。在真菌属中,样品均以热子囊菌属和德巴利氏酵母属为优势属;同时,XMQ以丝衣霉属、红曲霉属、哈萨克斯坦酵母属和孢圆酵母属为主;ZMQ以红曲霉属、曲霉属和Rasamsonia为主;QKQ以哈萨克斯坦酵母属、孢圆酵母属和嗜热真菌属为主。此外,主成分分析、聚类分析和正交偏最小二乘判别分析等多元分析表明组间分离明显,线性判别分析在优势属中共获得了10种差异显著细菌属和9种差异显著真菌属,从而得到了不同原料条件下在微生物属水平上的菌群关键生物标记物。本研究为酱香大曲品质提升奠定了理论基础。

摘要： 为了提高视觉引导AGV多分支路径识别的实时性和鲁棒性,论文提出基于PCA-LDA的特征提取算法与ADABOOST的分类算法。首先对采集到的图像进行预处理,再利用PCA对处理后的图像降维,并利用LDA进行初分类得到识别特征,最后利用ADABOOST分类器进行多路径的识别。实验结果表明,在满足实时性条件下,路径识别的准确率可达到99%以上。

摘要： 通过分析中宁不同产区枸杞中矿物元素含量差异,结合多元统计分析,筛选有效的溯源指标,构建枸杞原产地鉴别的判别模型。该研究采集了宁夏中宁县舟塔、鸣沙洲、红梧山、红柳沟和清水河5个小产区的111份枸杞样品,利用电感耦合等离子体质谱仪测定了43种矿物元素含量,结合方差分析、主成分分析和Fisher判别分析、正交-偏最小二乘法判别分析方法建立了枸杞产地判别模型。结果表明,枸杞样品43种矿物元素中有28种矿物元素含量在不同地域间存在显著差异。经过主成分分析,从43种矿物元素可提取出10个主成分33种矿物元素,代表了总指标76.583%的信息。通过Fisher判别分析确定了Cd、Ce、Co、Cu、Gd、Hg、Mg、Se、Zn、P等10种矿物元素为枸杞的有效溯源指标,2种判别模型的整体正确判别率分别为82.0%和91.89%,基本实现了小尺度区域内枸杞的产地判别。研究证明矿物元素产地溯源技术可用于枸杞的原产地判别。

摘要： 现有的异常用电检测方法存在未考虑电力用户的位置信息、模型参数选取困难的问题。据此,提出了一种基于线性判别分析(LDA)和密度峰值(DPeaks)聚类的双判据无监督异常用电检测模型。该模型遵循“特征构造—维度规约—聚类—异常检测”的流程,借助聚类算法将用电模式类别不同的用户进行分类后再检测。在维度规约模块,使用线性判别分析将用户的台区号输入检测模型,提升了模型的检出率和精确率;在异常检测模块,设置双判据检测标准,减小了模型对参数摄动的敏感程度。采用该模型检测爱尔兰智能电表数据,结果表明用户位置信息的引入可以提高异常检测模型的准确度。

摘要： 使用超快速气相色谱电子鼻检测市售的香醋、米醋、陈醋3类共25个品牌发酵食醋,通过保留指数和外标法对3类食醋的挥发性化合物进行定性和定量分析,结合气味活性值构建食醋风味轮,比较不同种类食醋挥发性香气差异与化合物含量间关系,并以线性判别分析和随机森林法研究食醋的挥发性化合物差异,进而实现对食醋的区分。从3类食醋中共检测出44种挥发性化合物,主要包括醇类、酯类、醛类、酮类、酸类、烷烃类和杂环类。酸类在食醋中含量最高,其次为醇类和醛类,而烷烃类含量最低。食醋样品的气味活性值和气味雷达图说明乙酸、3-甲基丁醛、苯乙醛、5-甲基糠醛、愈创木酚等对香气贡献较大。香醋的酸味、水果香和坚果可可香高于米醋和陈醋。但陈醋的花香高于其他两类。线性判别分析表明,不同品牌和不同种类的食醋均存在明显差异;随机森林通过机器学习对食醋样品的训练和测试,准确度最终达到100%,对不同种类的食醋区分显著,并筛选出3-甲基丁醇、愈创木酚、苯甲醛、丙酮可作为食醋种类鉴别的重要化合物。

摘要： 随着信息技术的快速发展，获取大数据量、高维数、非结构化的数据也变得越来越容易，为避免发生维数灾难，必须对数据进行维数约简。针对已有降维算法对非平坦,表面不光滑的高维数据进行维数约简时表现出的缺点,本文在分析线性判别分析(LDA)和局部线性嵌入(LLE)算法步骤的基础上,根据谱分析突出的判别能力和聚类函数求解邻域点的优化能力,推导出一种基于谱聚类的非线性降维算法SC-LLE.在两种不同的测试数据集上进行仿真实验,对SC-LLE算法和其它降维算法的降维效果进行比较,仿真结果表明SC-LLE算法对结构非平坦、表面非光滑的高维数据降维的有效性.

摘要： 该研究以椴树、槐花、葵花、苕子、油菜、枣花6种蜜源蜂蜜样品为研究对象,利用中红外光谱技术进行光谱扫描,结合线性判别分析(Linear discrimination analysis,LDA)建立蜂蜜品种鉴别模型.结果表明,在经过光谱预处理及主成分分析后,用LDA方法建立的蜂蜜品种鉴别模型,对训练集和测试集样品的预测识别准确率分别为97.26％和95.83％.全部代表性样品作为训练集建立的模型对完全未参与建模的槐花蜜、油菜蜜样品预测正确判别率分别为70.09％和100％.表明该方法在快速、准确鉴别蜂蜜蜜源具有可行性、实用性.

摘要： 提出了基于核诱导距离度量的鲁棒判别分析算法(KI-RDA).KI-RDA不仅自然地推广了线性判别分析(LDA),而且推广了最近提出的强有力的基于非参数最大熵的鲁棒判别分析(MaxEnt-RDA).通过采用鲁棒径向基核,KI-RDA不仅能有效处理含噪数据,而且也适合处理非高斯分布的非线性数据,其本质的鲁棒性归咎于KI-RDA通过核诱导的非欧距离代替LDA的欧氏距离来刻画类间散度和类内散度.借助这些散度,为特征提取定义类似LDA的判别准则,导致了相应的非线性优化问题.进一步借助近似策略,将优化问题转化为直接可解的广义特征值问题,由此获得降维变换(矩阵)的闭合解.最后在多类数据集上进行实验,验证了KI-RDA的有效性.由于核的多样性,使KI-RDA事实上成为了一个一般性判别分析框架.

摘要： 在建立复杂生产过程软测量模型时，使用单一的支持向量机模型或基于传统聚类方法的组合支持向量机模型有时难以很好地跟踪突变信号或取得满意的泛化效果。为解决这个问题提出了一种改进的线性判别分析算法。该算法结合类边界分析得到类别的特征向量，利用该特征向量将数据变换后分别建立支持向量机子模型，并用各组特征向量中有效特征值之和构建各子模型的组合参数。仿真实验表明该组合模型能降低相邻类别间的信息干扰，提高模型的估计精度。

摘要： 基于视频的车辆品牌和型号识别是智能交通系统领域比较活跃的课题，但是由于视角变化等原因的影响使得车辆品牌和型号识别的难度加大。本文提出了一种非固定视角车辆品牌和型号的识别方法。使用车头图像的Gabor小波系数作为初始特征，在一定程度上消除了所拍摄车辆视角变化对识别效果的影响；采用局部线性嵌入和线性判别分析联合算法(ULLELDA)进行特征提取；基于集成学习的思想，将车辆图像划分为若干子区域，训练得到集成分类器。实验表明，针对具有一定视角变化的数据，本文算法有较高的识别率。

摘要： 脑-机接口系统利用脑电信号来直接控制外部设备，例如计算机和电子设备，是一种全新的人机交互方式。脑-机接口系统可以作为一个脑电信号的模式识别系统,核心问题是对不同意识任务下脑电的分类。脑-机接口系统的分类方法主要有Fisher线性判别分析、人工神经网络和支持向量机。脑-机接口系统的评价标准主要有分类正确率、信息传输率和互信息。本文详细的介绍了脑-机接口的基本原理、分类方法和评价标准，对脑-机接口技术的发展和应用提供一定的指导。

摘要： 模糊C-均值聚类(FCM)算法是数据预处理中常用的一种方法，但用这种方法进行数据聚类，各类别边界信息间往往存在干扰，模型的精度不能得到很好的改善。本文采用一种改进的线性判别分析(LDA)方法，用于扩大样本类别间的距离，使聚类更为精确。将FCM算法与改进的LDA算法结合提取样本特征，然后通过多模型融入到SVM算法中。通过对双酚A软测量建模的仿真研究表明，该方法具有较好的效果。

摘要： 针对化工连续生产过程的时序性及非线性等特征,文章提出了一种基于KISOMAP-LDA-KNN的非线性故障辨识方法.首先采用核等距映射(KISOMAP)算法在保持训练数据内在几何结构下进行非线性降维,然后使用线性判别(LDA)算法保持数据的最佳分类效果下进行降维,完成过程的特征提取,最后用K近邻(KNN)算法进行模式分类.将上述方法应用到TE过程,仿真结果验证了该故障诊断方法有较高的辨识能力.

摘要： 针对化工连续生产过程的时序性及非线性等特征,文章提出了一种基于KISOMAP-LDA-KNN的非线性故障辨识方法.首先采用核等距映射(KISOMAP)算法在保持训练数据内在几何结构下进行非线性降维,然后使用线性判别(LDA)算法保持数据的最佳分类效果下进行降维,完成过程的特征提取,最后用K近邻(KNN)算法进行模式分类.将上述方法应用到TE过程,仿真结果验证了该故障诊断方法有较高的辨识能力.

摘要： 针对化工连续生产过程的时序性及非线性等特征,文章提出了一种基于KISOMAP-LDA-KNN的非线性故障辨识方法.首先采用核等距映射(KISOMAP)算法在保持训练数据内在几何结构下进行非线性降维,然后使用线性判别(LDA)算法保持数据的最佳分类效果下进行降维,完成过程的特征提取,最后用K近邻(KNN)算法进行模式分类.将上述方法应用到TE过程,仿真结果验证了该故障诊断方法有较高的辨识能力.

摘要： 本发明公开了一种具有双线性低秩子空间的线性判别分析方法。包括以下步骤：针对矩阵数据样本集，保留原本矩阵的形式作为输入数据，构建基于矩阵的判别分析模型，采用基于矩阵的最小二乘方法构建损失函数，引入核范数正则项对映射矩阵集进行低秩约束，采用乘法器的交替方向算法(ADMM)框架对损失函数进行求解，以探求矩阵样本集的双线性低秩子空间，从而对矩阵样本集进行降维。本发明所述的具有双线性低秩子空间的线性判别分析方法比其他方法在矩阵样本集降维效果上有明显提升，评价指标综合表现很好。

摘要： 一种基于集成的局部线性嵌入与线性判别分析结合(En-ULLELDA)的多视角车型识别方法，首先选取车辆ROI，其次通过Gabor小波变换提取可以反映车型的高阶信息作为特征，然后通过一种新颖的流形学习算法En-ULLELDA对特征进行降维，将其变换到一个低维子空间。识别时对测试样本特征通过分类器得到对应的车型类别。实验结果表明本发明可以有效的处理城市道路中的多视角车型识别问题，并且由于采用了集成技术消除参数变化对识别结果的影响，使得本方法鲁棒性较强。

摘要： 本发明公开了一种具有双线性低秩子空间的线性判别分析方法。包括以下步骤：针对矩阵数据样本集，保留原本矩阵的形式作为输入数据，构建基于矩阵的判别分析模型，采用基于矩阵的最小二乘方法构建损失函数，引入核范数正则项对映射矩阵集进行低秩约束，采用乘法器的交替方向算法(ADMM)框架对损失函数进行求解，以探求矩阵样本集的双线性低秩子空间，从而对矩阵样本集进行降维。本发明所述的具有双线性低秩子空间的线性判别分析方法比其他方法在矩阵样本集降维效果上有明显提升，评价指标综合表现很好。

摘要： 本发明公开了基于主成分分析和线性判别分析的流量特征提取方法，利用主成分分析方法删除高维训练集的冗余特征和不相关特征，然后叠加线性判别分析算法进行降维，将原始流量数据集转换到新的特征空间中。在解决主成分分析缺乏类别信息和线性判别分析计算成本高、类内离散度矩阵常常不可逆等缺陷的同时将它们的优势结合。使所提取出的特征模型能够使得后续分类过程达到更好的效果。在经典的Moore数据集上的实验结果验证本发明能够使分类器在更短的时间内得出更精确的分类结果。

摘要： 本发明公开了一种基于线性判别分析的轴承特征数据分析方法，通过基于线性判别分析将原始数据往最容易实现分类的方向上投影实现降维，通过轴承样本数据类内散列矩阵和类间散列矩阵共同确定投影方向，保证了投影方向的正确性。同时通过对轴承故障数据进行线性判别降维处理，在剔除大量误差信息的同时，确保能保留有效故障特征信息，同时降维方向为数据更易进行故障分类的投影方向，故能有效提高后期BP神经网络故障诊断的准确率。

摘要： 本发明涉及一种结合独立分量分析和线性判别分析的癌症预测方法，具体包括以下步骤：(1)用过滤技术预处理基因微阵列数据；(2)将预处理后的基因微阵列数据用独立分量分析技术进行变换，得到独立分量集；(3)应用线性判别分析技术处理独立分量集，将基因微阵列数据投影到具有最佳可分性的低维空间；(4)利用投影后的基因微阵列数据训练最近邻分类器，生成分类器模型。本发明在过滤处理后的基因微阵列数据上，利用独立分量分析挖掘基因微阵列数据的隐含信息，利用线性判别分析将基因微阵列数据投影到具有最佳可分性的低维空间，提高了癌症预测的精度，降低了癌症预测的时间。

摘要： 本发明属于数据处理技术领域，公开了一种基于局部比值和线性判别分析的数据降维方法及装置，根据高维样本数据初始化当前近邻矩阵和当前投影矩阵，然后根据当前投影矩阵更新当前近邻矩阵获得优化近邻矩阵，再根据优化近邻矩阵训练当前投影矩阵获得目标投影矩阵，最后利用目标投影矩阵更新优化近邻矩阵得到目标近邻矩阵，若预先构建的局部比值和模型收敛，确定该目标投影矩阵为最优解，利用该最优解进行数据降维；本发明通过引入近邻权值，能够考虑样本数据的局部结构，更好的适应真实世界数据集，同时利用投影矩阵与近邻矩阵两者之间交替互相训练优化，可以减少近邻矩阵受到高维数据的噪声影响，进一步优化降维效果。

摘要： 本发明公开了一种模糊线性判别分析的牛奶产地溯源方法，包括步骤：(1)牛奶近红外光谱数据采集；(2)利用最小二乘平滑滤波算法对光谱数据进行预处理；(3)利用主成分分析对牛奶近红外光谱数据进行降维；(4)采用一种模糊线性判别分析方法实现对牛奶近红外光谱数据中鉴别信息的提取；(5)利用K近邻分类器对光谱数据进行分类。本发明解决了传统的特征提取方法在面对数据集中的有较多重叠数据时分类效果不理想的问题，能够有效地提取出光谱数据中所包含的鉴别信息。本发明具有便捷，检测速度快，分类精度高等优点。

摘要： 本发明公开了一种基于改进线性判别分析的绝缘纸老化状态识别方法，包括以下步骤：(1)收集不同老化程度的绝缘纸样本，使用近红外光谱仪检测样本的近红外光谱数据，得到不同老化程度绝缘纸近红外光谱数据矩阵X；(2)依据样本的聚合度值将其分为不同的老化种类，各类样本的光谱数据分别为X

摘要： 一种自适应图约束多视图线性判别分析方法、系统及存储介质，方法包括：获取多视图的公共低维表征和各个视图的投影矩阵；利用公共低维表征自适应的学习一个能够反应数据内在分布的图来约束学习过程；利用线性判别的方法学习最佳投影矩阵；通过最佳投影矩阵对测试集多视图数据进行特征提取，将特征提取的结果输入到KNN分类系统中完成分类任务。本发明将多视图典型相关分析和线性判别分析相结合并进行了统一的表达，多视图学习的特征提取方法也比单视图特征提取方法更加适用于分类任务，线性判别分析利用了未知标签数据的标签信息，同时考虑到图形诱导的公共源知识，最小化了期望的规范变量之间的距离，实现对多视图数据特征的融合提取和降维。