Fisher判别分析

摘要： 目的:采用Fisher判别函数鉴别诊断模型评价超声弹性成像对乳腺结节的诊断价值。方法:回顾性分析145例患者(共199枚)乳腺结节的超声图像特点,以术后病理结果为金标准分良、恶性两组,对两组间存在统计学差异的特征参数进行Fisher判别分析。结果:共纳入10个具有统计学差异的参数,包括:乳腺结节血流分级,结节形态、方位、内部回声、后方回声特征、钙化、结节边缘、YmM(肿块杨氏模量值), YmT(脂肪组织杨氏模量)及YmM/YmT比值。回代性检验评价建立的判别函数鉴别诊断模型对乳腺结节诊断的特异性、敏感性及诊断准确率分别为97.89%、87.72%及94.97%;刀切法评价诊断符合率为91.3%。结论:应用Fisher判别分析法建立的诊断模型有助于克服主观影响,为乳腺结节良恶性鉴别提供一定参考价值,具有较好的临床应用前景。

摘要： 为建立一种对塑料拖鞋快速准确且无损检材的光谱分析方法,对31个不同来源的塑料拖鞋样品进行了X射线荧光光谱检测,并根据特征元素将样品分成了10组,同一组样本还可通过钙铁元素的含量比进一步认定,效果较好。采用典则(Fisher)判别分析法,通过构建判别函数y_(1)~y_(8),实现了对X射线荧光光谱数据的预测,同时检验了8个判别函数的判别能力,建立了判别分布图,为该类物证的检验提供帮助。

摘要： 为建立一种快速准确的检验牛皮纸的光谱分析方法,利用X-MET8000型X射线荧光光谱仪,对50个不同种类、不同厂家、不同用途的牛皮纸样本进行检验分析。通过IBM SPSS Statistics 26.0软件对测定结果进行系统聚类,可以将50种样本分为8类;然后使用K-Means聚类,对分类的结果进行检验,证明样本分为8类是合理的。根据聚类结果,使用Fisher判别分析法,建立判别函数,实现对新数据类别变量取值的预测,此方法为公安机关在犯罪现场检验此类物证提供依据。

摘要： 通过测定采自5个主产区冬枣的18个品质指标,基于多重比较、相关性分析、主成分分析、聚类分析和Fisher判别分析对不同产地冬枣品质进行评价并筛选特征指标。继而根据不同地域冬枣的特征指标,探讨其对冬枣产地溯源的可行性。结果表明:主成分分析综合得分结果表明新疆和田和山东沾化是冬枣的优势产区;结合聚类分析将18项品质指标简化为可溶性固形物、钾、锰、单果质量、硬度、乙醇、色泽和含水量8项具有代表性的特征指标;Fisher判别分析显示8个特征指标可作为5个冬枣主产区产地溯源的品质指标,且对冬枣产地整体正确判别率为100.0%,交叉检验正确判别率为97.2%。本研究为不同产地冬枣品质评价和核心品质指标的确定提供了依据,在冬枣的产地溯源中具有重要意义。

摘要： 四川郫县豆瓣酱是我国著名的地理标志产品,溯源与鉴别检测技术对保证其产地和品质真实性具有重要意义。为构建郫县豆瓣酱产地辨析模型,以不同产地豆瓣酱为研究对象,初步探讨了挥发性物质指纹分析对郫县豆瓣酱产地溯源的可行性。采用顶空固相微萃取结合气相色谱-质谱联用仪在105份不同产地来源的豆瓣酱样品中检测出87种挥发性物质,应用化学计量学工具对数据进行筛选和分析,成功构建基于挥发性物质的产地鉴别模型。采用正交-偏最小二乘法判别分析确定45种变量权重系数大于1的物质,再通过Fisher判别分析进一步确定15种挥发性物质为豆瓣酱的有效溯源指标,Fisher判别模型的整体正确判别率为95.9%,对验证集样本均实现正确的分类。GC-MS技术结合化学计量学方法不仅能准确鉴定豆瓣酱的关键香气组分,而且可应用于豆瓣酱的产地区分。

摘要： 为建立一种快速无损检验区分塑料拖鞋鞋底的方法,利用显微共聚焦激光拉曼光谱仪采集了43个不同来源的塑料拖鞋鞋底样本的拉曼光谱图。拉曼数据经主成分分析降维后提取特征矩阵,对得到的特征矩阵进行系统聚类,建立Fisher判别函数对系统聚类的结果进行评价。最终构建径向基函数神经网络(RBFNN)实现对样本的鉴别分类,并绘制接受者操作特征曲线用以评估诊断价值。结果表明:拉曼数据提取出的特征矩阵经系统聚类被分为4组,Fisher判别分析经交叉验证后准确率为97.7%,径向基函数神经网络的准确率为100%。该方法实现了对样本快速无损的分类及预测,模型结构准确,可以为公安实际办案提供一种新思路。

摘要： 目的构建一种药瓶的分类及预测模型。方法利用差分拉曼光谱和X射线荧光光谱对54个不同品牌和产地的塑料药瓶进行分析检验。结果得到了54个样品的差分拉曼谱图及Cl、Ca、Ti、Fe、Zn等元素的含量。利用主成分分析对差分拉曼光谱数据进行降维,再利用系统聚类将降维后的数据分为8类,并以此为依据建立判别分析模型,最终判别模型经交叉验证可知准确率达到90.7%,多层感知器的分类准确率为100%,分类效果较好。结论差分拉曼光谱可以根据谱图中的特征峰推断样品的分子结构,并且可以根据峰位对样品进行分类,并建立分析模型,X射线荧光光谱可以通过各元素的种类和含量的不同对样品进行区分,实现组内的细化。差分拉曼光谱和X射线荧光光谱可以分别从有机和无机的角度对药瓶进行分类,在分析上可以优势互补,可为公安机关实际办案探索出一种新的光谱联用角度和方法。

摘要： 目的探讨基于常规实验室检查建立的Logistic回归和Fisher线性判别分析模型在冠状动脉粥样硬化性心脏病鉴别诊断中的临床应用价值。方法选取昆明医科大学第一附属医院2018年3月至2019年2月以胸闷、胸痛为主诉就诊的178例患者为研究对象,根据冠状动脉造影结果分为冠心病组和非冠心病组,回顾性分析患者的常规实验室指标,建立诊断冠心病的Logistic回归和Fisher判别分析模型,并验证模型诊断和预测的准确率,进一步评价其在临床应用中的实际意义。结果建立的Logistic回归方程为:Logit(P)=-24.641+0.105×年龄+1.520×糖尿病+0.286×BMI+1.209×LDL-C+0.614×PDW+4.131×(Mono/HDL-C);建立的Fisher分类判别分析函数为:1(冠心病)=-69.314+0.629×年龄+2.378×BMI+1.985×PDW+5.123×LDL-C+0.304×Ln(TG)+1.972×Ln(HDL-C),2(非冠心病)=-52.184+0.527×年龄+2.164×BMI+1.660×PDW+4.104×LDL-C-0.149×Ln(TG)+3.818×Ln(HDL-C)。Logistic回归模型对冠心病和非冠心病的诊断准确率分别为93.0%和84.0%,预测准确率分别为91.4%和70.0%;回顾法、留一法交叉验证及外部数据验证法检验Fisher判别函数的判别正确率分别为82.0%、81.5%和81.3%。结论Logistic回归和Fisher线性判别分析模型在冠心病鉴别诊断中均具有较好的鉴别和预测价值。

摘要： 目的建立基于判别分析的甲状腺乳头状癌(papillary thyroid carcinoma,PTC)多模态超声诊断模型,为临床诊断提供重要依据。方法选取2018年9月至2020年3月于本院住院行甲状腺结节切除术的患者79例,结节共85个,依据术后病理结果分为PTC组41个和非PTC组44个。所有患者均行常规超声、实时剪切波弹性成像(shear wave elastography,SWE)及超声造影(contrast-enhanced ultrasound,CEUS)检查。记录如下数据:结节的结构、回声、纵横比、边缘、结节内局灶强回声以及血流分布;甲状腺结节弹性最大值(maximum elasticity,E_(max))、弹性最小值(minimum elasticity,Emin)、弹性均值(mean elasticity,Emean)、弹性标准差(standard deviation of elasticity,E_(sd))以及甲状腺结节与周围正常组织的弹性比值(elasticity ratio of thyroid nodules to surrounding tissue,E_(radio));造影增强程度、增强特点、造影剂分布、与周边甲状腺实质增强及消退时间的比较、结节的达峰浓度(peak concentration,Peak)、达峰时间(time to peak,TP)、时间-强度曲线下面积(area under time-strength curve,AUCt)以及平均渡越时间(mean transit time,MTT)。比较PTC组与非PTC组超声指标的差异;采用Fisher逐步判别分析法建立基于多模态超声的PTC诊断模型,并进行验证,应用受试者工作特征(receiver operating characteristic,ROC)曲线对其诊断效能进行评价。结果PTC组与非PTC组在结节结构、回声、纵横比、边缘、结节内局灶强回声、E_(max)、Emin、Emean、E_(sd)、Eratio、增强程度、增强特点、造影剂分布、与周边甲状腺组织增强和消退时间比较、Peak以及AUCt方面比较,差异均具有统计学意义(均P<0.05)。采用Fisher判别分析法建立的诊断模型为:PTC=-24.856+7.360X_(2)+6.348X_(4)+1.502X_(10)+2.771X_(12)+9.486X_(13)+0.001X_(17),非PTC=-17.143+5.007X_(2)+4.538X_(4)+0.819X_(10)+3.792X_(12)+6.551X_(13)+0.002X_(17),其中X_(2)、X_(4)、X_(10)、X_(12)、X_(13)和X_(17)分别代表结节回声、边缘、Eratio、增强特点、造影剂分布和AUCt。对模型进行自身验证及交叉验证,正确率分别为88.2%和84.7%。ROC曲线分析显示,诊断模型的曲线下面积为0.907,敏感度及特异度分别为92.7%和88.6%。结论采用Fisher逐步判别分析法建立的PTC多模态超声诊断模型可以为临床早期诊断及干预提供客观影像学依据,有较高的应用价值。

摘要： 为实时评价城市空气质量等级,以长三角城市群41个城市为研究对象,基于样本城市空气质量影响指标,首先利用模糊C均值聚类算法对城市空气质量等级进行划分,再通过Fisher判别分析法基于训练样本进行回判,由获得的混淆矩阵来衡量聚类分析的可靠性,同时可以利用构建好的判别函数来快速判别非样本城市的城市空气质量等级.仿真结果表明将模糊C均值聚类和Fisher判别分析用于城市空气质量等级评价可信度较高,其误判率仅为2.4%,应用该综合模型可以为城市空气质量的防控治理提供参考.

摘要： Fisher判别分析是一种在油气预测中广泛应用的多元统计方法.Fisher判别分析是指样本在分类情况明确的情况下,根据某些研究对象的特征值,通过数学运算进而判断它们的所属类别.本文目的是说明Fisher判别分析在油气预测方面中的应用,根据已知的测井参数,来判断已知点或者未知点的类别,最终根据判别结果去分析该方法在油气预测中的效果.利用Fisher判别分析对“郭深1”井的测井数据进行了判别,结果较好,并且对于结果进行了详细的分析.

摘要： Fisher判别分析是一种在油气预测中广泛应用的多元统计方法.Fisher判别分析是指样本在分类情况明确的情况下,根据某些研究对象的特征值,通过数学运算进而判断它们的所属类别.本文目的是说明Fisher判别分析在油气预测方面中的应用,根据已知的测井参数,来判断已知点或者未知点的类别,最终根据判别结果去分析该方法在油气预测中的效果.利用Fisher判别分析对“郭深1”井的测井数据进行了判别,结果较好,并且对于结果进行了详细的分析.

摘要： Fisher判别分析是一种在油气预测中广泛应用的多元统计方法.Fisher判别分析是指样本在分类情况明确的情况下,根据某些研究对象的特征值,通过数学运算进而判断它们的所属类别.本文目的是说明Fisher判别分析在油气预测方面中的应用,根据已知的测井参数,来判断已知点或者未知点的类别,最终根据判别结果去分析该方法在油气预测中的效果.利用Fisher判别分析对“郭深1”井的测井数据进行了判别,结果较好,并且对于结果进行了详细的分析.

摘要： Fisher判别分析是一种在油气预测中广泛应用的多元统计方法.Fisher判别分析是指样本在分类情况明确的情况下,根据某些研究对象的特征值,通过数学运算进而判断它们的所属类别.本文目的是说明Fisher判别分析在油气预测方面中的应用,根据已知的测井参数,来判断已知点或者未知点的类别,最终根据判别结果去分析该方法在油气预测中的效果.利用Fisher判别分析对“郭深1”井的测井数据进行了判别,结果较好,并且对于结果进行了详细的分析.

摘要： 不同包装对乳制品质量产生的影响已逐步被人们所关注。为考察这种影响，选用13只气敏传感器、1只温度和1只湿度传感器构成传感器阵列，对百利包、利乐枕和利乐包等三种包装方式的纯牛奶进行了测试。运用平均微分值法提取特征信息，并借助于Fisher 判别分析(FDA)和BP 神经网络对三种包装方式的纯牛奶进行识别。结果表明：三种包装方式的纯牛奶都能够被明显鉴别区分，这说明不同的包装方式对牛奶的存放质量有显著影响。

摘要： 不同包装对乳制品质量产生的影响已逐步被人们所关注。为考察这种影响，选用13只气敏传感器、1只温度和1只湿度传感器构成传感器阵列，对百利包、利乐枕和利乐包等三种包装方式的纯牛奶进行了测试。运用平均微分值法提取特征信息，并借助于Fisher 判别分析(FDA)和BP 神经网络对三种包装方式的纯牛奶进行识别。结果表明：三种包装方式的纯牛奶都能够被明显鉴别区分，这说明不同的包装方式对牛奶的存放质量有显著影响。

摘要： 不同包装对乳制品质量产生的影响已逐步被人们所关注。为考察这种影响，选用13只气敏传感器、1只温度和1只湿度传感器构成传感器阵列，对百利包、利乐枕和利乐包等三种包装方式的纯牛奶进行了测试。运用平均微分值法提取特征信息，并借助于Fisher 判别分析(FDA)和BP 神经网络对三种包装方式的纯牛奶进行识别。结果表明：三种包装方式的纯牛奶都能够被明显鉴别区分，这说明不同的包装方式对牛奶的存放质量有显著影响。

摘要： 不同包装对乳制品质量产生的影响已逐步被人们所关注。为考察这种影响，选用13只气敏传感器、1只温度和1只湿度传感器构成传感器阵列，对百利包、利乐枕和利乐包等三种包装方式的纯牛奶进行了测试。运用平均微分值法提取特征信息，并借助于Fisher 判别分析(FDA)和BP 神经网络对三种包装方式的纯牛奶进行识别。结果表明：三种包装方式的纯牛奶都能够被明显鉴别区分，这说明不同的包装方式对牛奶的存放质量有显著影响。

摘要： 不同包装对乳制品质量产生的影响已逐步被人们所关注。为考察这种影响，选用13只气敏传感器、1只温度和1只湿度传感器构成传感器阵列，对百利包、利乐枕和利乐包等三种包装方式的纯牛奶进行了测试。运用平均微分值法提取特征信息，并借助于Fisher 判别分析(FDA)和BP 神经网络对三种包装方式的纯牛奶进行识别。结果表明：三种包装方式的纯牛奶都能够被明显鉴别区分，这说明不同的包装方式对牛奶的存放质量有显著影响。

摘要： 谨慎性原则一方面能够避免虚计资产和浮夸利润，对提高企业抵抗风险能力具有积极意义；另一方面，在运用时不可避免地会带有主观臆断，其至为报表粉饰留下了空间。如何定量地判断上市公司谨慎性使用的是否合理，便成为亟待解决的课题。本文通过对机械制造业上市公司的谨慎性指标建立Fisher判别方程，来衡量其谨慎性指标构建的有效性。

摘要： 本发明公开了一种基于稀疏张量的人体行为识别方法，该方法包括以下步骤：获取人体行为剪影序列构建样本，每个样本用三阶张量表示；使用稀疏张量局部Fisher判别分析训练出稀疏投影矩阵组；用求得的稀疏投影矩阵组把训练样本和待测样本投影到张量子空间；计算出待测样本和训练样本之间的相似度，构造基于张量距离的最近邻分类器对低维空间的待测样本进行识别。本发明的张量局部Fisher判别分析算法把求特征值、特征向量的问题转化为一系列的线性回归问题，不但满足了张量局部Fisher判别分析的目标，而且保证了得到的投影矩阵的稀疏性。

摘要： 本发明提供一种基于小波核局部Fisher判别分析的高光谱影像分类方法，涉及高光谱图像技术领域。该方法首先读入高光谱数据作为样本数据，并对样本数据集进行归一化；采用小波核函数将数据从低维原始空间映射到高维特征空间；利用局部Fisher判别分析方法对样本数据进行特征提取；将降维后的数据集划分为训练数据和测试数据，将训练数据输入SVM分类器获得最优参数值；将测试数据输入分类器得到分类结果；对分类结果进行分析和精度评价。本发明提供的基于小波核局部Fisher判别分析的高光谱影像分类方法，获得了很好的分类效果，可应用于农业监测、环境管理、灾害评估、矿物填图等领域。

摘要： 本发明公开一种基于矩阵变量Fisher判别分析的ClassMVRBM模型进行图像分类的方法，采用矩阵变量的Fisher准则即类内最小、类间最大准则，并整合到ClassMVRBM模型进行联合训练；首先定义了面向矩阵变量的Fisher准则，通过引入矩阵变量之间的距离度量，定义了矩阵变量的类内散度和类间散度；然后引入该矩阵变量Fisher判别准则到矩阵变量受限玻尔兹曼机分类模型(记为ClassMVRBM‑MVFDA)的目标函数；最后通过联合训练进行模型求解。本发明方法能够使同类图像的特征之间的距离小，而不同类图像的特征之间距离大，进而利于图像分类。

摘要： 本发明公开了一种基于多核Fisher判别分析的电子鼻信号特征选择优化方法，首先获得样本特征矩阵，初始化参数并根据参数构建基本核函数，然后基于基本核矩阵计算出复合核矩阵，计算出复合核矩阵在高位特征空间的投影，之后将投影送入分类器进行模式识别，确定出识别率最高的核函数，最后基于该核函数计算新样本矩阵在特征空间中的投影并将其作为电子鼻信号作为分类器的输入进行模式识别。其显著效果是：克服了单一核函数方法实现高维投影以后数据区分度不佳的问题，解决了传感器之间的冗余，优化了传感器阵列和减少了数据维数，提高了电子鼻信号的识别率，从而为医生选择适当的治疗方法提供有益指导。

摘要： 本发明公开了一种基于稀疏张量的人体行为识别方法，该方法包括以下步骤：获取人体行为剪影序列构建样本，每个样本用三阶张量表示；使用稀疏张量局部Fisher判别分析训练出稀疏投影矩阵组；用求得的稀疏投影矩阵组把训练样本和待测样本投影到张量子空间；计算出待测样本和训练样本之间的相似度，构造基于张量距离的最近邻分类器对低维空间的待测样本进行识别。本发明的张量局部Fisher判别分析算法把求特征值、特征向量的问题转化为一系列的线性回归问题，不但满足了张量局部Fisher判别分析的目标，而且保证了得到的投影矩阵的稀疏性。

摘要： 本发明公开一种基于矩阵变量Fisher判别分析的ClassMVRBM模型进行图像分类的方法，采用矩阵变量的Fisher准则即类内最小、类间最大准则，并整合到ClassMVRBM模型进行联合训练；首先定义了面向矩阵变量的Fisher准则，通过引入矩阵变量之间的距离度量，定义了矩阵变量的类内散度和类间散度；然后引入该矩阵变量Fisher判别准则到矩阵变量受限玻尔兹曼机分类模型(记为ClassMVRBM‑MVFDA)的目标函数；最后通过联合训练进行模型求解。本发明方法能够使同类图像的特征之间的距离小，而不同类图像的特征之间距离大，进而利于图像分类。

摘要： 本发明公开了一种基于不平衡局部Fisher判别分析的尿沉渣检测方法。首先，对输入尿沉渣有形成分图像提取聚合通道特征。其次，对每个通道使用Haar‑like模板进行通道滤波提取中间层特征。接着，对单个通道的特征进行分组，随机选择若干组的特征进行线性加权组合成一个新的候选特征。然后，考虑到样本分布的不平衡性，提出一种不平衡局部Fisher判别分析方法来进行加权系数的学习。最后，将所有通道的候选特征串联起来形成最后的特征向量，结合基于决策树的Adaboost分类器进行训练，针对不同的尿沉渣有形成分训练不同的检测器。本发明考虑了尿沉渣有形图像的局部信息融合和样本分布的不平衡性，有效的降低了噪声的影响，准确率高，计算速度快，具有十分重要的实用价值。

摘要： 本发明提供一种基于小波核局部Fisher判别分析的高光谱影像分类方法，涉及高光谱图像技术领域。该方法首先读入高光谱数据作为样本数据，并对样本数据集进行归一化；采用小波核函数将数据从低维原始空间映射到高维特征空间；利用局部Fisher判别分析方法对样本数据进行特征提取；将降维后的数据集划分为训练数据和测试数据，将训练数据输入SVM分类器获得最优参数值；将测试数据输入分类器得到分类结果；对分类结果进行分析和精度评价。本发明提供的基于小波核局部Fisher判别分析的高光谱影像分类方法，获得了很好的分类效果，可应用于农业监测、环境管理、灾害评估、矿物填图等领域。

摘要： 本发明实施例公开基于Fisher判别分析的泥页岩岩相划分方法，根据矿物成分、沉积结构和有机质含量进行泥岩岩相划分，获得泥岩岩相划分类型结果，建立泥岩岩相的测井识别模式图，根据测井识别模式图选取反映岩石岩性的测井曲线种类，通过SPSS软件进行Fisher判别分析，根据岩心录井资料确定泥岩岩相类型并选取反映岩相特点的测井曲线建立岩相判别分类方程，根据未知岩相的测井曲线获取岩相判别分类方程的函数值，根据函数值判别未知岩相所属的泥岩岩相划分类型。本技术方案对于缺少岩心、录井、衍射分析等资料的井段，可以以测井资料为基础，利用岩相判别方程对泥岩岩相进行细分，从而提高划分精度，有利于石油的勘探。

摘要： 本发明公开一种基于两分类Fisher判别分析的故障诊断方法，旨在通过变量选择提高Fisher判别分析模型用于故障诊断的可适用性与分类正确率。该发明方法首先利用遗传算法选择出每种故障类型最能区别于正常数据的特征变量集，然后利用特征变量建立正常数据与每类故障数据之间的两分类的Fisher判别分析模型。最后，利用多个两分类的Fisher判别模型实施故障分类诊断。本发明方法由于采用遗传算法优化选择特征变量集，能最大化地消去非特征变量的干扰影响，还能起到降维的作用，这在一定程度上降低了参考故障样本数量有限对建模的限制性。另外，本发明方法由于采用两分类判别模型，每个模型对某一特定故障类型就具有针对性，从而可以提高模型分类正确率。