摘要：考虑样本为图像矩阵的图像鉴别分析问题,将Foley-Sammon鉴别分析问题转化为一类带约束条件的两目标优化问题,给出了有效投影向量的概念.利用多目标优化的必要条件,得到有效投影向量应满足的条件,它为广义特征方程的最大特征值所对应的特征向量,从而得到了求有效投影向量集的方法,其中类内散布矩阵不必是非奇异的.实验结果表明:该方法节省了特征抽取的时间,并且识别性能要优于其他方法.

摘要：提出多视角SAR图像联合决策的目标识别方法。多视角SAR图像对于描述目标具有互补性,因此可以为目标识别提供更丰富的鉴别信息。考虑到参与融合的部分视角可能对最终决策融合的贡献较弱。本文在多视角SAR图像的决策融合中引入鉴别分析。对于单个视角的SAR图像,首先基于支持向量机分类器进行分类,根据输出的决策值定义当前视角的可靠度。然后,采用门限判决的方式选取可靠性较强的视角,并基于贝叶斯决策融合对选取视角的分类结果进行联合决策从而判定目标类别。基于MSTAR数据集进行目标识别实验验证提出方法的有效性。

摘要：针对多视图相关性算法未有效利用视图中相关信息且忽视了潜在的鉴别信息的问题,提出基于同一视图内和不同视图间的双重鉴别相关性分析（DVDCA）算法。首先,设计有监督的类内和类间相关性变量,通过最大化类内相关性变量、最小化类间相关性变量来提取视图中的鉴别特征;其次,考虑在同一视图内和不同视图间均考虑进行鉴别相关特征提取,设计约束形式的双重视图鉴别相关性特征提取模型,以利用丰富的视图信息。在Multi-PIE多角度人脸数据集数据集上与多视图线性鉴别分析、典型相关性分析（CCA）、多视图鉴别隐性空间（MDLS）、不相关多视图鉴别字典学习（UMDDL）四种算法对比实验,DVDCA分类识别率能够提高1.45-4.73个百分点;在MFD多特征手写体数据集上分类识别率能够提高1.25-5.29个百分点。

摘要：《普通高中历史课程标准(2017年版2020年修订)》明确指出,历史学科核心素养包括唯物史观、时空观念、史料实证、历史解释及家国情怀,其中史料实证素养是其他四种素养能够实现的必要途径,对高中生的健康成长、终身发展有着不可忽视的积极意义。将史料实证素养落实于历史课堂,在探究过程中逐渐形成史料实证的意识,是中学历史教学所必要的。如何正确理解“史料实证”在高中历史教学中的作用,并在实际教学中深入落实,引导学生获得历史知识,培养历史学科核心素养,是高中历史教师应持续思考和解决的问题。基于此,笔者从“鉴别分析,评估证据”“多元印证,重现历史”“设计问题,启发思维”三方面进行了以下思考。

摘要：该文提出了一种基于小波特征的非线性鉴别特征抽取方法,即在进行非线性映射之前,首先利用小波变换对原始输入图像进行预处理,获取低频平滑、水平细节和垂直细节等3个子图的小波特征,然后在频域上,对它们分别进行核Fisher鉴别分析。对最终获得的3组鉴别特征设计了一种特征融合的方法。在ORL标准人脸库上的试验结果表明所提方法不仅在识别性能上优于现有的核Fisher鉴别分析方法,而且,在ORL人脸库上的特征抽取速度提高了近13倍。

摘要：水、空气、食品、灰尘和排泄物中广泛存在食源性病原菌,由此引发的感染性疾病严重危害人类健康。因此,开发病原菌的快速检测方法尤为必要。由于实际样品中的病原菌往往共生存在,所以多元病原菌的同步灵敏检测是微生物检测领域的重点与难点。分子生物学和免疫组化分析技术都在此领域进行过一些尝试,但由于引物设计与抗体的局限性,这两种技术在实际应用中的效果并不十分理想。表面增强拉曼光谱(SERS)技术由于具有快速、无损、高分辨率、不受水分干扰、可原位检测等显著优势,在多元病原菌同步检测领域获得了重要应用。从应用原理、特点和效果等方面出发,系统阐述了SERS技术在多元病原菌同时检测中的应用策略。首先对SERS基底材料与病原菌的结合方式进行简要概述,再以检测策略为主线,从直接法和间接法两种策略出发进行介绍。直接法通过基底材料的信号放大作用直接获得病原菌本身的光谱信息,步骤简便,操作快捷,在多元病原菌判别分析、定量分析与即时检测(POCT)中被广泛应用。但由于光谱信息量大,往往需要与多元统计分析方法、成像技术和微流控器件等联用。间接法一般需要借助拉曼信号分子和适配体、抗体等识别元件,将对病原菌的检测转换为对信号分子的分析,极大提高了检测方法的灵敏度与特异性,可在基因、蛋白、细胞等水平实现对多元病原菌的同步分析。且与其他识别元件及功能分子的联用能构建得到集细菌的分离、识别与灭活于一体的综合检测体系,在临床血液等实际样本的分析中具有重要前景。最后,总结并指出SERS技术的现有问题及下一步努力方向,为SERS技术在多元病原菌的快速、灵敏检测策略设计及具体应用方面提供参考。

摘要：为实现建三江大米的真假快速鉴别,应用近红外光谱仪测定来自建三江及非建三江地区的150份大米样品,对原始光谱进行预处理后,采用因子化法进行鉴别分析,最大合格性索引法进行合格性检测分析,偏最小二乘法(partial least squares,PLS)法进行定量分析。结果表明,3种模式识别方法对建三江地区的大米正确判别率均在90.00%以上。因此,应用近红外光谱技术在建三江大米真假鉴别研究中具有可行性。