摘要：边坡工程的稳定性分析是岩土工程领域的一个研究热点。边坡的稳定性评价直接关系到工程建设的资金投入、人民的生命财产安全以及相应防治措施的采取。针对边坡稳定性影响因素复杂、传统的稳定性分析方法计算工作量巨大、计算过程复杂的问题,提出了一种新的解决方法——fisher判别分析法。利用实际边坡工程的相关数据资料作为训练样本,建立相应的评价边坡稳定性的线性fisher判别函数。使用SPSS软件进行fisher线性判别模型的建立与分析,并且采用回判估计方法对判别结果进行验证,结果表明fisher判别分析法是一种比较有效的评价边坡稳定性的手段,在边坡工程中具有较好的应用前景。

摘要：虫害检测算法研究是开展虫害快速、准确监测,制定精准森防检疫措施的重要基础。以毛竹叶片为研究尺度,基于刚竹毒蛾危害下的寄主外部形态与内部生理现象总结,选择并实测叶损量LL、相对叶绿素含量RCC、相对含水量RWC、原始光谱的733.66～898.56 nm值(ρ_(733.66～898.56))、一阶微分光谱的562.95～585.25 nm值(ρ′_(562.95～585.25))与706.18～725.41 nm值(ρ′_(706.18～725.41))等理化参数,随机划分实验组(63组)和验证组(37组)并设计5次重复实验;分别运用fisher判别分析、 BP神经网络、随机森林等三种方法建立刚竹毒蛾危害等级的检测模型,从检测精度、 Kappa系数及R^2等指标对模型的检测效果予以分析和比较。结果显示, fisher判别分析、 BP神经网络、随机森林的检测精度分别为69.19%, 65.41%, 83.78%, Kappa系数分别为0.576 9, 0.532 4和0.778 8,R^2分别为0.722 2, 0.582 6和0.870 9,总体而言,三种方法均具备刚竹毒蛾危害的检测能力,随机森林的检测效果最优, fisher判别分析次之,再次为BP神经网络;从分等级来看,随机森林的检测精度亦优于fisher判别分析与BP神经网络,但3种方法对中度危害等级的检测精度均有所不足。该成果可为刚竹毒蛾危害及其他病虫害检测算法的选择提供参考,并为进一步建立冠层、遥感影像像元等尺度的虫害检测模型奠定基础。

摘要：为了克服多变量统计过程控制在故障分离上的缺陷,提出了一种新的故障分离方法。新方法由基于fisher判别分析(FDA)的特征提取、fisher线性分类和基于支持向量数据描述(SVDD)的非线性核空间模式分类等算法组成。构造了基于FDA-SVDD的串级和混联融合方式,并设计了基于SVDD的加权归一化半径模式判别准则。非等温连续搅拌槽(CSTR)过程仿真验证了混联融合比单纯的FDA分类算法和串级融合具有更优良的故障分离效果。

摘要：根据分子中不同类型原子间电相互作用的不同,文中提出了一种手性分子电矩边矢量(Vmedc),进一步拓展分子电矩边性矢量(Vmed)使用范围.为检测该手性描述矢量的结构表达特性和模型预测能力,分别对32个培哚普利拉类血管紧张素转化酶(ACE)抑制剂的对映结构体和7对苯基哌啶类σ-受体抑制剂进行考察.32个ACE抑制剂多元逐步回归系数R=0.913(R2=0.834,SD=0.768,F=33.875),留一法交互检验为Rcv=0.877(Rcv2=0.769,SDcv=0.906,Fcv=22.473),具有较强预测能力;继而用BP神经网络,对60组随机样本(23:9)进行留分法分析取得较好结果,训练集平均为:RTraining=0.931(RTraining2=0.967),预测集为:Rcv=0.918(Rcv2=0.842);而对14个σ-受体抑制剂多元回归(R=0.955,Rcv2=0.849)获得与文献一致结果.再用fisher线性判别方法和BP神经网络对ACE抑制剂进行判别分析,其活性分类88.89%正确(仅9号错误),非活性分类100.0%正确,总分类正确率为96.87%.两个数据集测试证明该方法与其它文献方法相当,这为定量构效关系(QSAR)研究提供一种新选择,扩充了Vmed描述矢量应用范围。

摘要：基于运动想象脑电节律活动的脑-机接口是脑-机接口系统研究中的重要范式之一。本研究给出一种基于运动速度想象的新的研究范式,探索在该研究范式下对运动速度想象具有反应性的脑电节律活动,并进行单次识别。采集了4个健康志愿者想象左手食指快速运动(4 Hz)和慢速运动(1 Hz)时的脑电信号,速度由节拍器定节奏和训练。通过能量谱分析,在C3、Cz和C4通道发现了对运动速度想象具有反应性的频带:9 Hz至13 Hz。提取通道C3、Cz和C4上9 Hz至13 Hz频带能量构建特征空间,分别利用fisher判别分析和多层感知器神经网络进行运动速度想象的单次识别,对于左手食指快速运动和慢速运动想象,fisher判别分析和多层感知器神经网络取得的平均误分类率分别是27.7±1.2%,28.4±4.6%,正确识别率均在70%以上。结果表明,尽管运动速度想象的单次识别是一个困难的挑战,但通过精心设计研究范式,适当训练被试,能够诱发出对速度起反应的特征频带,基于脑电单次识别运动速度想象是可行的,该研究可望能够为脑-机接口提供额外的新的速度控制参数。

摘要：目的采用逐步判别分析法建立华支睾吸虫病判别函数,探讨其在华支睾吸虫病筛查中应用的可行性。方法在黑龙江省哈尔滨市木兰县采取整群随机抽样法,抽取10个沿江村屯常住人口作为调查对象,采用改良加藤厚涂片法检测受检者粪便中的华支睾吸虫虫卵。设计华支睾吸虫病调查表,用EpiData 3.1软件建立数据库并录入数据,用SPSS 15.0软件对数据进行判别分析。采用逐步判别分析法筛选变量,然后采用fisher判别法建立判别函数,通过与改良加藤厚涂片法结果进行对比,评价判别函数的判别能力。结果判别函数中慢性胆囊炎、胆管炎、性别、吃生鱼、腹胀、民族、腹痛、年龄等8个变量有统计学意义,华支睾吸虫病判别正确率为88.75%。结论利用SPSS软件的强大数据处理和分析能力,可以快速简便地建立华支睾吸虫病判别分析函数。该函数具有较高判别分析能力,能够快速筛检本地区华支睾吸虫病患者,同时为其他华支睾吸虫病流行区建立快速筛检模式提供借鉴。

摘要：以汽车动力传动轴系为研究对象,探讨了一种基于fisher判别分析的汽车动力传动轴系故障诊断方法。采用低通滤波方法对采集到的振动信号进行降噪处理,根据处理后的振动信号计算得到能够反映设备状态的时域和频域的无量纲特征参数,运用DI识别指标选取诊断敏感度较高的特征参数,基于fisher判别分析从统计学角度将特征参数从多维向一维投影来实现状态识别问题的简化,结合逐次诊断方法更精确的判别设备状态。针对汽车动力传动轴系常见故障(不平衡、不对中等)分析故障机理,设计了轴系的故障诊断试验,通过试验验证了此诊断方法的实用性。

摘要：目的本文通过对客观记录的受试者脑电图数据进行fisher判别分析,判断其能否应用于脑电数据特征提取和分类决策。为脑电图研究的其它分析做基础分析。方法根据α波的强弱不同将21导电极分为四类,分别对63例正常状态下受试者21导联电极的脑电图数据进行fisher判别分析,并利用误判率回代估计法检验判别准确率。数据处理和统计分析采用独立设计的脑电图分析工具箱和fisher判别分析程序。结果表明对63例正常状态下受试者的脑电图数据进行fisher判别分析,预测各电极分类准确率82.3%。结论fisher判别法预测准确率较高,脑电特征(主要为α波)提取较为准确,能较好的应用于脑电数据特征提取和分类决策中,从而辅助脑电图的检查和定量分析,为脑电图的检验提供有效的分析手段。

摘要：fisher判别分析(FDA)是一种有效的化工过程故障模式分类方法,但是其忽视了数据局部结构信息的挖掘。针对该问题,提出一种多块局部fisher判别分析(MLFDA)方法,以更有效地识别化工过程故障。从变量和样本两个维度来分析数据的局部结构特性。针对变量维度的局部信息挖掘问题,设计了一种基于变量与数据集主元空间的相关度的变量分块方法,将全局过程变量划分为多个局部变量块。进一步考虑到样本维度的局部结构特性,应用基于局部权重因子的局部fisher判别分析(LFDA)为每个局部变量块构建分类器。提出一种基于分类性能加权的多分类器集成方法,以融合不同分类器的决策结果。在Tennessee Eastman过程上的仿真结果说明,M LFDA方法具有比传统的FDA和LFDA方法更低的故障误分类率。

摘要：在经过初步分析后,使用SPSS中的fisher判别分析对附件1的样本数据整体进行两次fisher判别分析,得出化学成分中对于分类有明显影响的主要变量和高钾玻璃、铅钡玻璃的分类规律。分析得知风化文物的未风化采样点与未风化文物的采样点性质相似,故将其视为未分化组样本再使用excel进行统计性分析。首先使用SPSS分别画出高钾玻璃化学成分和铅钡玻璃化学成分的散点图,若判断具有线性关系,再使用皮尔逊相关系数进行不同类型玻璃文物化学成分相关性分析。考虑到风化作用的影响,所以将高钾玻璃和铅钡玻璃分为风化高钾、未风化高钾、风化铅钡、未风化铅钡4类进行分析。在进行未知文物的类型鉴别分析时,使用RUSBoost算法和决策树模型分别进行鉴别,将两种方法得到的结果使用ROC曲线进行比较得出类型鉴别结果更好的模型,并使用网格搜索法进行模型的敏感性分析。本文对于探究高钾、铅钡玻璃的分类规律以及玻璃文物的分类有一定的应用价值。