1 中国人民公安大学侦查学院，北京 100038
2 中国人民公安大学公安管理学院，北京 100038
为帮助侦查机关在案件侦办过程中获取更多线索，对工作中常见的塑钢窗物证进行高效、数据化无损鉴别，使用主成分分析（PCA）前处理结合Fisher判别分析-支持向量机（FDA-SVM）的最佳参数组合分析鉴别物证的方法，对提取的“金鹏”“海螺”等6个品牌的126组傅里叶变换红外光谱数据进行了理论和实验分析，实现了“品牌-批次”二维特征刻画与识别。选取全谱段、官能团区、指纹区三个不同谱段的PCA结果建立基于Fisher判别分析的数据分类模型，发现全谱段的分类准确率最高，为66.7%。为进一步提升对不同样本的区分能力，使用全谱段的特征值建立SVM模型，同时考查了惩罚因子C和径向基函数（RBF）伽马值σ对SVM分类模型分类准确率的影响，并得到了基于最佳参数组合（C=10，σ=2.5）的SVM分类模型。使用最佳分类模型对“海螺”品牌不同批次的塑钢窗样本进行区分，其分类准确率达到100%。所提方法分类结果理想，能满足塑钢窗快速分类的办案需求，可为其在法庭科学研究领域的应用提供一定的参考与借鉴。
光谱学 塑钢窗 Fisher判别分析 支持向量机 分类 机器学习 激光与光电子学进展
2022, 59(16): 1630005
1 中国人民公安大学侦查学院，北京 100038
2 北京海关缉私局司法鉴定中心，北京 100000
实现药物快速无损准确定性分析是药物防控视域下的关键问题。采集了4类共计159份大麻油样本的光谱和色谱数据，利用有监督模式识别方法Fisher判别分析和K邻近分析构建不同数据集分类模型，对比了单一模型与融合模型对分析结果的影响。结果表明，在4类大麻油识别与分类过程中，基于光谱与色谱融合数据集的分类模型的分类效果优于其他数据集，借助K邻近分析的融合模型分类效果最佳，总体分类准确率达到1。该研究实现了对不同类型大麻油快速准确的定性分析，为准确认定缴获药物的来源、审理事实关联的上下游药物犯罪案件提供线索和证据。
光谱融合 大麻油 Fisher判别分析 K邻近分析 激光与光电子学进展
2022, 59(16): 1630004
1 甘肃政法大学司法警察学院（公安分院），甘肃 兰州 730000
2 中国人民公安大学侦查学院，北京 100038
3 甘肃省兰州市公安局西固分局，甘肃 兰州 730000
4 北京华仪宏盛技术有限公司，北京 100123
提出了犯罪现场常见的塑料快递包装袋物证的识别分类模型。利用X射线荧光光谱法对60个不同产地和品牌的塑料快递包装袋样品进行了元素种类及含量的检验，并依据光谱数据进行了定性半定量分析，将60个样品初步分成13类。探究了簇内误差平方和（SSE）与聚类数的关系，并确定最优聚类数为6，利用K-means算法将60个样品成功聚成了6类，最后对聚类结果进行了Fisher判别分析。经检验，60个样品的原始分类正确率和交叉验证后的分类正确率分别为98.3%和91.7%，验证了基于K-means和SSE的塑料快递包装袋样品识别分类模型的准确性与科学性。基于X射线荧光光谱法、K-means和SSE，所提模型能无损、快速且有效地检验及识别分类塑料快递包装袋物证，结果准确可靠。
光谱学 X射线荧光光谱法 K-means聚类 簇内误差平方和 Fisher判别分析 塑料快递包装袋 激光与光电子学进展
2022, 59(11): 1130001
1 福州大学空间数据挖掘与信息共享教育部重点实验室，福建 福州 350108
2 卫星空间信息技术综合应用国家地方联合工程研究中心，福建 福州 350108
3 数字中国研究院（福建）福建 福州 35108
4 福州大学环境与安全工程学院，福建 福州 350108
刚竹毒蛾虫害检测对毛竹的生长和竹业的发展起着至关重要的作用。 根据高光谱冠层光谱信息与刚竹毒蛾虫害程度之间的关系, 提取冠层光谱中与虫害紧密相关的特征波长、 指数以及光谱参数等, 利用Fisher判别分析法建立刚竹毒蛾虫害程度检测模型。 分别以原始光谱的400~508, 586~693和724~900 nm处的波长、 包络线去除光谱的400~756 nm之间的特征波长、 9种冠层光谱植被指数和7种冠层特征光谱参数作为Fisher判别函数自变量, 构建判别函数。 收集300组毛竹叶片虫害样本数据, 随机划分为210组建模集与90组验证集, 根据检测精度、 Kappa系数以及判定系数R2作为检验标准, 对建立的判别函数进行效果评价与对比。 结果表明, 以原始光谱、 去包络线光谱、 冠层指数、 光谱参数为自变量建立的Fisher判别函数的检验精度分别为: 84.4%, 81.1%, 79.7%, 78.7%; Kappa系数分别为: 0.79, 0.74, 0.74, 0.76; R2分别为: 0.89, 0.88, 0.88和0.85。 由此可知, Fisher判别分析模型建立的函数具备很好的刚竹毒蛾虫害程度检测能力, 而且基于冠层原始光谱建立的判别函数检测效果最佳。 根据高光谱数据的冠层原始光谱建立的判别函数对福建省顺昌县大干镇武坊村的洋门和土垅村的上湖竹林进行刚竹毒蛾虫害程度检测。 检测结果为: 上湖两个样区的竹林以健康为主。 洋门两个样区虫害程度以中度和重度为主。 因此基于无人机高光谱遥感对于刚竹毒蛾虫害的大面积检测具有可行性, 该方法可为虫害检测的探究提供参考, 为基于冠层遥感虫害检测贡献理论支撑。
刚竹毒蛾 高光谱 冠层光谱 Fisher判别分析 Phyllostachys edulis Hyperspectral Canopy spectrum Fisher discriminant analysis 光谱学与光谱分析
2021, 41(10): 3200
1 中国人民公安大学 侦查学院, 北京 102600
2 中国人民公安大学 治安与交通管理学院, 北京 102600
为了对车漆进行快速、高效、低成本的无损鉴别, 采用一种基于指纹区红外吸收光谱结合决策树、k近邻和Fisher判别分析(DT-KNN-FDA)建模的鉴别方法, 进行了理论分析和实验验证。收集并取得了车漆共计60个样本的红外吸收光谱实验数据, 通过对特征波数的选择, 建立并比较了基于决策树、k近邻分析和Fisher判别分析的多分类模型。通过相关性分析提取到了58组调整数据, 并以此为基础构建了分类模型。结果表明, DT分类模型、KNN分类模型和FDA分类模型对各样本的总体区分准确率分别为77.80%, 72.31%和85.00%; 红外光谱结合DT-KNN-FDA分析可实现对车漆不同品牌产品间的区分, 分类效果理想。该方法快捷、低耗、有效, 具有一定的普适性和参考意义。
光谱学 车漆 决策树 k近邻 Fisher判别分析 spectroscopy vehicle paints decision tree k-nearest neighbor Fisher discriminant analysis
1 福州大学环境与资源学院, 福建 福州 350116
2 空间数据挖掘与信息共享教育部重点实验室, 福建 福州 350116
3 福建省水土流失遥感监测评估与灾害防治重点实验室, 福建 福州 350116
4 福建省资源环境监测与可持续经营利用重点实验室, 福建 三明 365004
5 福州大学信息与通信工程博士后科研流动站, 福建 福州 350116
6 福建省南平市延平区林业局, 福建 南平 353000
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（ρ733.66~898.56）、 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R2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, R2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。
刚竹毒蛾 毛竹叶片 Fisher判别分析 BP神经网络 随机森林 Pantana phyllostachysae Chao Moso bamboo leaves Fisher discriminant analysis BP neural networks Random forest
1 福州大学环境与资源学院, 福建 福州 350116
2 福建省资源环境监测与可持续经营利用重点实验室, 福建 三明 365004
3 空间数据挖掘与信息共享教育部重点实验室, 福建 福州 350116
4 福建省水土流失遥感监测评估与灾害防治重点实验室, 福建 福州 350116
5 福建省南平市延平区林业局, 福建 南平 353000
6 厦门市森林病虫害防治检疫站, 福建 厦门 361004
虫害检测算法的构建是耦合“地—天”特征的过程, 是实现其遥感监测的重要保障。 以福建省三明市、 将乐县、 沙县、 南平市延平区等4个县(区、 市)为试验区, 收集182组马尾松毛虫害样本数据, 随机划分为训练集与验证集, 设置5次重复试验及1次指标筛除试验。 结合马尾松毛虫危害下的寄主表征, 获取松林叶面积指数LAI、 叶面积指数标准误SEL、 归一化差值植被指数NDVI、 缨帽变换湿度轴WET及影像绿光波段B2、 红光波段B3、 近红外波段B4等7个地面与遥感特征指标, 建立其危害等级的Fisher判别分析与随机森林模型, 从检测精度、 Kappa系数、 ROC曲线等角度综合比较两种算法的检测效果, 并给予配对t检验。 结果表明: 7个指标均具备虫害响应能力, SEL和NDVI相对较弱; Fisher判别分析6次试验的虫害平均检测精度为73.26%, Kappa系数为0.631 9, 而RF法则分别为79.30%, 0.715 1, 显著优于前者(p＜0.05); RF法对无危害、 轻度危害、 中度危害3个虫害等级的检测精度、 Kappa系数、 AUC均显著高于Fisher判别分析(p＜0.05), 对于重度危害等级, Fisher判别分析则占优。 总体而言, RF法对马尾松毛虫害的检测效果优于Fisher判别分析, 但Fisher判别分析对重度危害等级有更高准确性且模型明确、 易于推广, 可综合应用两种算法开展虫害监测工作。 该成果为马尾松毛虫害及其他森林病虫害的有效检测提供技术参考, 奠定其遥感监测的基础。
马尾松毛虫害 Fisher判别分析 随机森林法 检测效果 “地—天”特征 Dendrolimus punctatus Walker damage Fisher discriminant analysis Random forest Detection effect “Ground-space” features 光谱学与光谱分析
2018, 38(9): 2888
1 暨南大学物理系思源实验室, 广东 广州 510632
2 南方医科大学中医药学院, 广东 广州 510515
旨在建立可靠的Fisher判别模型, 以实现西洋参及其常见伪品饮片的快速、 客观、 准确鉴别, 采用自组的凝视式光谱成像仪, 对90份不同市售来源的中药材饮片(西洋参、 人参、 桔梗各30份)进行了荧光光谱成像实验, 波长范围为400~720 nm, 成像间隔为5nm。 采用标准正态变量(SNV)变换对原的光谱数据进行预处理, 以减少光谱数据中的噪声干扰。 比较了主成分分析(PCA)与逐步判别分析(SDA)的原理特点及对模型的优化效果, 联合这两种分析方法, 首先, 应用PCA对预处理后的光谱数据进行处理, 使光谱数据中的主要信息集中分布在前面的主成分中, 然后应用SDA从65个主成分中筛选出判别能力较强的12个主成分建立Fisher判别模型。 由所建模型的两个判别函数作样品得分散点图, 各类样品在图中表现出良好的聚类现象。 以待判样品点与各种类中心点之间的欧氏距离作为依据, 得出模型的准确判别结果。 结果显示, 所建Fisher判别模型在训练集和预测集中的判别正确率分别为98.33%和 96.67%, 具有较高的可信度与准确度, 因此, 荧光光谱法结合Fisher判别分析可用于快速鉴别西洋参及其伪品饮片。
荧光光谱成像 Fisher判别分析 逐步判别分析 主成分分析 西洋参 鉴别 Fluorescence spectral imaging Fisher discriminant analysis Stepwise discriminant analysis Principal component analysis Radix panacis quinquefolii Identification 光谱学与光谱分析
2017, 37(4): 1157
北京师范大学资源学院地表过程与资源生态国家重点实验室(筹), 北京 100875
混合像元分解技术(Spectral Mixture Analysis,SMA)是遥感图像处理的重要手段之一.传统方法假设每个端元具有稳定的光谱特征,然而端元内光谱差异普遍存在,这将导致混合像元分解精度的降低.针对该问题,提出了基于Fisher判别(Fisher Discriminant Analysis,FDA)的混合像元分解算法.Fisher判别对光谱各波段进行线性组合,使得转换后的光谱值分离度最大,即端元内的光谱差异较小而端元间的光谱差异较大.利用转换后的光谱对混合像元进行分解可以最大程度地减少端元内光谱差异对分解结果的影响.利用该方法对室内控制实验的模拟混合像元光谱进行分解,并与过去提出的几种混合像元分解技术进行比较,结果显示新方法相比传统方法在分解精度上有相当程度的提高.
混合像元分解 端元内光谱差异 Fisher判别 室内控制实验 spectral mixture analysis endmember spectral variability Fisher discriminant analysis laboratory experiment
广东工业大学应用数学学院, 广东 广州 510006
核 Fisher 的鉴别方法 (KFDA) 是模式识别中较为突出的提取图像非线性特征的方法。 为了更好地提取掌纹图像的非线性特征, 将KFDA 方法引入到掌纹识别中。首先对掌纹图像做小波变换进行降维,在保留原始图像轮廓信息和特征的基础上, 用核Fisher判决方法进行特征提取并引入零空间的核 Fisher(ZKFDA) 方法解决小样本问题,最后用最小距离分类器 进行掌纹匹配。通过 PolyU 掌纹图像库,实验结果表明,在不同的特征个数下, KFDA 方法比二维 Fisher 准则 (2DFLD)方法识别率高;零空间ZKFDA的平均识别率高于 KFDA, 并且计算量大大减少。在核函数选取上,取 RBF 核函数的识别性能最佳。
图像处理 核Fisher鉴别分析 特征提取 掌纹识别 image processing kernel Fisher discriminant analysis feature extraction palmprint recognition
