基于数据挖掘的天气因素研究——以吉安县为例

影响天气的因素有降雨量、气压、气温、风速及风向等,研究天气影响因素对人们的生产生活有一定的指导作用。本研究提出使用数据挖掘技术探究天气因素之间的相关性。使用K-S检验方法对数据进行正态性检验,使用Pearson相关系数,对天气逐日数据降雨量、气压、气温、风速进行相关性检验,使用Eta相关系数对天气逐日数据降雨量、气压、气温、风速与风向进行相关性检验,使用一元线性回归对天气因素气压和气温进行分析。在中国气象网站的吉安县1980-2019年天气数据上进行实验,实验结果表明：数据集中各数据项不服从正态性分布,天气当中的气压与气温具有强负关联线性关系,风向类型与气压、气温有强关联关系。     

基于Box-Cox变换的双层联合模型

应用两参数正态双卵模型,对反应时间数据建立了关于项目反应与反应时间的分层联合模型.利用Box-Cox变换,完成了基于马尔科夫链蒙特卡洛算法(MCMC)的贝叶斯方法参数估计;应用偏差信息准则(DIC)比较了不同模型对数据的拟合效果,验证了对反应时间数据做Box-Cox变换之后其正态性效果要明显优于对数变换.     

总体正态性检验—W检验法的改进

针对正态性检验W检验法应用中存在的不足,提出改进的D统计量.运用随机模拟方法给出概率密度分布图、拒绝域的取值表、功效函数比较图及非正态分布下的拒绝概率表.结果表明:在正态性检验时,D统计量相对于W统计量的检验功效更高一些,而在非正态检验时,其功效函数拒绝率同原统计量相比也有一定的改进.D统计量对某些分布能够更及时作出不服从正态分布的判断;新统计量检验计算更省时省力;对正态性检验具有一定的参考价值.     

两种多元正态性检验方法的应用和比较

讨论了多元正态性检验的两种主要方法--卡方图检验法和主成分检验法,介绍了其基本原理和具体实施步骤,并通过实例研究比较它们的优劣,发现主成分检验法具有更好的功效和更强的实用性.     

正态性检验在教学质量监控中的应用

检验法和偏峰度检验是正态性检验中两种重要检验方法,本文介绍运用M ATLAB编程,利用检验法和偏峰度检验,实现计算机辅助完成试卷的评价和分析,从而提高了试卷处理的质量和效率,建立起完善的试卷质量监控体系。     

基于K-L变换的无线信道密钥提取方法

为了解决基于无线信道特征的密钥生成方案中信道特征测量值不互易且高度冗余的问题,提出了一种基于K-L变换的无线信道密钥提取方法.首先,将K-L变换划分为信号分组、变换矩阵计算和信号变换3个部分,并对各个部分进行数学建模,分别阐明了有交互和无交互2种K-L变换的特点.然后,计算了交互协方差矩阵或变换矩阵引起的信息泄露率,并分析了2种变换的计算复杂度.结果表明,有交互的K-L变换可以提高密钥的一致性,降低计算复杂度,泄露信息足以忽略,更加适用于无线信道密钥生成.     

正态性检验的直线相关分析法在医学统计中的应用

目的研究对原始数据进行正态性检验的新方法.方法将组中值作为x变量,概率单位作为y变量,利用直线相关分析法对数据进行正态性检验.结果直线相关分析法对原始数据进行正态性检验结果可靠.结论方法简便、快捷,结论可靠.     

基于Wiener滤波,K-L变换和BP网络的数字识别

研究基于传统模板匹配的识别灰度图像中数字的方法.在对大量样本图像模板进行Wiener滤波的基础上,利用K-L变换进行特征提取,用低维子空间描述高维空间中的图像.将低维子空间中的向量加载到BP网络的输入端进行训练,调整神经网络权值.权值稳定后,在网络输入端加载经过预处理的待识别灰度数字图像,在输出端即可得到识别结果.该方法有效地利用了Wiener滤波器以最小方差对原始信号的恢复能力、K-L变换的降维特性和BP学习网络所擅长的数据映射处理能力.     

基于特征空间投影的SAR图像快速分割算法

文中改进了一种基于投影的快速有效的SAR图像分割算法。首先,提出加权K-L变换,给算法提供了理论支持。继而,给出一种新的正交向量的求解算法,选择出了合适的参考子空间。通过把图像投影到参考子空间,把多维图像数据变换成一维投影长度。基于仿真和实测数据的实验验证了该算法的有效性。     

基于多维联系正态云模型的泥石流危险性评价

泥石流危险性评价涉及因素多,且具有随机模糊不确定性.文章基于集对论和云模型,探讨了泥石流危险性的多维联系正态云评价模型,即将传统一维正态云模型拓展至多维云模型,以克服传统云模型面对多指标时评价过程的复杂性,并在构建多维云模型中,应用集对同异反原理确定多维正态云数字特征,避免传统云模型数字特征确定的主观性,并实现统一描述实测指标与评价标准间的确定和不确定关系,使评价更能反映实际数据的分布特征.实例应用表明,多维联系正态云模型应用于泥石流危险性评价是有效可行的,较一维云模型和其他方法计算思路更清晰,且结果更加可靠.