太行山猕猴蹠骨形态学判别分析

目的:了解太行山猕猴5根蹠骨形态学差异.方法:测量34例成年太行山猕猴蹠骨标本10个变量.数据用SPSS13.5统计软件分析处理,建立5根蹠骨的多元判别函数.结果:5根蹠骨正确判别率的范围是91.2%～100.0%,回代检验和交互检验结果相似,说明判别函数稳定有效.结论:太行山猕猴5根蹠骨的形态差异显著.采用多元判别函数可以有效地将未知标本进行判别.     

判别分析中基于总体可分性的变量选择

讨论了判别分析中变量选取的方法，文中首先定义了反映总体间区另别的总体可分性，然后在此基础上给出了总体可分性函数，并且讨论了该函数的三个性质，根据此函数可以定义一个判别变量选取的目标函数，最后给出了可行的选取判别变量的算法过程。     

葡萄酒中游离氨基酸的测定及产地判别：Ⅰ多元判别分析在 …

按照已有的方法分别对４个生产厂家生产的共２８个雷司令品牌的干白、半干白葡萄酒样品中的游离氨基酸进行了分析测定，对分析结果，采用直接判别和逐步判别方法进行了葡萄酒生产厂家的多元判别分析，得到了令人满意的识别结果。     

综合评价中误判风险的评估

文中提出一种综合评价误判风险的评估方法。该方法首先对各个总体产生误判的影响作定性分析和定量分析,然后结合动态加权法和误判率提出综合评价的误判风险,并以误判风险为准则评判综合评价模型的效果。实例表明,该方法具有良好的效果,能更好地选择合适的综合评价模型。     

基于费舍尔判别分析的中药材鉴别

中药材具有相当高的声誉，而这一混合物体系极具复杂性，对其进行鉴别意义深远.红外光谱因专属性强重现性好，广泛用于中药材鉴别.利用中红外光谱进行同种中药材产地鉴别，首先进行平滑滤波和导数光谱预处理，再基于费舍尔判别分析进行鉴别.同时利用近、中红外光谱对同种中药材进行产地鉴别，首先对原始近红外、中红外、近中红外组合数据预处理，再基于费舍尔判别分析进行鉴别.利用近红外光谱对不同类别产地药材进行鉴别，方法一将类别和产地双标签映射为单标签，用费舍尔判别分析鉴别单标签，再逆推原类别产地，方法二分别基于类别和产地进行费舍尔判别分析.仿真和实际实验说明费舍尔判别分析有效.     

企业资产重组的判别模型

借助数学判别模型,对企业资产重组进行定量分析,能为我国企业资产重组的操作提供更多、更有力的证据.本论文以资产重组概念和数学模型的功用为约束因素,结合我国企业资产重组的实际,研究资产重组的基本和个别判别模型,对于企业实施资产的整体和要素重组时,提出了运用基本和个别判别模型的建议,以期使资产重组决策数量化和科学化.     

基于系统聚类分析和判别分析的煤与瓦斯突出预测

煤与瓦斯突出是一种非常复杂的动力现象,影响因素众多,发生原因复杂。文中采用SPSS软件对典型突出矿井的煤层瓦斯压力(P)、瓦斯放散初速度(ΔP)、煤的破坏类型(D)、煤的坚固性系数(f)4个参数的实测数据进行了系统聚类分析。分析结果与17个已知样本实际发生的动力现象一致,说明了综合4个指标来预测煤与瓦斯突出的合理性。然后通过判别分析建立了煤与瓦斯突出预测函数。实践证明,该函数较准确地预测了17个已知样本和4个未知样本的煤层突出危险性,为煤与瓦斯突出预测提供了一种新方法。     

基于SDA和CART算法的面向对象分类研究

以2005年深圳市福田区Quick Bird影像为主要数据源,根据面向对象多尺度分割结果,构建和分析了不同地类对象的光谱、形状和纹理信息特征,在此基础上利用逐步判别分析法(stepwise discriminant analysis,SDA)结合分类回归树(classification and regression trees,CART)构建多尺度、多变量分类模型。结果表明:1采用SDA在一定程度上能够客观、准确地进行特征子集预筛选,笔者从32个特征中筛选出27个特征用于构建CART模型,并按其区分地类能力进行了重要性排序,其中光谱特征与纹理特征排序比较靠前,形状特征中仅LengthWidth排在第5位,剩余特征比较靠后。2利用分类回归树模型可进一步优化特征选取,并智能化计算出分离阈值,基本实现面向对象的自动化分类。其中Mean_b3、Length Width、Ratio_b3、GLDVE和NDVI是重要分类节点。3逐步判别分析结合分类回归树构建的分类模型,可以在提高或者不显著降低影像分类精度的条件下实现特征降维。当取相关指数R20.2时,构建的分类模型效果最优,CART16模型训练和验证精度分别为94.44%和83.37%,其特征子集规模最小,与原始特征数量相比减少了一半。     

昆明地区高血压影响因素的逐步判别分析

分析影响血压的重要因素，为有效地预防高血压病及高血压的临床治疗都有重要意义．文中利用逐步判别分析法，将影响血压的多个因素化简出最优的因子，建立判别函数进行逐步分析，估计出判别系数，对数据进行分析判断，得出各因素对高血压的影响     

基于支持向量机的商业银行信用风险评估模型

贷款业务是商业银行最重要的资产业务，构建一个适用的信用风险评估模型十分重要．本基于近年来在智能学习系统领域发展起来的新理论，引入小样本学习的通用学习算法——支持向量机(SVM)．建立了商业银行的信用风险评估模型，通过与多元判别分析、以及神经网络模型的比较，证实了该方法用于风险评估的有效性及优越性．