不同炒制方式及贮藏时间对苦荞茶滋味影响的智舌辨识研究

利用智舌对不同炒制温度、时间以及不同贮藏期的苦荞茶进行品质辨识,采用铂、金、钯、钨、钛和银电极作为工作电极,分别在1,10,100 Hz三个脉冲频率下进行品质检测;并利用主成分分析和线性判别分析对数据进行分析整理.结果表明炒制温度及储藏时间对苦荞茶的滋味品质影响较大,样品之间差异显著.相比之下炒制时间对苦荞茶滋味品质的影响不显著.主成分分析能够区分炒制温度差异较大的苦荞茶,而对于同一炒制温度不同炒制时间的茶样以及不同储期的茶样区分效果不佳.线性判别分析能够有效地区分不同炒制温度和时间制备的12组苦荞茶以及不同储期的7组苦荞茶,其区分指数分别达到99.8%和99.7%.     

FA-FDA判别分析的矿井通风系统安全评价

为及时发现矿井通风系统中存在的问题,排除安全隐患,构建一种合理、有效的矿井通风系统安全可靠性评判模型.应用统计学理论,结合矿井通风系统经济性、安全性的要求,利用SPSS软件对学习样本进行因子分析(FA),有效的选取主因子,对主因子进行Fisher判别分析(FDA),建立因子Fisher判别分析模型(FA-FDA).用建立的因子Fisher判别分析函数对待测样本进行分类,并对实际生产的矿井通风系统安全性进行判别.研究结果表明:预测结果与实际结果相吻合,因子Fisher判别分析模型在研究矿井通风系统安全可靠性方面性能较好,预测精度高,操作过程简单,便于实际推广.     

一种LDA和聚类融合的SVM多类分类方法

改进传统的基于二叉树结构的支持向量机多类分类方法。将无监督聚类引入到算法中,利用无监督聚类剔除大量的非支持向量样本,同时对于无监督聚类在异类样本相近时出现的性能下降问题,引入线性判别分析使得同类样本聚集,异类样本分散,确保聚类精度。线性判别分析和无监督聚类结合能够显著地缩减训练样本。该方法能够在保持分类准确率的情况下有效地提高SVM的分类速度。     

太行山猕猴跖骨性差

以39例成年太行山猕猴跖骨为标本(27雌,12雄),测量每根跖骨7个变量,采用SPSS 20.0进行数据分析,用7个跖骨变量建立逐步判别函数.选择性差最大的变量直接进行判别分析.结果表明,大部分变量性差显著(P<0.01),侧别差异很小.逐步判别分析选择出来的最好变量是跖骨长度.雄性判别率为78.6%⁹2.9%,雌性判别率为79.3%92.9%,雌性判别率为79.3%⁹3.1%,平均判别率为79.1%93.1%,平均判别率为79.1%⁹3.0%.交互检验比回代检验判别率略微低一些.结果显示用跖骨长度变量可以很好地鉴定性别.     

基于判别分析的基因分类

利用基因表达序列识别肿瘤亚型,具有非常重要的临床意义.根据大肠杆菌基因图谱筛选出的信息基因,采用判别分析法,得到典型判别式函数,以阈值θ=-0.6935来进行分类,进而确定肿瘤基因"标签".     

基于数显卡尺测量数值的4种鼠类特征研究

使用SPSS 18.0,对用数显卡尺采集的158只仓鼠科中成年布氏田鼠(Lasiopodomys brandtii)、棕色田鼠(Lasiopodomys mandarinus)、东方田鼠(Microtus fortis Buechner)、黑线毛足鼠(Phodopus campbelli Thomas)的体重、体长和头骨等17项形态学指标进行了差异显著性分析,基于分析结果,指出4种鼠的17项形态学指标均存在显著性差异,对编号1~138的鼠进行了判别分析并建立了判别函数,对编号139~158的20只鼠进行了判别归类,其判别结果与传统分类的结果完全一致,对158只鼠进行了聚类分析,其分析结果与判别分析结果一致。     

基于大间距准则的混合核Fisher判别分析

针对KFDA算法中存在的问题,提出了基于大间距准则的混合核Fisher人脸特征提取算法;首先,将原始数据通过非线性映射投影到高维数据空间;然后,引入大间距准则和混合核函数使得同类样本在投影后离得更近,不同类样本在投影后离得更远;在PIE和AR人脸库中的仿真实验验证了算法的有效性和稳定性。     

无线电监测中调制信号特征提取算法

针对传统调制信号特征提取算法在噪声环境下存在识别准确度低、分类效果差等问题,基于已有的调制 信号处理方法,提出一种新的无线电监测中调制信号特征提取算法。首先构建无线电监测中各类调制信号的 数学模型,以此为基础通过仿真得到信号瞬时幅值、瞬时相位及瞬时频率的特征。分析当前信号调制方式识别 各类算法的优缺点,采用小波变换完成调制信号的降噪处理与突变边界特征提取算法的设计,利用零中心归一 化瞬时幅度的谱密度最大特征提取算法以及核判别分析算法对各类调制信号进行逐层提取,实现了各类调制 信号的完整分类与提取,提升了噪声环境影响下的特征信号提取精度、且分类效果较好,为无线电监测中调制 信号特征提取提供了有利科学依据。     

基于Fisher判别的半监督天体光谱数据特征降维

降维是天体光谱数据预处理常用的手段之一,如何利用标号天体光谱数据,克服降维过程中的过分拟合,是提高降维效果的有效途径之一。采用半监督学习,给出了一种天体光谱数据特征降维方法。该方法首先针对具有标号天体光谱数据,建立Fisher判别分析和PCA可变动选择的不确定关系;其次构建其半监督降维的全局最优化形式,通过特征值分解计算降维结果,从而有效地克服了天体光谱降维过程中的过分拟合问题;最后采用高红移类星体和晚型星SDSS天体光谱特征线数据集,实验验证了该方法的有效性。     

基于核Fisher判别分析的粮虫特征压缩方法

针对粮仓害虫种类多、类别之间相似度比较高的特点,提出基于核Fisher判别分析的粮虫特征压缩方法.利用高斯径向基核函数,对特征选择后的10维原始数字特征进行核Fisher判别分析,即通过非线性变换将样本数据从输入空间映射到高维特征空间,然后在高维特征空间进行特征提取.从粮虫分类效果方面,将KFDA法与FDA法、PCA法和KPCA法3种方法进行了比较分析.应用KFDA法提取的前4个特征,由最近邻分类器对粮仓中常见的9类粮虫进行分类,验证集的识别率为93.33%.结果表明:KFDA法对粮虫特征的非线性比较敏感,在有效降低特征维数的同时,还提高了类别之间的可分性.