海明距离判别法分类准确率的影响因素

为探讨海明距离判别法(HDD)的非参数优势,通过一个5因素混合实验,考察了4个因素(属性层级、测验长度、样本容量、知识状态分布)对HDD的3种判别方法(R方法、B方法、W方法)分类准确率的影响.结果表明:1)属性层级和测验长度均会影响HDD判准率,属性层级越紧密、测验长度越长,HDD判准率越高; 2)HDD对样本容量无依赖,可适于小样本评估; 3)HDD的R方法、B方法、W方法的分类准确率无差异; 4)HDD无需被试知识状态分布的正态性假设,更适于均匀分布.     

一种新颖的基于马氏距离的文本分类方法的研究

KNN(k最近邻算法)是文本挖掘领域最成熟最简单的分类方法之一.该方法对文本分类中的距离参数的选取敏感,错误的选择将导致分类精度降低,影响最终分类效果,该缺陷限制了KNN分类器在文本数据挖掘中的应用.因此,本文将马氏距离引入到文本分类领域,并将其与KNN算法相结合,提出了一种基于马氏距离的新的文本分类方法(Mahala...     

一种非参数的多策略方法:多策略的海明距离判别法

将单策略汉明距离判别法(SS-HDD)拓展至多策略情境(MS-HDD),并通过多因素的模拟设计及与已有研究的比较,考察其精确性与适宜性.研究结果表明:1)MS-HDD构建思路简洁,无需前提假设和参数估计,计算简便;2)单策略情境:MS-HDD与SS-HDD具有等同的判别效果,且判准率均高于相同条件下的广义距离模型(GDD)和多策略广义距离模型(MSCD);3)多策略情境:MS-HDD具有与MSCD相当的PMR和SMR,MS-HDD可适于多策略测验情境.     

高光谱遥感图像特征提取及分类研究——基于离散余弦变换(DCT)及支撑向量机技术

高光谱遥感图像具有波谱连续,维数高的特点．当样本较少时,在原始特征空间采用传统的统计识别方法分类达不到理想的效果．经研究发现有两种方法可以解决小样本高维的非线性分类问题．一是将原始空间通过离散余弦变换（DCT）压缩到低维空间,再用统计识别方法分类;二是利用支撑向量机的内积函数,将原始空间映射到高维空间,使其在新的特征空间线性分类．实验表明,这两种方法比利用马氏距离判别法直接对原始图像分类有更好的分类效果．     

基于等级反应模型的广义距离判别法

受0-1评分广义距离判别法的启发,给出一种新的多级评分认知诊断方法.蒙特卡洛模拟实验结果显示:基于等级反应模型的广义距离判别法(GRM-GDD)比相应的属性层级模型(GRM-AHM)有更高的模式判准率,尽管随着被试作答失误率的提高,模式归准率均有所下降.     

基于近红外光谱技术的苹果霉心病检测方法

为实现苹果霉心病无损检测,提高果实品质,以斗南苹果为研究对象,利用MPA近红外光谱仪,采集了100个苹果,4000~12500cm-1波长范围内的漫反射光谱。将主成分分析(PCA)分别与马氏距离判别模型和Fisher判别模型结合,比较两种判别模型对霉心病的判别精度。试验结果表明：在对苹果样品全波段光谱数据进行主成分分析后,将前10主成分作为输入变量建立判别模型,马氏距离判别模型正确识别率为97.14%,Fisher判别模型的正确率为88.57%,马氏距离判别模型明显优于Fisher判别模型。     

二次加权距离判别

定义了各因子的判别权重和加权距离,并结合二次判别和两类判别,构造了二次加权距离判别.该方法既保留了所有因子又体现了不同因子的判别能力.经实际数据的计算验证,其判别效果优于马氏距离判别.     

二次加权距离判别

定义了各因子的判别权重和加权距离, 并结合二次判别和两类判别, 构造了二次加权距离判别. 该方法既保留了所有因子又体现了不同因子的判别能力. 经实际数据的计算验证, 其判别效果优于马氏距离判别.     

茶叶品种鉴别的近红外光谱指纹图谱模式识别方法

运用傅立叶变换近红外光谱结合主成分-马氏距离判别分析方法 (PCA-Mahalanobis distance discriminant analysis)方法对七种不同品种的茶叶进行品种鉴别。采集七种样品的傅立叶变换近红外光谱指纹图谱,原始光谱经过多元散射校正(MSC)预处理后,运用主成分-马氏距离判别分析方法 (PCA-Mahalanobis distance discriminant analysis,PCA-MD)对茶叶的品种进行判别。所得PCA-MD模型对七种茶叶的分类正确率均为100%,说明模型具有较好的预测分类能力。结论:运用简便、快速、无损的近红外光谱分析结合主成分-马氏距离判别分析方法,为茶叶品种鉴别分类提供了一种快速简便、准确度高、精密度好、分析成本低、实用性强的鉴别方法和手段。     

信息集成方法选择变量与判别分析的应用

针对自变量较多,但每一变量携带信息较少的情况,提出通过信息集成选择主要变量的方法.经过相关分析检验,再应用马氏距离判别进行地震预报。模型由主成分分析、相关分析、马氏距离判别组成,利用华北地区地震数据进行了地震预报,取得了较好的效果.     

基于改进MCD的粗差判别方法及性能分析

针对正态分布的样本数据粗差判别,MCD(Minimum Covariance Determinant Estima-tor)方法存在算法参数h难以确定的缺点,提出了基于MCD的改进算法Modified MCD(M-MCD).该算法首先以基于MCD估计的鲁棒马氏距离平方的标准差与理论总体样本马氏距离平方的标准差的最小偏差为目标,通过自适应迭代,求得最佳的算法参数h.然后,在最佳算法参数h下,基于MCD估计的鲁棒马氏距离,通过卡平方分布判别样本数据中的粗差.系列仿真实验表明:MCD方法的粗差判别结果严重依赖于算法参数h;M-MCD方法能通过自适应迭代求得最佳算法参数h,并具有良好的粗差判别性能,且优于MCD.     

基于维度约束的距离测度学习算法

为提高分类精度,通过距离测度学习可以得到样本在新的特征空间里新的表示.针对马氏距离未考虑不同类别样本维度间相关性存在差异这一缺陷,提出了一种新的有监督的距离测度学习算法,即独立-差别分量分析方法(Independent Discrimi-Native Component Analysis,I-DCA),并将其运用于基于k近邻分类器的运动神经与感觉神经分类中.作为对照,还详细分析了已有的相关分量分析方法(Relevant Component Analysis,RCA)和差别分量分析方法(Discrimi-Native Component Analysis,DCA)这两种距离测度学习算法.实验结果表明,改进算法的分类精度相较于马氏距离提高了近45%,相较于RCA与DCA也提高了15%左右,分类精度的提高说明了改进算法的有效性.     

增强LLE特征分类性能的人脸识别

为了增强局部线性嵌入(LLE)特征的可分类性,提出一种应用LMNN算法改善LLE特征分类性能的人脸识别方法.LMNN算法寻求一个线性变换,变换空间的欧氏距离等价于原始空间的马氏距离,马氏距离增强了LLE特征的kNN分类性能.在ORL数据库和扩展的YaleB数据库上进行实验,并与其他方法进行了比较.实验结果验证了该算法的有效性.     

基于遥感影像的最大似然分类算法的探讨

通过对最大似然分类算法的研究,并将其与马氏距离分类法在相同情况下进行对比试验,结果表明,最大似然分类方法对于光谱特性呈正态分布的遥感影像能提供较高的分类精度,而对于光谱特性呈非正态分布或偏离正态分布总体的遥感影像,最大似然分类法的实际分类效果并不理想,进而分析最大似然分类法的适用性.     

基于HHT边际谱熵-马氏距离的滚动轴承故障诊断

针对滚动轴承振动信号的非平稳特性,依据HHT(Hilbert Huang Transform)理论和非线性熵概念,提出了一种基于HHT边际谱熵和马氏距离相结合的轴承故障诊断方法。首先对采集到的正常及故障轴承振动信号作小波变换阈值去噪,然后通过HHT得到Hilbert边际谱。依据广义信息熵的概念定义了边际谱能量熵函数,基于所提取的特征函数,采用马氏距离对轴承故障类型进行分类。实验结果表明,该方法可以准确、有效地实现轴承的故障判别,为实际滚动轴承故障诊断提供一定的理论参考。     

不同监督分类方法分类结果的对比分析研究

笔者以2007年11月中巴资源卫星多光谱遥感影像数据为例,选择山东省济宁市市中区作为研究区,利用ERDASImagine9.2遥感影像处理软件对数据进行预处理后,运用最大似然法(Maximum Likelihood)、马氏距离法(Mahalanobis Distance)、最小距离法(Minimum Distance)进行监督分类试验.然后对分类后的结果进行主观和客观的分析,并评价各种分类结果的精度,为用户进行影像分类前选择分类方法提供参考.     

基于主成分分析的硬件木马检测方法

针对侧信道检测方法检出率不高的问题,提出一种基于主成分分析结合马氏距离的检测方法.通过对芯片功耗进行建模分析,首先采用主成分分析法对旁路信息中的微小差异进行放大提取,获取主特征,然后使用马氏距离进行判别区分,识别硬件木马.基于自主设计的FPGA(field-programmable gate array)检测平台进行实验验证,结果表明:采用基于主成分分析结合马氏距离的硬件木马检测方法可以有效检测出占母本电路面积0.6%左右的硬件木马.     

遥感影像分类方法精度研究

介绍几种常见的分类方法,并对分类结果进行精度评价及比较.结果表明,总体精度基本达到要求,马氏距离法分类结果更理想且保证了精度要求.在具体操作过程中,需要多选择适当的分类方法并进行综合评价,从而选择恰当的分类方法.     

巷道岩体质量分类的距离判别方法及应用

将距离判别分析法应用于岩体质量等级判别与分类中,建立了岩体质量综合评判的距离判别模型。模型选取岩石质量指标、单轴饱和抗压强度、完整性系数、纵波波速、结构面摩擦因数和弹性抗力系数等6个指标作为判别因子;以洞室围岩实测数据作为训练样本,建立相应线性判别函数对待判样本进行分类。研究结果表明:距离判别分析模型是岩体分类的一种有效方法,可以在实际工程中应用。     

基于马氏距离和模糊C均值聚类的抠图算法与应用

基于马氏距离和模糊C均值聚类算法提出了一种数字彩色图像抠图算法.该算法首先对彩色图像像素的红绿蓝三种彩色分量进行正则化处理;然后在正则化图像背景中选取适当的掩膜作为样本集,计算各像素与样本集之间的马氏距离;再利用模糊C均值聚类算法对计算出的马氏距离进行分类;最后利用填洞操作提高抠图质量.对八幅彩色数字图像进行对比实验,结果显示本算法可以自动抠图,且结果优于马氏距离算法、Grow-Cut算法和正则化线性回归算法的相应抠图效果.