常用判别分类方法分析

判别分析是一种在工程领域中有广泛应用的统计判别与分组的技术手段。本文首先给出一些判别分析常用方法的基本思想和应用步骤，然后深入比较分析了这些方法的优劣、应用条件和环境，最后探讨了它们之间内在的联系与特征。     

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     

沉积环境判别与分类的Bayes判别分析法

基于Bayes判别分析法建立沉积环境判别与分类的Bayes判别分析模型.模型选用粒度的平均粒径、标准偏差、偏差以及峰值4个指标作为判别因子,并以训练样本建立Bayes判别函数,以该函数计算待判样品的Bayes判别函数值,以最大值对应的总体作为样品的归属,以刀切法对判别准则进行评价.研究表明,所建模型以刀切法计算的准确率...     

胃液成分多参数逐步判别在胃病判别中的意义

根据胃液成分的6项参数,用POMS程序,就6种(510例)慢性胃病,按3种组合进行Bayes准则逐步判别。结果显示:1.胃癌、胃溃疡和萎缩性胃炎之间具有十分显著的差异,有判别作用的参数依次为DNA、胆汁酸以及蛋白酶和游离酸;其判别距阵示萎缩性胃炎的符合率达78％。2.胃癌、胃溃疡和十二指肠溃疡3种病之间,胃液参数判别的差异亦十分显著;粘液、DNA、胆汁酸及pH值的判别效果有显著性;胃癌和十二指肠溃疡的判别符合率分别为63.3％及92％。3.浅表性、浅表-萎缩性和萎缩性胃炎进行判别时差异有显著意义,本组有判别作用的参数则依次为粘液、胆汁酸以及蛋白酶和pH值4项;判别距阵显示的符合率,萎缩性胃炎为51％,浅表性胃炎为75.8％,而浅表-萎缩性仅13％,表明后者具有很高的重叠性。     

距离判别中存在的一个问题

判别分析是多元统计的重要内容之一，然而，在众多文献中（如（１），（２），（３），（４），关于判别分析中的距离判别问题却存在着一个既简单但又难发现的错误结论，本文对此进行了纠正，同时，指出了距离判别本身的一些缺点和问题。     

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。     

分类变量关联性的一个应用

本文把衡量分类变量关联性的方法应用于台风暴雨过程的因子分析,进而对暴雨过程者预报。     

贝叶斯与k-近邻相结合的文本分类方法

为了提高分类器的精度,对分类器的结构进行了改进,提出了一种基于贝叶斯和k-近邻组合分类器的模型,该分类方法结合了贝叶斯方法分类速度较快和k-近邻方法分类准确率较高的优点.实验结果表明,该方法在保证分类速度的前提下,有效地提高了分类准确率.     

贝叶斯方法在会计决策中的应用

在会计决策分析中所采用的先验概率通常由会计人员的主观判断来确定，使用贝叶斯方法能够对其进行修正，使之更加符合实际。本文将贝叶斯方法和决策论相结合，能够使会计人员取得一个期望成本最小化的最优决策。     

基于贝叶斯判别分类的笔迹检验定量分析

应用多元统计分析方法中的贝叶斯判别分析理论对笔迹检验中选取的笔迹特征进行量化处理,从而建立起评价的函数模型,定量地分析笔迹检材与样本的符合程度,迅速、科学、准确地得出鉴定结论,对提高笔迹检验的鉴定质量和检验的综合能力起到了很大的作用,更有利于文检技术人员出庭作证。     

贝叶斯判别中对样品判别的评价研究

首先对两个正态总体的贝叶斯判别中样品判别优劣的评价进行了研究,然后又将其推广到多个正态总体的情况。提出了待判域的概念,用以鉴别误判损失没有统计学意义的样品;提出了判别系数的概念,用以对样品判别的优劣进行评价。最后,指出了不足以及需要进一步研究的内容。     

改进朴素贝叶斯分类算法的研究与应用

由于生成参数学习方法以极大似然性为目标,从而导致分类精度较低.针对这一问题,本文提出了一种以最大化分类精度为目标的高效判别参数学习方法.该方法通过在频率估计方法中加入一个判别参数,从而判别性地计算参数的出现频率,加强实例属性与分类类别之间的关联性.在UCI数据集上的实验表明,该方法综合了生成学习与判别学习的优点,分类精度与目前主流的SVM算法相当,但是在训练时间上具有明显的优势.最后将本方法应用于油水层模式识别当中,其分类性能优于其他算法.     

朴素贝叶斯分类在数据挖掘中的应用

数据库信息分类中,朴素贝叶斯分类模型是一种简单有效的分类方法,它理论基础好,分类精度高.本文运用朴素贝叶斯分类的方法,对所给数据进行分类和预测,通过一个实例给出了该算法对于预测数据进行分类的详细过程.     

朴素贝叶斯分类在仪表故障判断上的应用

为了探讨朴素贝叶斯分类在仪表故障判断领域的应用价值,通过将某核电厂压力表故障的历史信息进行分类汇总,将故障的判断转换成文本分类任务,结合朴素贝叶斯分类算法和自然语言处理建立故障的分类模型,实现对新增故障的准确判断。通过验证,朴素贝叶斯分类模型能够对新增故障进行判断分类。测试中需要进行校验类故障准确率能够达到95%以上,其他类故障准确率高于70%。传统故障判断一般是由人来完成,通过贝叶斯分类模型实现对故障的判断,可减轻人员劳动强度,提高工厂维修自动化水平。     

半监督学习贝叶斯分类

分类器的学习采用半监督贝叶斯方法,使用EM算法求解最大似然估计,实验结果表明能够获得较好的结果。     

艾森斯坦因判别法的应用

利用艾森斯坦因判别法，对某些类型的整系数多项式及某些“大”系数多项式的不可约性进行了有效的判别．     

改进的线性判别回归分类人脸识别算法

对线性回归分类算法进行了改进。考虑了线性回归分类算法中没有考虑的类间信息,通过选择类模式的投影方向判别不同类的模式,不同类的模式互相远离,相同类的模式尽可能靠近来估计投影矩阵;再利用投影矩阵将训练图像及测试图像投影到各类的特征子空间;最后,计算出测试图像与训练图像间的距离,利用K-近邻分类器完成人脸的识别。在FERET人脸数据库上进行实验验证。实验结果表明,相比其他回归分类算法,本算法取得了更好的识别效果。     

采用Fisher线性判别分析进行MEG信号的分类

脑磁图(MEG)具有比脑电(EEG)信号更高的时空分辨率,可以作为输入信号建立脑-机接口系统.提出一种脑磁图的特征提取和分类方法,首先对MEG信号进行预处理,然后提取时域特征,最后采用Fisher线性判别分析进行分类.将该算法用于2008年脑-机接口数据竞赛的数据集Ⅲ,该数据集为一个典型的采用MEG信号的脑-机接口系统.离线分析结果表明,该算法取得了很好的分类准确率,对两个测试者(S1和S2)的分类正确率分别为5946%和4324%.与其他方法相比,该方法简单有效,运算速度快,具有较高的参考价值.     

论判别式的应用技巧

一元二次方程根的判别式在一元二次方程、一元二次不等式、二次三项式和二次函数这四个“二次”中,有着广泛的应用,稍不注意就会出现这样或那样的错误。本文通过对六个问题的分析,以窥一斑。