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...     

判别分析中错判的概率及修正

在判别分析中,无论采用那种判别方法,错判是不可避免的.错判的来源主要有2方面,一是各类总体的均值相近,另一是各总体的协方差的非齐性,针对各种原因给出相应的修正原则和方法.     

贝叶斯判别与逐步分类判别相结合的一个应用

首先对贝叶斯判别和逐步分类判别作了简单介绍,在分析两种判别方法的优势后,提出了将二者相结合的运用方法,先应用逐步分类判别剔除多余变量,再利用贝叶斯判别构造判别式,给出贝叶斯逐步分类判别的具体计算步骤,通过计算实例说明此种方法是行之有效的.     

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．     

一种多总体的判别分析

判别分析是对样品或者个体进行判别分类的一种统计方法.对多总体数据进行判别分析时,总体之间的差别信息被看成同等重要,然而,这种判别效果往往不是很好.为此,提出一种结合分组的判别方法,根据各个总体的差别不同将总体分成若干组,然后对每组的数据进行判别分析,并将其应用于实例,证明在一定条件下,这种结合分组的判别方法有效.     

基于Fisher判别分析法的无粘性土渗透破坏类型判别

运用Fisher判别分析理论,选取6个特征粒径和孔隙率共7个指标参数,针对无粘性土管涌和流土的判别问题,建立了Fisher线性判别函数模型.利用回代估计法对模型进行检验,误判率为0.将所建立的模型用于其它9个案例的预测,结果与实际情况吻合良好.模型检验及实例计算结果表明,本文方法科学合理且可操作性强,能够为无粘性土渗透破坏类型的判别提供一条新的途径.     

解析几何上的一个判式

给出了平面和一般二次曲面相切与否的判定公式,是对二次曲面理论的一点补充．     

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。     

判别式法求值域的问题分析与评价

判别式法求值域、最值或变量的取值范围是中学数学中常用又易出错的方法,文[1]指出了"利用△法求函数值域应注意的问题"读后感觉意犹未尽,现对利用判别式法求值域作以详尽的分析与评价,供参考.     

改进的距离判别分析法

在不对判别变量进行处理的条件下,对传统的距离判别方法进行改进,提出一种新的判别方法,试图解决复杂球形数据的判别问题,以提高判别的正确率。通过实例表明,该方法的判别效果良好,能较好地处理复杂球形数据的判别问题。     

一种改进的最佳鉴别平面

在模式识别领域,基于Ｆｉｓｈｅｒ鉴别准则函数的Ｓａｍｍｏｎ最佳鉴别平面技术有着重大的影响。特征抽取的一般原则是最好抽取模式朱相关的特征,而Ｓａｍｍｏｎ最佳鉴别平面的２个鉴别投影方向虽然是正交的,但一般也是统计相关的。实验结果表明,改进的最佳鉴别平面具有良好分类效果。     

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。     

特征识别的距离判别方法

针对距离判别法在处理复杂数据时的不足,提出了一种新的判别方法.该方法通过对各个总体的特征识别,确定其特征个数,并结合动态聚类的方法确定各个总体的特征点.然后采用近邻原则建立判别模型,对样品的属类做出判别.实例表明,该方法的判别效果良好.     

Face Recognition Using Kernel Discriminant Analysis

Linear Discrimiant Analysis (LDA) has demonstrated their success in face recognition. But LDA is difficult to handle the high nonlinear problems, such as changes of large viewpoint and illumination in face recognition. In order to overcome these problems, we investigate Kernel Discriminant Analysis (KDA) for face recognition. This approach adopts the kernel functions to replace the dot products of nonlinear mapping in the high dimensional feature space, and then the nonlinear problem can be solved in the input space conveniently without explicit mapping. Two face databases are used to test KDA approach. The results show that our approach outperforms the conventional PCA(Eigenface) and LDA(Fisherface) approaches.     

分娩方式选择的判别模型

根据一组不同情况产妇所测数据，应用Ｆｉｓｈｅｒ判别法及逐步Ｆｉｓｈｅｒ判别法分别建立起分 娩方式选择的判别模型．所建模型与实际情况吻合良好，回代及外延正确率高，应用方便，可在 临床上使用．     

猕猴骶骨性别判别分析

目的:探讨太行山猕猴骶骨指数性差.材料和方法:成年猕猴骶骨标本55例(雄17,雌38).选择骶骨5个线性变量和4个指数变量;统计处理采用ANOVA、多元判别分析和二元逻辑回归分析.结果:大部分骶骨线性变量存在性差(P0.05),雄性大于雌性;猕猴骶骨相对宽指数性差显著(P0.01),雌性大于雄性.多元判别分析性别正确判别率为78.2%~87.3%.逻辑回归分析性别正确判别率为83.6%~87.3%.结论:骶骨变量性差显著,骶骨体长和骶骨相对宽性别判别的能力较强.     

一种改进的核Fisher鉴别分析方法

核Fisher鉴别分析(KFDA)已成为抽取非线性特征的最有效方法之一.针对在解决两类模式分类问题中KFDA只能获得一个鉴别矢量的弱点,提出了一种改进的核Fisher鉴别分析(MKFDA)方法,该方法对特征空间中的两类间离散度进行了重新估计,通过使用核类间散布矩阵的一种特殊形式,我们可以得到最多N(N为训练样本数)个鉴别矢量,从而提高了两类模式问题的分类性能.在IRIS数据上的实验结果验证了MKFDA方法的有效性.     

非平衡数据集Fisher线性判别模型

非平衡数据是指两类问题中正类样本与负类样本个数不相等,甚至相比悬殊.非平衡数据集会导致许多分类器的性能下降,这与分类器的构造原理有关.本文首先阐述了Fisher线性判别的分类机制,指出当两类样本的协方差矩阵不同时,样本不平衡会导致Fisher线性判别的性能下降.在此基础上,提出了一种加权Fisher线性判别(WFELD),以减小样本不平衡的影响.然后,从UCI中选择了8个非平衡数据集,并采用ROC曲线下面积作为评估指标进行比较,实验结果证明了WFLD模型的有效性.     

基于多层自动编码机的fisher判别分析

在常见的特征提取方法中,Fisher判别分析（Fisher Discriminant Analysis,FDA）只能提取线性特征,基于核的方法具有提取非线性特征的能力,但对核函数类型及其参数十分敏感. 文中研究如何有效提取数据特征,提出了一种基于多层自动编码机（Stacked AutoEncoders,SAE）和Fisher标准的特征提取算法,该算法中所使用的深度学习网络模型在训练过程中结合无监督特征提取SAE以及有监督的特征提取FDA. 通过与多层自动编码机、极限学习机（Extreme Learning Machine,ELM）等模型提取的特征进行对比,在数据集Pendigits、mnist、ORL和AR上利用支持向量机对数据特征进行分类,结果表明基于SAE的Fisher变换（FDA-SAE）在分类结果准确率以及分类时间上都有较好的效果. 特别是在小数据集AR上,当样本特征较少的情况下效果非常明显.