太行山猕猴胫骨的性别判别分析

研究成年太行山猕猴胫骨变量在性别判别中的作用.本文对20例太行山猕猴(8♂、12♀)胫骨的8项变量进行测量,采用SPSS10.0forWindows分析软件中单因子方差分析和多变量判别分析.统计结果显示,所测项目性别差异显著(P<0.05);通过全模型法和逐步判别法建立胫骨变量的判别函数,判别率分别为100.0%和95.0%.说明利用猕猴胫骨进行性别判别具有一定的实践意义.     

太行山猕猴跟骨性差

目的:了解太行山猕猴跟骨性差大小.方法:测量太行山猕猴跟骨标本27例(♀16,♂11)的9项变量.运用SPSS13.0单因素方差分析和多元判别分析.结果:猕猴跟骨主要形态变量有较明显的性差,6项变量达到了显著差异水平(P<0.05).采用回代检验和交互检验方法判别率不同,多元判别分析性别正确判别率较高(>85%).结论跟骨的性差大小与身体性差大小有关,与雌雄个体异速生长速度有关.     

太行山猕猴下颌骨、颅骨和髋骨变量的性别判别分析

本对25例（♂9，♀16）成年太行山猕猴下颌骨的17项变量，24例（♂8，♀16）颅骨的20项变量和22例（♂11，♀11）髋骨的21项变量进行了测量，采用SPSS for windows 10.0的多变量差别分析方法对有关变量建立性别判别函数式。结果表明，采用逐步判别法，髋骨变量 性别判别分析时所用变量最少，髋骨，下颌骨和颅骨变量，差别率分别 为95.50%,88.00%和79．20％。     

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.     

判别分析在土壤资源质量评价中的应用——以怀远县为例

本文试用判别分析法,利用计算机对怀远县土壤资源进行评价。选用12个典型土种,9个变量(即评价项目),并进行数字化。经多变量判别分析后,8个变量被入选而有效。然后选取最佳参数建立判别模式,对未知归属的土种进行判别归类,对典型土种的等级进行验证或适当调整。判别结果与经验评价分类完全一致。     

太行山猕猴掌骨性差分析

目的是用猕猴掌骨变量建立性别判别函数.成年太行山猕猴骨骼标本39例(27雌,12雄).每根掌骨测量7个变量.数据分析采用SPSS 20.0.建立逐步判别函数.选择出来的性差较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(P>0.05).逐步判别函数选择出来最好的变量是掌骨长度.总体上5根掌骨的性别正确判别率较高,雄性判别率为83.3%~100.0%,雌性判别率为85.2%~100.0%,总的性别判别率达84.6%~94.7%.交互检验比回代检验判别率略微低一些.结果提示用掌骨长度变量可以很好的鉴定性别.     

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.     

高度残碎下颌骨判定性别的研究

目的：建立中国人高度残碎下颌骨的性别判定方法。方法：本研究测量了国内8个省市的有确切性别记录的160具尸骨的下颌骨,其中男性108例,女性52例,年龄范围18～75岁。测量指标共计55项,来自下颌骨左侧的前牙段下颌体、后牙段下颌体、下颌角、下颌支四个部位。使用社会科学软件包(SPSS)进行男、女性别间测量数据的t检验,筛选出性别差异显著的指标,使用判别分析方法,建立高度残碎下颌骨的性别判别方程。结果：方程共计74组,前牙段下颌体17组,后牙段下颌体13组。下颌角3组,下颌支25组,下颌角和下颌支联合判定16组。各部位性别判别方程的最高性别判别率分别为：整体判定,男性78．7％,女性84．6％,综合75．6％;前牙段下颌体,男性77．8％,女性67．3％,综合73．1％;后牙段下颌体,男性78．7％。女性76．9％,综合73．8％;下颌角,男性69．4％,女性75．0％,综合70．6％;下颌支,男性77．8％,女性80．8％,综合75．6％;下颌角与下颌支联合判定,男性75．0％,女性84．6％,综合75．6％。结论：本研究建立的高度残碎下颌骨性别判定方法．准确率高．使用方便．为法医学、考古学领域的骨残骸性别鉴定提供了依据。     

气测资料判别分析

根据气体进入泥浆及其运移的规律研究出从气测资料中找到一组判别油层的指标,应用Fisher判别分析提出一种先判别油层后判别气层或水层的两步判别法,用此方法对胜利油田110个样品进行了判别分析,判准率在80％以上。     

基于多标签核判别分析的人脸身份与性别识别方法

为解决多标签线性判别分析(MLDA)方法在非线性维数约简方面的局限性,提出了一种多标签核判别分析(MKDA)方法,并将其用于人脸的身份与性别识别中.该方法的基本思想是通过非线性映射将训练样本从输入空间映射到高维核特征空间中,并在该特征空间中进行基于MLDA的数据降维.在身份和性别识别中,首先采用MKDA方法对人脸图像特征向量进行降维,获取判别特征矢量集;其次,为每幅人脸图像赋予一个表征身份和性别的多标签类别矢量;最后,采用减秩回归模型(RRR)描述判别特征矢量与多标签类别矢量之间的回归关系,并利用该模型进行未知人脸的身份和性别识别.AR人脸数据库上的实验结果表明:在人脸身份和性别识别中,MKDA方法的识别率高于传统核判别分析(KDA)方法.     

太行山猕猴掌面花纹嵴数的性差

用太行山猕猴掌面花纹嵴数变量建立性别判别函数。测量25例(雌17例,雄8例)太行山猕猴掌面指间Ⅱ-Ⅳ区花纹的嵴数。用SPSS13.0统计软件进行多变量分析.选择掌面纹线脊数变量建立性别判别函数。结果表明:10项变量中有5项在雌雄之间达到显著性差异(P0.05),太行山猕猴的掌面花纹嵴数具有明显的性差,性别的正确的判别率为88.0～100.0%.     

猕猴颅骨变量和面角的性差研究

本文对27例(9♂,18♀)成年太行山猕猴颅骨有关变量进行单因素方差分析和多变量性别判别分析.结果表明,太行山猕猴的颅骨变量有明显的性别差异,15项变量中有9项性别间差异显著,其中3项变量有极显著性差异;颅骨的面角雄性较雌性小3.43°,颅骨单项变量性别判别率较低,范围在51.95%～74.10%之间,通过全模型和逐步选择法建立颅骨变量的判别函数,判别率分别为96.30%和74.10%.     

基于有效鉴别特征抽取的有限汉字集识别

在模式识别领域，基于Fisher鉴别准则函数的最佳鉴别矢量集技术有着重大的影响，根据统计不相关性最优鉴别变换，提出了在汽车牌照二值化图像中抽取汉字字符的有效鉴别特征方法，并将其应用于沪宁高速公路收费口处实拍的车牌图像库中，其识别率达97.13%，实验结果表明，此文所提出的牌照图中汉字字符集的有效鉴别特征方法是有效的。     

太行山猕猴锁骨性差研究

了解猕猴锁骨性差特征及影响因素.太行山猕猴锁骨和颅骨标本51例(雄:18,雌:33).选择锁骨11个变量.数据分析采用SPSS 19.0.用判别分析方法建立锁骨性别判别函数.单因素方差分析锁骨大多数变量性差显著(P<0.01).采用有关锁骨变量性别正确判别率较低(50.0%~76.5%).考虑到锁骨与颅长比值,性别正确判别率有所增加(80.4%~86.3%).整体上雌性判别率高于雄性,两侧之间没有明显差异.这种性差模式主要与锁骨特殊生长模式、形态结构、行为习性和种属特异性有关.