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.     

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。     

深部巷道岩爆加权距离判别法模型的分析和应用

根据距离判别理论,以巷道最大切向应力和岩石单轴抗压强度的比值、岩石单轴抗压强度和岩石单轴抗拉强度的比值以及弹性能量指数为判别因子,并应用主成分分析法计算权矩阵,建立加权距离判别模型。利用冬瓜山铜矿深部岩体工程实例为学习样本进行训练,通过判别模型的学习功能确定岩爆与其各影响因素之间的复杂关系。用该模型对金川深部岩体工程进行判别,其结果与实际情况基本一致,说明此模型对深部岩体工程岩爆的预测具有较强的实用性。     

基于熵理论的加权马氏距离及其应用

分析了加权马氏距离判别分析中的权值问题,提出了用熵理论来确定加权马氏距离中权值的方法。实证分析显示基于熵理论的加权马氏距离要优于基于主成分的加权马氏距离。     

利用二次型判别多元函数的极值

利用二次型的正定性和负定性讨论多元函数的极值判别法并应用到二元函数上。     

基于加权二次误差度量的点云模型简化方法

本文详细介绍了二次误差度量法在点云模型简化数据处理中的原理、方法及其应用。针对其存在的局限性,本文引入加权思想,很好地处理了图形表面模型三角化格局对原方法的影响。通过实验及精度分析表明,本文算法整体上要比传统二次误差度量法算法的精度高,而且可以保留更多的特征点。     

一种基于加权马氏距离的TOPSIS改进评价法及其应用

传统TOPSIS评价法构造的正、负理想解容易产生逆序现象,而且使用的欧氏距离无法考虑到决策指标之间的相关性;针对此类问题,提出了一种基于加权马氏距离的TOPSIS改进法:一是用极差变换法对评价指标进行无纲化处理,消除逆序现象;二是对评价方案做正交变换,利用变换后的评价方案到正、负理想解的马氏距离代替传统欧式距离,经案例证明,改进后的TOPSIS优于传统的方法。     

动态综合评价的二次加权法

针对一类特殊的多指标决策问题一动态综合评价（或排序）问题，提出了一种基于二次加权平均的新的动态排序方法．这种方法具有原理简单、易懂、易操作、计算量小等特点．     

n元实二次多项式因式分解的矩阵判别法

用矩阵方法给出了一个判别实ｎ元二次非齐次多项式可分解为二个一次因式的乘积的方法，解决了这类多项式的因式分解问题。     

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。     

利用二阶网络和判别分析建立分层混合专家模型

利用多层二阶神经元网络快速收敛及逼近连续函数的良好性质,并结合判别分析思想,构建了一种新的分层混合专家结构模型。这种结构模型选用二阶网络作为专家模块,可调权值数量适中,收敛速度快;它首次引入判别分析统计方法,并借鉴模块化设计理念,构建了无训练参数的组合门网模块。专家和门网模块的改进与设计,从根本上降低了分层混合专家网络的训练难度,提高了网络的训练速度和泛化能力。对典型非线性pH值混合槽实例进行了实验,结果表明,在相同的终止条件下,与目前常用的结构模型相比,新型结构模型的收敛速度和泛化能力都得到了显著的提高,验证了新模型在函数逼近应用中的良好特性。     

基于距离判别的心电身份识别技术研究

针对传统生物特征身份识别技术易于破解的弊端,提出了心电信号身份识别技术。分析了心电信号身份识别的距离判别法则。结合马氏距离、小波距离、谱能量距离和相关距离算法,提出加权系数智能匹配算法。下位机利用双电极法采集心电信号,经串口送往上位机。Matlab软件平台下,编程实现心电信号数字处理和身份识别。通过对40个人的心电样本进行测试,获得了95%的识别结果。     

基于SVD的二次型距离相似索引层次算法

大容量多媒体数据库的基于内容相似性的检索本质上是高维特征空间中一定距离函数的 K近邻问题。对适合人类视觉的二次型距离函数 ,即使采用相似索引 ,当特征空间维数较高时检索仍不能保证实时性。为了解决此问题 ,提出基于 SVD(Singular Value Decomposition)的二次型距离相似索引层次算法 ,先以相似索引为基础在主导特征的子空间上进行代价低的近似检索 ,再对过滤结果在高维特征空间中进行线性的精确检索。实验证明 :该方法具有正确性、有效性和实时性     

PCA结合马氏距离法剔除近红外异常样品

采用PCA(principal component analysis)结合马氏距离法对近红外校正样品集中的异常样品进行剔除,从校正集的60个食醋样品中剔除了12个异常样,用剩下的48个样品建立了总酸、挥发酸的校正模型,并对预测集的15个食醋样品进行预测分析,以相关系数(R)、预测均方差(RMSEP)、平均相对误差(Er)为预测模型的评价指标.预测集R分别为0.9759,0.9383;RMSEP分别为0.0938,0.1635;Er分别为1.34%,2.80%.与原始校正集所建模型相比,校正模型的预测精度和稳定性得到显著提高.     

基于偶对约束和马氏距离的半监督模糊聚类算法

研究了基于偶对约束的半监督模糊聚类,将马氏距离引入到半监督模糊聚类SCAPC(semi-supervised fuzzy clustering algorithm with pairwise constraints)中,获得了一种新的半监督模糊聚类目标函数,通过求解优化问题,提出了一种基于偶对约束和马氏距离的半监督模糊聚类算法M-SCAPC(Modified-SCAPC).针对选择的标准数据集和人工数据集,对提出的算法M-SCAPC进行了实验研究,并与FCM(fuzzy C-means)、AFCC(active fuzzy constrained clustering)和SCAPC算法的聚类性能进行了比较,表明了提出的算法M-SCAPC在收敛速度和正确率方面的有效性.     

适用于加权样本集处理的加权支持向量机方法

为了处理模式识别问题中具有加权信息的样本集,提出一种加权支持向量机(weighted support vector machine,WSVM)算法,并对算法进行了理论分析.通过引入样本与超平面加权距离的概念,使得WSVM算法可以对样本的权值信息进行有效处理.针对未明确给出权值分布的样本集,提出一种基于类间中心距离确定权值的经验方法,对加权支持向量机算法采用交叉验证技术在人工及真实数据上进行了仿真,结果表明,加权支持向量机比标准支持向量机具有更小的误识率和更好的稳定性.     

基于 Mahalanobis距离进行人脸表情的识别

提出了利用Mahalanobis距离进行人脸表情识别的方法.首先将待分类的图像样本集进行坐标变换,使得变换以后类间离散度尽可能大而类内离散度尽可能小,即使变换以后的Fisher准则函数取得极大值,在新的坐标下求每个待分类样本到各类均值向量的Mahalanobis距离,从而将待分类的样本归到Mahalanobis距离最小的类中去,通过实验得到了平均80.25%的识别率.     

一种改进的加权支持向量机

根据支持向量样本、边界向量样本、噪声样本、中心距离比值、百分位数和加权系数之间的关系,提出了基于中心距离比值的加权支持向量分类机,有效地处理了支持向量样本对加权系数的影响,并能够应用于非均衡数据和噪声数据,从而提高了加权支持向量机的分类能力.