基于DDA方法的滑坡稳定性预测

应用距离判别分析（DDA）方法,将影响滑坡失稳的外形特征、滑面特征等4项内在因素和河流作用、暴雨强度等5项外在因素作为判别因子,建立了滑坡稳定性预测的距离判别分析模型.以国内典型滑坡工程发生失稳的实测资料作为学习样本进行训练,建立相应判别函数,对待判样本进行预测.结果表明距离判别分析模型预测性能良好,预测精度高,回判估计的误判率为零,是滑坡稳定性预测的一种有效方法,可以在实际工程中进行推广应用.     

数据挖掘中的距离判别分析法

判别分析是统计学中的一种重要的数据处理方法,也是数据挖掘的重要技术之一。该文主要研究多元统计分析中的距离判别分析方法。第一,介绍了判别分析的基本思想。第二,主要围绕距离判别分析具体方法展开论述。首先,论述了距离的定义,主要介绍了闵可夫斯基距离和马氏距离的定义。其次,重点介绍了两总体的距离判别分析和多总体的距离判别分析的方法。分别从方差相等和方差不相等的两种不同情形进行展开论述。第三,阐述了判别准的评价,给出了误判率的估计值。     

判别分析和SPSS的使用

给出距离判别法,Bayes判别法和Fisher判别法三者之间的内在联系,给出SPSS中Fisher判别法、非标准化判别法所对应的函数表达式,它们与3种判别法的关系.用例子验证所得的结论,说明利用SPSS中的判别分析方法进行3种判别分析的具体过程.     

基于距离判别法的中国经济社会发展水平研究

运用多元统计中的距离判别法,对中国部分省市经济社会发展水平进行了研究,根据2011年中国人类发展指数报告的统计数据,先对10个省市进行距离判别法判别,得出了判别函数,然后选取6个省市进行判别分析,判别归类与原统计资料完全吻合,有利于对其他省份发展水平鉴定工作的展开。     

地下洞室超挖预测的距离判别分析方法和应用

 超挖问题是隧道开挖施工中不可避免的问题。本文基于距离判别分析理论并结合工程实际,建立地下洞室块体超挖预测的距离判别分析模型;根据工程实例中影响隧洞块体超挖的地质特征与组成,选用两组节理、一组层面的产状,以及洞室结构面的延伸和间距等指标作为洞室超挖预测的判别因子;以21组实测的洞室地质参数数据作为学习样本进行训练,建立相应线性判别函数预测超挖块体大小,经过训练后的模型回判估计误判率为0。最后,从野外地质调查着手,结合某一抽水蓄能电站的实测地质资料,应用建立的判别函数对平洞4（PD4）的超挖块体大小进行预测。结果表明,距离判别分析模型预测精度高,回代估计的误判率低,为地下洞室块体超挖预测提供了一种新思路。     

样本空间中的万有引力

借用宇宙空间中万有引力的思想 ,提出样本空间中“万有引力”概念 ,同时给出其在判别分析中的应用———引力判别法 .与Bayes、距离和Fisher判别法相比 ,引力判别法具有更广泛的适应性和较高的回代正确率     

基于多元统计分析的触觉图象模式识别

在触觉图象的统计描述特征量基础上，提出了用多元统计分析中得判别分析，对常用的特征量进行了选择，使判别更为有效，并给出了实用的判别方程，借此可以提高判别的正确率，也可解决圆和六角形易误判的问题。     

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％。     

东海和黄海双斑（蟳）4个地理群体的形态学变异研究

运用单因素方差分析、聚类分析、主成分分析和判别分析对双斑（蟳）日照、胶南、吕泗和舟山渔场4个群体的形态学差异进行了比较研究.单因素方差分析的结果显示,4个取样点双斑（蟳）群体未达到亚种差异水平.聚类分析结果表明,日照渔场群体和胶南渔场群体的欧氏距离最小,胶南渔场群体与舟山渔场群体间的欧氏距离最大,黄海群体与东海群体之间存在差异性.判别分析结果支持聚类分析所得出的结论.由此认为,东海与黄海双斑（蟳）群体间存在一定的形态差异.     

非参数判别模型

提出了一类新的判别分析方法,主要思想是将非参数回归模型推广到判别分析中,形成相应的非参数判别模型.通过实例与传统判别法相比较,表明非参数判别法具有更广泛的适用性和较高的回代正确率.     

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。     

露天采矿爆破振动对民房危害预测的DDA模型及应用

针对爆破地震效应评价中诸多因素不确定性问题,应用距离判别分析理论,选用爆破振动幅值、主频率、主频率持续时间、灰缝强度、砖墙面积率、房屋高度、屋盖形式、圈梁构造柱、施工质量、场地条件共10个影响因素作为判别因子,建立露天采矿爆破振动对民房危害预测的距离判别分析模型(DDA);以36组爆破振动实测数据作为学习样本进行训练,建立相应线性判别函数并利用回代估计方法进行回检,用12组现场数据作为预测样本进行测试.研究结果表明:回检误判率为2.78%;距离判别分析模型预测结果与实际结果较吻合,预测精度高,为露天采矿爆破振动对民房危害程度的预测提供了一种新思路.     

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。     

基于广义矩阵指数的判别局部保持投影方法

【目的】局部保持投影（LPP）是一种经典的非线性数据降维方法。在LPP方法基础上人们提出了判别局部保持投影方法（DLPP），并取得了良好的效果，但DLPP方法存在小样本问题，针对该问题提出了广义矩阵指数判别局部保持投影（GEDLPP）算法。【方法】基于矩阵函数的性质，使用广义矩阵指数函数来重构DLPP，即为GEDLPP算法。【结果】提出的算法有两个优点：一是解决了DLPP方法的小样本问题；二是GEDLPP所隐含的非线性映射拉伸了不同类别样本之间的距离，从而提高了模式分类的能力。【结论】在COIL-20数据库，Yale，ExtendedYaleB和CMU-PIE人脸数据集上的实验结果表明：与最近提出的解决DLPP小样本问题的改进方法相比，GEDLPP的识别率优于其他方法。     

两种山雀巢地选择的比较研究

对大山雀（Parusmajor）和沼泽山雀（P.palustris）巢地选择中17个生态因子作了比较研究,通过逐步判别分析得知：两种山雀在9个环境因子中都以平均树高（y2）、中心上层植物盖度（y4）和树种多样性（y5）三个生态因子判别力最强．为主要环境因子；两种山崔在8个洞因子中都以洞口短径（x2）、洞口内径（x5）和洞底短径（x8）三个生态因子判别力最强，为主要洞因子.在巢地选择中洞因子比环境因子相对重要（x2＝26.22＞13．99）两种山雀巢地选择中的区别是：3个主要环境因子中，大山雀与沼泽山雀相比较差异极显著（fmd＝6.02＞f0.01）；3个洞因子中沼泽山雀与大山雀相比较差异极显著（fmd＝6.02＞f0.01）．     

中国秀丽白虾不同地理群体的形态变异(英)

分别测量了300尾采自中国五个淡水湖（太湖、滇池、呼伦湖、兴凯湖和巢湖）秀丽白虾的10个形态学指标，运用三种多元统计方法对不同地理群体间的形态差异进行了比较研究.聚类分析结果表明，太湖群体和滇池群体的形态最为接近，而与兴凯湖群体、呼伦湖群体和巢湖群体的趋异程度逐渐增加.判别分析按雌、雄个体分别建立了5个群体的判别函数，其中雌体的判别准确率为80.0%~93.5%（P1），87.5%~93.5%（P2），综合判别率为90.8%；雄体的判别准确率为：80.0%~90.3%（P1），77.1%~95.2%（P2），综合判别率为87.8%.五个地理群体间的形态差异须有多项参数综合判别才能辨识.主成份分析构建的三个雌体主成份的累积贡献率为75.97%，而三个雄体主成份的累积贡献率为73.63%，五个地理群体间的形态差异主要取决于全长、尾肢长、头胸甲宽、腹部长和腹部宽等5个形态学特征.提示秀丽白虾的形态变异与其生活的水体理化因子和底质不同密切相关，推测环境因子对白虾形态特征的选择作用，使其群体表型具有可塑性.此外，不当的引种和人工养殖对滇池群体种质混杂的不良影响，需要进一步深入研究，并在选种过程中加以重视.     

一种交互判别聚类分析方法及应用

介绍了一种交互判别聚类分析方法，并成功应用于增发股投资价值的分析，其结果优于一次判别分析方法。     

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.     

基于不同判别准则的硬岩矿柱状态识别模型

基于162个硬岩矿柱样本,构建不同判别准则下矿柱状态识别的Fisher判别分析(FDA)模型、距离判别分析(DDA)模型和Bayes判别分析(BDA)模型,进而与多元逻辑回归(MLR)、极限学习机(ELM)、最小二乘支持向量机(LS-SVM)、支持向量机(SVM)、高斯过程分类(GPC)、分类回归树(CART)、神经网络(ANN)共7种常用的统计学习方法进行比较,同时探讨主成分分析(PCA)方法提高识别准确率的可行性,并对矿柱状态影响因子进行敏感性分析。研究结果表明:这10种统计学习方法中,GPC的准确率最高,FDA的准确率次之,然后是MLR,CART的准确率最低;对于3种判别分析方法,FDA的准确率最高,DDA与BDA的准确率几乎相当;增加判别指标,DDA和BDA的判别准确率显著降低,其他方法对判别指标增减不敏感;对某些方法,原始数据经PCA处理后不能提高其判别准确率;矿柱状态对矿柱应力最敏感,其次是矿岩单轴抗压强度,其对矿柱宽高比的敏感性较低。     

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。