基于改进Fisher判别的起步工况驾驶风格研究

以实验采集的起步工况驾驶数据为基础,利用PCA分析筛选出驾驶员在起步工况下的风格特征参数,采用GMM聚类算法对起步工况下的驾驶数据进行分析.以驾驶风格聚类分析结果为基础建立了基于Fisher判别的驾驶风格识别方法模型,运用经典和改进Fisher判别对驾驶风格数据的测试集进行识别.结果表明,改进Fisher判别的识别正确率可达85%以上,证明了改进Fisher判别在处理驾驶风格会影响车辆的多种性能表现时有效,具有较高的准确性.     

基于变量逐步选择的Bayes信用风险判别模型

 应用逐步判别理论筛选模型自变量,建立Bayes判别函数,推导出具体的判别模型.实证分析显示,模型具有良好的分辨精度.考虑到模型的应用范围,变量筛选时舍弃了上市公司特有的一些财务指标.     

主成分分析法和Fisher判别方法在汽油分类分析过程中的应用

应用主成分分析(principal component analysis,PCA)法对从90#和93#两种汽油的50个实验样所取的特征数据进行降维处理,再结合Fisher判别方法对这两种汽油进行分类,并将分类结果与不采用PCA法而直接计算数据所得出的Fisher判别结果进行比较,前者的分类正确率达到100%,而后者却只有50%.结果说明采用PCA方法事先对数据处理可以大大的提高汽油分类的准确性.     

基于BSC和主成分分析模型的软件企业综合绩效评价

在软件企业综合绩效评价中，指标体系的构建和评价方法的选择十分关键，也是一个难点。本文通过BSC来构建软件企业综合绩效评价指标体系，并通过主成分分析法将众多的原始指标简化为少数的几个综合指标，对样本企业的综合绩效进行了较为客观的评价。     

学生成绩的Fisher判别

用逐步判别的方法分析某校学生后续课程多媒体制作软件学习成绩与前面所学各科成绩及招生类型之间的关系.再用Fisher判别方法建立多媒体制作软件学习成绩的线性判别函数,用此函数回代判别结果及对其他学生成绩的判别结果是令人满意的.     

中小型滑坡隐患点状态判别分析法及结果分析

针对中小型滑坡灾害的特点,比较了各种稳定性评估方法的优缺点,得出工程类比法更加符合中小型滑坡灾害隐患点状态评估的现状。为此,将一种多元统计分析的判别函数法应用到滑坡灾害隐患点状态的评估中,建立了一种以历史资料为基础的工程类比法。首先确定了中小型滑坡灾害影响因素,根据历史资料分析了影响因素指标与稳定性的相关性然后将稳定性作为多维统计变量,投影到一维直线上,使得由不同稳定性总体产生的投影点尽可能分开,再利用距离判别法来建立判别准则。以重庆市武隆为例,进行实际评估,并验证了该方法的正确率和适用范围,得出该方法作为一种定性评估方法具有一定的实用性,适用于重庆市或具有类似地质环境的地区。     

基于KPCA和模糊核Fisher判别的语音情感识别

针对语音情感识别率不高和实时性差的问题,提出一种基于KPCA核主成分空间的模糊KFD算法,应用于语音情感识别。首先采用KPCA对语音情感特征向量降维去噪,根据转换矩阵得到核主成分空间,然后在该特征空间利用模糊C均值聚类计算语音特征向量的隶属度,进而对LDA算法中的类间离散度和类内离散度重新定义,生成模糊KFD分类器进行语音情感识别。仿真实验结果表明,提出的方法相比于传统SVM和核Fisher判别算法具有较高的识别率和良好的抗噪性能,是一种行之有效的语音情感识别新方法。     

基于Logistic回归分析模型的足球彩票预测方法

本文收集了2010年-2011年意大利足球甲级联赛前30场比赛中得分、积分、主客场情况、净胜球数等数据,首先对数据做主成分分析,剔除影响不显著的变量,然后运用多分类Logistic回归方法,建立Logistic回归模型,预测比赛结果.结果显示:对2010年-2011意大利足球甲级联赛结果影响较大的是主客场,多分类Logistic回归模型判断正确率较高.     

基于贝叶斯判别器的面部检测

 提出了1种基于PCA(主成分分析)的贝叶斯判别器用于检测灰度面部图像.为检测面部图像,首先用PCA减低训练图像的维数以为判别器提供教好的图像描述.训练图像包括面部图像和非面部图像并给出正确标识,用EM算法学习图像的特征向量.在构建好学习模型后,用贝叶斯后验概率检测未知样本.模型参数估计和判别原则都是基于最大似然度.在估计了概率密度函数后,贝叶斯判别器可产生最小的误差,为分类的教优准则.本方法用2356副面部图像和3780非面部图像作为学习样本,学习过程获取面部图像与非面部图像的差异而构建判别模型.训练图像包括不同位置,不同表情,不同亮度条件的同一对象图像.训练模型用于检测205副面部图像,实验结果在文章第4部分给出.     

基于主成分分析法的我国上市公司信用风险评价模型

采用理论分析与实证分析相结合的研究方法，建立了适合我国上市公司信用风险评估的模型。该模型采用主成分分析法筛选出我国企业信用风险评价的主要指标变量，并选取我国2002年度22个行业500家上市公司的财务数据样本，对该模型进行验证，得到的判别正确率为88．67％。该模型评价指标体系简单，实用性强，运行成本低，准确率高，为我国上市公司信用风险评价提供了一种新的有效方法。     

基于PCA-GABP的高技术企业信用风险评价

针对高技术企业信用风险评价中高维、非线性的问题,提出基于主成分分析与遗传算法的改进BP神经网络相集成的高技术企业信用风险评价方法.首先利用主成分分析对高技术企业信用风险评价指标体系降维,并运用降维数据,建立关于高技术企业信用风险评价的GABP神经网络的模型.最后通过实证分析,验证该方法的可行性.     

基于测井相分析技术的复杂岩性识别方法研究

准确识别储集层岩性是海拉尔-塔木察格盆地塔南油田铜钵庙组储集层测井评价面临的主要问题。由于目标区块岩性十分复杂,常规的岩性测井识别方法不能满足该区块岩性准确识别的要求。以测井相分析技术为基础,首先选取该区一口岩心资料齐全和测井质量好的井,对常规测井曲线进行Z值标准化;其次利用主成分分析,对选取的测井参数进行降维处理,提取了四个主成分;然后,利用K均值聚类划定了9类测井相;并通过测井资料划定的测井相与岩心资料对比,建立了测井相-岩性数据库;最后利用Fisher判别法建立了目标区块的岩性判别模型。将建立的判别模型对塔南油田铜钵庙组实际井资料进行了处理,结果显示:预测的岩性与岩心描述的岩性基本一致,验证了测井相分析技术在复杂岩性识别中的可靠性。     

基于主成分分析和logistic回归的中小微企业信贷决策

中小微企业由于自身经营规模、持续经营时间等因素的影响,相较于大型企业而言,其信贷风险较高,因此往往会陷入"融资难"的困境中.高信贷风险已成为银行发展中小微企业信贷业务的掣肘,如何对中小微企业的信贷风险进行预测是发展中小微企业信贷业务的关键.首先根据中小微企业进销项发票信息进行特征提取和降维处理,再利用logistic回...     

P2P网贷平台借款人信用风险评估

为提高P2P网贷平台对借款人信用风险评估的准确性,利用主成分分析模型,用8个主成分反映18个指标,依据熵权法和方差百分比赋予权重,得到借款人是否违约还款的临界值,依据该值对借款人是否违约还款进行评估;再利用Logistic回归模型,得到影响借款人违约发生率的4个指标,其按影响程度从大到小的排序为借贷子等级、借贷目的、过去两年里超过30 d以上未及时还款的次数、贷款收入比。对11 383条交易数据的识别结果表明,在阈值为50%时,评估模型对正常还款的拟合率为99.6%,对违约还款的拟合率为71.3%,整体的拟合准确率为96.04%。     

深基坑支护结构选型决策的Fisher判别分析模型

针对传统的深基坑结构选型评价方法存在的问题,应用统计学理论并遵循“安全、经济、合理”的原则,选取了10个实测指标作为影响深基坑支护方案选型的判别因子,建立深基坑支护结构选型的Fisher判别分析模型 (FDA)。利用国内64组深基坑支护实例作为学习样本进行训练和检验,对水泥土重力式、土钉墙、桩锚、桩撑、地下连续墙等5种深基坑支护方案进行优选,并利用回代估计法对FDA模型进行检验。经过训练后的模型回判估计的误判率为14.1%。对另外10组待判样本进行测试,正确率100%。此外利用该模型对某市新世界中心工程深基坑支护结构选型进行决策,结果与实际情况符合较好,说明该模型在研究深基坑支护结构选型中具有良好的实用性和有效性,可为解决深基坑支护结构型式的优化选择提供一种新思路。     

基于Logistic模型的供应链金融信用风险实证研究

供应链金融这种全新的融资模式,不但解决了商业银行探索发展新模式,开拓新业务的问题,还化解了中小企业融资难问题;在全球信用危机下,金融机构和企业如何能有效地加强供应链金融信用风险的控制;基于Logistic模型,进而对纺织类企业样本进行实证研究,通过实证分析,对供应链金融信用风险进行度量和预测.     

基于PCA的道路运输企业安全评价研究

对基于主成分分析法的道路运输企业安全评价的可行性进行了分析,构建了道路运输企业安全评价指标体系,建立了道路运输企业安全评价主成分分析模型,并通过SPSS进行模型计算.最后通过5家企业安全评价算例,演示了应用模型的详细过程,验证了模型与算法的可行性.     

基于改进的2DPCA人脸识别方法研究

传统的主成分分析(PCA)方法在图像识别时需将图像矩阵转化成向量,造成图像向量的维数偏高,使得整个特征提取过程的计算量较大;在PCA的基础上,有人提出了二维主成分分析(2DPCA)的方法,但其本质是对图像矩阵按行进行特征提取,虽然消除了图像列的相关性,但是仍然忽视了行的相关性;因此,在此考虑一种改进的方法能同时消除图像行、列的相关性,并通过实验得到了比2DPCA更高效的识别率。     

基于上市公司财务数据的企业信用风险预测Logistic模型研究

随着国际金融市场的发展,多元化的金融工具和衍生工具在资本市场中得以运用和发展.上市公司作为自主经营、自负盈亏、自我发展的市场主体,面临着日益多变的市场环境,随时都要经受财务危机的考验.信用风险研究有助于对企业信用状况进行预测,动态了解企业发展的现状和未来的趋势,及时发现和解决企业财务管理中存在的问题,降低发生信用危机的概率,给投资者与信贷机构提供保障.本次研究选取我国深沪两市74家上市公司2013-2014年的财务报表数据,通过主成分分析降维,将17个财务指标浓缩为5个主成分因子,将5个主成分因子作为自变量建立回归模型.从上市公司的盈利能力、偿债能力、发展能力和营运能力四个角度,全面反映财务状况在企业信用中所起的作用.在选取变量、建立模型后,得到的整体预测水平较高,模型效果良好,可以将该模型运用于我国上市公司的信用风险预测,为投资者与信贷机构提供信用风险防范方面的帮助.     

基于核Fisher判别的复杂储层岩性识别研究

复杂储层中多种岩性均可作为储层,不同岩性的物性特征差异较大,分岩性解释复杂储层物性是求准物性较为有效的一种方法,但是不同岩性的测井特征相近,常规线性分类方法识别效果不理想,因为复杂储层的岩石识别中非线性分类特征占较大比例。针对这一问题,本文将Fisher判别分析(FDA)做核推广,形成核Fisher判别分析(KFDA),进一步利用Fisher判别中未提取的非线性信息,通过升维获得更多的非线性分类特征,然后再通过降维来提取利于岩性分类的特征。文章通过实验对核Fisher在数据预处理、关键参数的选取等方面进行了详细介绍,并将核Fisher方法与其它分类方法进行比较,验证了核Fisher方法的岩性识别能力,而对于不同岩性间的差异相似关系,造成岩性识别精度低的情况,提出了分级核Fisher判别分析的思路,研究证明利用分级核Fisher判别分析的思路可进一步提高岩性的识别精度。