一种非线性判别方法——堆球法及其应用

提出一种新的非线性判别方法,亦称堆球法,可用于机械故障诊断及质量控制.给出了这种方法的算法,分析了其基本性质.该方法简单且适用面广,程序实现容易.应用于滚动轴承滑动擦伤诊断的实例也表明了其有效性与实用性.     

山西翅果油天然群体果实类型的划分

以山西南部4个翅果油种源区的野生翅果油果实和种子为材料,以果长、果宽、种长、种宽为指标对翅果油进行了聚类和判别分析,对翅果油大宫灯、小宫灯和长果型进行了初步的类型划分,并建立了翅果油各个果型的判别函数。结果表明：分类后果型内部差异较小,果型间差异较大,分类效果显著;聚类分析后,以果长、果宽、种长、种宽为指标进行判别分析,得出3种果型的判别系数。根据判别系数建立3种果型的判别函数：Y长果型=7817x1+7059x2+15949x3 +1028x4-356719;Y大宫灯=7563x1+7703x2+13544x3+10327x4 -324752;Y小宫灯=5728x1+ 6787x2+12564x3+9606x4-250641。判别回代正确率达984 %,能较好地判别果型的类别。     

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。     

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.     

低孔渗储层油水层判别分析方法

低孔渗储层油水层判别分析方法,从大庆长垣以东特低渗透油藏常规测井物理参数的概率分布属性具体特征出发,首先分析确定了特低渗透油层、油水同层、水层及干层的常规测井物理量的概率分布有的具有正态属性,有的具有近正态甚至完全偏离正态属性。据此充分利用传统的参数判别分析法对正态属性判别精度高的优势,提高判别符合率,同时考虑到非参数判别分析方法对非正态属性的适应性与稳定性特点,将两种判别分析方法有机结合,优势互补,建立了半参数判别分析模型,实现提高流体识别符合率的目标。经10口井资料处理解释,符合率达96％,见到明显应用效果。     

山区公路泥石流易发性评价的Fisher判别分析法

针对山区公路泥石流易发性评价问题,基于Fisher判别分析理论,在分析影响泥石流易发程度的基础上,选取9个影响因子作为判别指标,以G314线奥依塔克镇至布伦口段公路50条沟谷作为学习样本,建立了山区公路泥石流易发性评价的Fisher判别分析模型,利用回代估计方法对建模数据逐一进行检验,正确率达100%,并选用其它4组待检样本对判别模型进行验证,验证结果均与实际情况相符.研究结果表明:Fisher判别分析法用于山区公路泥石流易发性判别效果良好,是解决评价山区公路两侧沟谷泥石流易发性的一种有效方法.     

基于局部保留映射与径向基网络的人脸识别方法

局部保留映射（locality preserving projections,LPP）选择人脸子空间特征包含非线性信息而不利于最近邻法分类．基于径向基函数（radial basis function,RBF）分类器可以将非线性可分问题转化为线性可分问题的特点,提出了利用LPP子空间和RBF网络相结合进行人脸识别的方法,LPP算法采用监督模式,RBF网络隐层中心采用正交最小二乘（orthogonal least—squares,OLS）法训练．实验结果表明,该方法在Yale—B和Yale—B Extended人脸数据库上的识别率为95．67％,在CMU—PIE人脸数据库上的识别率为98．52％,具有较好的抗噪能力,识别效果优于特征脸、Fisher脸以及拉普拉斯脸法．     

线性判别分析和降维方法应用于基因芯片数据分析

主要采用偏最小二乘法和线性判别分析(LDA)有监督分类的方法来对基因芯片(微阵列)数据进行分析.PCA,PLS是一种提取海量数据有效特征的有效方法,而且可以获得与原来基因芯片数据更为接近的成分的提取特征的效果.比较PCA降维和PLS降维对LDA统计判别分类的效果.得出的结论可为工业应用提供科学依据.     

威布尔分布模型的一类贝叶斯判别分析

设有两个具有不同尺度参数的威布尔分布模型.对于待监测的寿命样本,给出相应的判别分析问题的贝叶斯停止判决法则,其中损失函数包括试验费用和误判损失两部分.     

带权稀疏PCA算法及其应用

主成份分析(PCA)算法是特征提取的重要方法之一,由于其本身没有提供更多的分类信息,直接在其上进行识别效果往往并不理想。为了提取PCA特征值中有利于识别的特征信息,提出一种带权稀疏PCA算法。它利用基本PCA算法实现去噪功能,利用Lagrange乘子方法求得使PCA特征空间中类内距离最小,类间距离最大的一组权值,并利用稀疏PCA(SPCA)算法解决维数约简和保留小特征值对应的特征向量所含的分类信息。在公开人脸数据库上对该算法进行测试,实验结果表明该算法不仅运行速度快,而且有较高的正确识别率。