结合FDA与NMF的高光谱数据解混方法

高光谱图像解混是遥感图像处理的重要技术之一．利用非负矩阵分解（NMF）进行高光谱图像解混是近年来发展起来的一种方法．这种解混方法假设光谱具有稳定的光谱特性;但实际上光谱经常是多变的,这个现象影响着解混的精度．为了减小这一影响,首先利用Fisher判别分析（FDA）对高光谱数据进行线性变换,而后利用变换后的高光谱数据提出了一种FDA与NMF相结合的高光谱数据解混方法．实验表明新方法能够有效地提高解混精度与效率．     

鄂尔多斯地区沙漠化遥感定量评价

利用Landsat TM遥感光谱信息,构建了多维向量空间下的14个遥感定量指标,采用Fisher逐步判别分析法从这些指标中筛选出8个与沙漠化现状(非沙漠化、潜在沙漠化、沙漠化)密切相关的指标(氧化铁、地表反照率、植被指数)和反映水与植物特性的5个波段(波段1,2,4,5,7),又分辨出6个与沙漠化程度密切相关的变量(氧化铁、地表反照率、植被指数和反映土壤水分和植物水分的2个波段(波段5,7)).利用这些指标建立的判别方程对鄂尔多斯地区沙漠化程度进行了评价,并与2000年的沙漠化程度评价结果对比,发现判别方程的精度达68.9%.结合遥感光谱信息和Fisher分类器可以在遥感图像处理软件下实现沙漠化现状与程度的自动识别,与单纯使用遥感光谱信息进行分类相比,引入遥感代用指标,对于沙漠化现状与程度的分类和分级具有更好的效果.     

一种LDA和聚类融合的SVM多类分类方法

改进传统的基于二叉树结构的支持向量机多类分类方法。将无监督聚类引入到算法中,利用无监督聚类剔除大量的非支持向量样本,同时对于无监督聚类在异类样本相近时出现的性能下降问题,引入线性判别分析使得同类样本聚集,异类样本分散,确保聚类精度。线性判别分析和无监督聚类结合能够显著地缩减训练样本。该方法能够在保持分类准确率的情况下有效地提高SVM的分类速度。     

线性判别分析与主成分分析及其相关研究评述

线性判别分析（LDA）和主成分分析（PCA）都在各个领域有着重要的作用。他们各自抓住样本在特征空间的不同特征,一般情况下更趋向于使用LDA,因为LDA直接处理类间的分析问题,而PCA则没有突出类的结构。然而实验证明PCA在某些问题上又明显优于LDA。于是,改进或结合使用LDA与PCA成了非常必要的课题。现阶段在这个领域上已经有许多优秀的研究成果,本文简单的介绍了其中几种效果较好的相关分析方法,其中又以混合判别分析（HDA）最优。HDA不仅同时抓住了样本的判别信息和描述信息,使PCA与LDA在各种情况下达到平衡,而且在二维参数空间中提供了一系列的分析方法,更有利于解决小样本问题和高维问题。Boosted HDA的提出通过用迭代的方法改进弱分类器,避免了HDA复杂的参数搜索,并得到一种统一计算HDA的方法。文章将在第三部分引用一些已有的实验结果来验证HDA的优越性。     

基于判别分析的高速公路交通安全实时评价指标

为了实时评价交通流变化对高速公路交通事故风险的影响,利用高精度交通流数据建立了高速公路交通安全实时评价指标.提取了美国加州I-880 N高速公路上采集间隔为30 s的实时交通流数据和事故数据,采用Fisher判别分析方法建立交通流参数的线性组合,以判别危险交通流状态.该线性组合被定义为高速公路交通安全实时评价指标,当该指标小于0时,代表危险交通流状态,有发生交通事故的风险;当该指标大于0时,代表正常交通流状态,没有发生交通事故的风险.采用条件logistic回归模型进一步研究了该指标与交通事故风险之间的定量关系.研究结果表明,该指标预测事故的精度为65.7％.另外,该指标每减小1个单位,交通事故风险将提高1.8倍.     

基于核Fisher判别分析的粮虫特征压缩方法

针对粮仓害虫种类多、类别之间相似度比较高的特点,提出基于核Fisher判别分析的粮虫特征压缩方法.利用高斯径向基核函数,对特征选择后的10维原始数字特征进行核Fisher判别分析,即通过非线性变换将样本数据从输入空间映射到高维特征空间,然后在高维特征空间进行特征提取.从粮虫分类效果方面,将KFDA法与FDA法、PCA法和KPCA法3种方法进行了比较分析.应用KFDA法提取的前4个特征,由最近邻分类器对粮仓中常见的9类粮虫进行分类,验证集的识别率为93.33%.结果表明:KFDA法对粮虫特征的非线性比较敏感,在有效降低特征维数的同时,还提高了类别之间的可分性.     

基于多元统计的上市公司财务预警研究

伴随我国市场经济体制改革的深化和资本市场的快速发展,企业发生财务危机甚至破产的情形越来越多,因此及时准确地对财务危机进行检测及预报已成为上市公司重点关注的问题之一。运用因子分析、聚类分析和判别分析等多元统计分析方法,构建三种上市公司的财务预警模型,选取我国证券市场的30家样本公司,进行实证研究,结果表明判别分析模型具有最优的预警效果。     

判断矩阵错误元素的识别和调整方法研究

本文提出一种新的切实可行的判断矩阵错误元素的识别和调整方法。运用该方法识别判断矩阵中的错误元素无需计算判断矩阵左主特征向量,并且采用不完全判断矩阵作为对判断矩阵错误元素的调整,避免了数值调整造成的困难和主观调整带来的盲目性。     

川西黄牛体型结构的判别分析

采用逐步判别分析法对四川西部五县黄牛的十个体尺指数进行分析,研究各县牛群间(分公、母两组)体型结构的差异。结果表明:各县间母牛体型结构差异不显著。公牛组当临界F值取很小(F_进=F_出=1)时,总的说来达极显著水平。公牛组的胸宽指数(x_3),髋胸指数(x_4),头长指数(x_(10))具有较强判别能力。而各县间又只有胸宽指数(x_3)和髋胸指数(x_4)的差异达到显著水平;荥经黄牛的骨骼结实,肌肉发育良好,结构紧凑,特别前躯较后躯强大,呈“倒梯子形”是较理想的役用牛体型。     

太行山猕猴蹠骨形态学判别分析

目的:了解太行山猕猴5根蹠骨形态学差异.方法:测量34例成年太行山猕猴蹠骨标本10个变量.数据用SPSS13.5统计软件分析处理,建立5根蹠骨的多元判别函数.结果:5根蹠骨正确判别率的范围是91.2%～100.0%,回代检验和交互检验结果相似,说明判别函数稳定有效.结论:太行山猕猴5根蹠骨的形态差异显著.采用多元判别函数可以有效地将未知标本进行判别.