判别分析中错判的概率及修正

在判别分析中,无论采用那种判别方法,错判是不可避免的.错判的来源主要有2方面,一是各类总体的均值相近,另一是各总体的协方差的非齐性,针对各种原因给出相应的修正原则和方法.     

基于判别分析方法的上市公司财务危机预警研究

近年来,我国经济飞速发展,但也存在影响经济发展因素,它可能使企业陷入财务危机,因此非常有必要建立财务预警系统。本文通过建立判别分析预警模型对财务困境进行预测,经实证研究得知该模型对检验样本的预测正确率为80%,说明判别分析方法对上市公司的财务危机具有较好的预测效果。     

影响海南农村住户经济活动差异的统计分析

为了寻找影响海南农村住户经济活动差异的因子 ,在建立三个评价指标体系的基础上 ,利用多元统计的分析方法分别对三个评价指标体系进行聚类 ,同时采用SAS中STEPDISC过程的STEPWISE方法求出最能影响各类间差异的因子 ,并有相对性地提出一些建议与对策 .     

基于模糊核判别分析的语音情感识别

为了克服传统核判别方法将样本唯一归属于某一类的不足,基于模糊集理论对传统的核判别分析方法进行改进,引入了模糊类别隶属度并详细分析了基于模糊核判别分析的语音情感识别。识别实验中采用VQ方法进行了特征参数的融合,根据实验结果对模糊核判别分析和核判别分析的性能进行了比较和分析。     

用费歇二类判别分析确定TZ地区欧8井B油气层的分布范围

本文根据三维地震资料提取了TZ地区各井井区20种地震参数,然后采用费歇二类差别分析,分别建立了油气井与干井的判别函数,并根据判别临界值对欧8井B油气层的分布范围进行了预测．从预测结果看,效果较好．     

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.     

若干人脸识别算法的比较研究

Some of face recognition methods based on Principal Component Analysis （PCA）, Two-dimensional Principal Component Analysis （2DPCA） and Fisher＇s Linear Discriminant Analysis （FLDA） are comparatively studied in this paper. On the basis of the analysis of characteristics, application occasion and limitations, a new method of face recognition based on combining 2DPCA and FLDA is proposed. Finally, comparison simulations are performed with the methods and their combined methods by means of AT＆T face database. The results show that the methods based on 2DPCA can have better recognition precision than the ones based on PCA; the method based on 2DPCA and FLDA improves the real-time characteristics in the condition of keeping the recognition precision and has the best performance.     

多元判别分析在库存发射药质量监测中的应用

多元判别分析在事物的分类判别中应用很广泛,该文提出了一种以密闭爆发器试验数据为基础,应用多元判别法判定国储发射药的质量等级的方法。对8批不同储存期11/7火药的质量判定结果与实际完全一致。这种方法可用于库存发射药的质量跟踪监测、考察其弹道性能随贮存期的变化规律、判定发射药质量等级的变化。     

3个桂花品种花香组分动态特征及花被片结构解剖学观测

桂花[Osmanthus fragrans （Thunb.）Lour.]是我国著名的香花植物，对其花香组分动态特征及花被片结构解剖学观测的研究能够为桂花的进一步开发利用提供参考。     

基于最优信用特征组合的违约判别模型——以中国A股上市公司为例

违约判别是信用风险评估的一种方式，提高违约判别精度一直是学界和业界重点关注的问题.本文从最优信用特征组合而不是最优指标组合的角度建立违约判别模型，提高违约判别精度.本文的创新有三个方面：一是以信息值最大为目标建立优化模型，将指标数据划分成能最大区分违约状态的多个信用特征.二是采用弹性网回归对信用特征进行遴选，反推违约判别误差最小的最优信用特征组合.三是以组间离散度与组内离散度之比最大为目标，构建数学规划，反推一组权重，得到线性判别方程.本文基于2000-2017年共2169家中国A股上市公司的数据进行实证，研究表明经过特征划分的线性判别分析、K近邻、支持向量机等模型的精度整体高于没有经过特征划分的模型精度.