基于熵理论的加权马氏距离及其应用

分析了加权马氏距离判别分析中的权值问题,提出了用熵理论来确定加权马氏距离中权值的方法。实证分析显示基于熵理论的加权马氏距离要优于基于主成分的加权马氏距离。

回采巷道围岩稳定性分类的加权距离判别分析法

基于距离判别分析理论及主成分分析的降维思想,选取影响回采巷道围岩稳定性的综合因素如压力系数P、节理发育程度、松动圈尺度L作为判别因子,分别建立了假定各总体协方差阵相等的马氏距离判别分析(MD-1)模型、考虑各总体协方差不一定全相等的马氏距离判别分析(MD-2)模型、加权距离判别分析(WMD)模型。并以平顶山矿区30条回采巷道实测数据作为学习样本进行训练。经过训练后的模型回判估计,WMD模型与MD-2模型的误判率为0,MD-1模型的误判率为0.067。结果对比表明,WMD比常规的MD-2具有更高的判别能力,MD-1判别效果最差,这说明应用距离判别分析法,特别是加权距离判别分析法是一种准确有效的回采巷道围岩稳定性分类方法。

基于近红外光谱技术的天麻产地鉴别方法

采用近红外光谱技术(NIR)建立天麻产地的定性模型,并对天麻产地进行鉴别。利用AntarisⅡ傅立叶变换近红外光谱仪(FT-NIR)对云南昭通、省内非昭通、省外的88个天麻样品,采用不同的光谱预处理方法,结合主成分分析联用马氏距离算法(PCA-MD)和偏最小二乘判别分析算法(PLS-DA)对不同产地天麻进行评价。结果表明PCA-MD和PLS-DA模型的判别准确率分别达到90.91%和95.45%,PLS-DA模型可以更好地对不同产地的天麻进行鉴别,具有较好的应用价值。

核主成分马田系统及其应用

为解决传统马田系统无法有效识别非线性数据问题,提出构建核主成分马田系统.该方法通过核马氏距离的构建,将马田系统和核主成分分析两种方法融合在一起,使其不但具备非线性数据识别能力,还具备数据降噪能力.实例验证表明:核主成分马田系统在降维率、识别准确率、不平衡数据处理能力、特异度和灵敏度等方面不仅优于传统马田系统,还优于BP神经网络、随机森林和逻辑回归等方法.同支持向量机递归特征消除法相比,在识别准确率和不平衡数据处理能力方面,两种方法性能接近,但当数据复杂度较高时,核主成分马田系统要优于支持向量机递归特征消除法,并且核主成分马田系统需要的维数较少,也不需要反复迭代.

基于PCA-IMD的加注泵融合式健康监测研究

针对加注系统中加注泵的健康监测问题,提出一种基于主成分分析(Principal Component Analysis,PCA)与改进马氏距离(Improved Mahalanobis Distance,IMD)相融合的健康度量模型。对系统健康度、健康度量等相关概念进行研究,选用距离测度中的马氏距离作为度量加注泵健康状态的标准。基于PCA对测试样本进行优化,降低测试样本属性维数,采用IMD计算优化后得到的主成分样本矩阵改进马氏距离,以平均IMD值表征待评估系统的健康状态变化情况。通过加注泵加注过程中实际测试数据验证了该方案的准确性。