期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
二类判别分析在二化螟发生期测报中的应用
1
作者 丁建华 《植物保护》 CAS CSCD 北大核心 1989年第2期9-12,共4页
本文根据将乐县24年历史资料,在微电脑上选取了与越冬代二化螟蛾发生期关系密切的7个变量,采用二次二类判别分析方法,建立了越冬代二化螟发生期的预报方程。通过对历史资料的回代验试及对1988年实例预报,其理论值与实测值均吻合。判别... 本文根据将乐县24年历史资料,在微电脑上选取了与越冬代二化螟蛾发生期关系密切的7个变量,采用二次二类判别分析方法,建立了越冬代二化螟发生期的预报方程。通过对历史资料的回代验试及对1988年实例预报,其理论值与实测值均吻合。判别预测式具有较好的应用效果。 展开更多
关键词 二化螟 二类判别分析 预报 水稻
下载PDF
水稻纵卷叶螟迁入代发生期二类判别分析预测研究
2
作者 江宏 赵静方 +1 位作者 陈水南 沈龙元 《植保技术与推广》 1996年第6期3-5,共3页
通过二类判别分析方法对1979~1990年单季稻纵卷叶螟迁入代发生期进行分析研究,得出了发生期的判别函数,对1979~1990年回测检验,拟合率达100%,对1991~1995年预测,其结果同实际发生期基本吻合。
关键词 纵卷叶螟 发生期 二类判别分析 水稻
原文传递
用二类判别法预测稻纵卷叶螟主害代发生程度
3
作者 欧廷菊 《南方农业》 2013年第2期40-41,共2页
根据Fisher判别准则,对重庆市黔江区1993—2010年稻纵卷叶螟主害代发生程度及6—7月主要气象因子进行统计分析,建立了模型D=661X1+38X2,回测检验拟合率达94.4%。利用该模型对2011年稻纵卷叶螟主害代进行预测,其结果与发生程度吻合。
关键词 稻纵卷叶螟 主害代发生程度 二类判别分析 重庆市黔江区
下载PDF
判别分析法在三化螟一代预测预报上的应用
4
作者 耿济国 程极益 杨崇瑞 《病虫测报》 1987年第1期62-63,共2页
Fisher 准则下的两类判别分析方法,过去曾为气象、地质等部门所应用,近年来先后引用到植物病害流行预测和害虫发生量、发生期的预测上,开拓了植保的新领域。本文的数理统计采用了 Fisher 准则下二类判别分析法,在 PC—1500型袖珍电脑上... Fisher 准则下的两类判别分析方法,过去曾为气象、地质等部门所应用,近年来先后引用到植物病害流行预测和害虫发生量、发生期的预测上,开拓了植保的新领域。本文的数理统计采用了 Fisher 准则下二类判别分析法,在 PC—1500型袖珍电脑上,选用无锡地区三化螟1960—1974年间,十五年历史资料,对第一代发生量进行中长期预测。由计算结果获知,两类判别效果的 F 显著性测验计算值为7.63,大于信度水平α=0.01时的查表临界值 F0.01(2.12)=6.93,故两类判别效果是显著的,判别函数(D=(?)CiXi)可在实际工作中使用。 展开更多
关键词 预测预报 判别效果 二类判别分析 中长期预测 历史资料 判别分析 临界值 无锡地区 判别函数 判别分析方法
原文传递
BOOTSTRAP TECHNIQUE FOR ROC ANALYSIS: A STABLE EVALUATION OF FISHER CLASSIFIER PERFORMANCE
5
作者 Xie Jigang Qiu Zhengding 《Journal of Electronics(China)》 2007年第4期523-527,共5页
This paper presents a novel bootstrap based method for Receiver Operating Characteristic (ROC) analysis of Fisher classifier. By defining Fisher classifier’s output as a statistic, the bootstrap technique is used to ... This paper presents a novel bootstrap based method for Receiver Operating Characteristic (ROC) analysis of Fisher classifier. By defining Fisher classifier’s output as a statistic, the bootstrap technique is used to obtain the sampling distributions of the outputs for the positive class and the negative class respectively. As a result, the ROC curve is a plot of all the (False Positive Rate (FPR), True Positive Rate (TPR)) pairs by varying the decision threshold over the whole range of the boot- strap sampling distributions. The advantage of this method is, the bootstrap based ROC curves are much stable than those of the holdout or cross-validation, indicating a more stable ROC analysis of Fisher classifier. Experiments on five data sets publicly available demonstrate the effectiveness of the proposed method. 展开更多
关键词 Binary classification BOOTSTRAP FDA (Fisher Discriminant Analysis) ROC (Receiver Operating Characteristic) curve
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部