基于冻融循环的土壤物理状态的自动判别

以东北典型黑土区土壤为研究对象,采用CT扫描技术与图像处理相结合的方法,通过灰度共生矩阵和主成分分析法提取图像特征,计算测试图像特征向量与训练图像特征向量间的欧氏距离,以此为依据,实现对经历不同冻融循环次数土壤的自动判别。研究结果表明:面向土壤CT图像数据库,基于灰度共生矩阵和主成分分析提取的图像特征,均能实现对土壤的自动判别,但灰度共生矩阵法的判别正确率要高于主成分分析法。

中国上市公司的财务困境预测

预测上市公司的财务困境是投资者，债权人及证券市场监管机构所广泛关注的课题，本文以因财务状况异常而被特别处理（ST）作为上市公司陷入财务困境的标志，运用多元逻辑回归模型和可公开获得的财务数据，对中国上市公司的财务困境进行了预测，通过试验1，260种变量组合，我们发现负债一权益比，应收财款周转率，主营利润／总资产和留存收益／总资产对上市公司财务困境有着显著的预示效应。就判别正确率而言，本研究所发现的最优模型能够从上一年ROE公告小于5％的上市公司中预测出73．68％的下一年会进入ST板块的公司，总体判别正确率为78．24％。

基于近红外光谱与KPCA-SVM鉴别淡水鱼肉

为实现淡水鱼品种的快速鉴别,采用近红外光谱分析技术建立7种淡水鱼鲜肉的快速鉴别模型。试验采集了鲢、草鱼、乌鳢、鲫、鲤、青鱼、鳙7种淡水鱼共772个鲜鱼肉样品的近红外光谱数据,分别考察标准正态变换(standard normalized variate,SNV)、多元散射校正(multiplicative signal correction,MSC)的预处理方法及核主成分分析(kernel principal component analysis,KPCA)和主成分分析(principal component analysis,PCA)的特征提取方法对支持向量机(support vector machine,SVM)判别模型的影响。结果显示,经SNV预处理和KPCA提取特征变量后,对未知样品的整体正确判别率达到92.68%。因此,采用近红外光谱技术结合化学计量学方法所建SVM模型可以实现淡水鱼品种的快速鉴别。