比例优势逻辑回归优化嗓音障碍指数算法

针对嗓音障碍指数在提取传统声学特征参数时,缺少对非传统声学特征参数的分析优化问题,本文提出一种基于有序比例优势逻辑回归的优化嗓音障碍指数算法。首先,提取频谱平坦度并与嗓音障碍指数进行相关性分析;其次,运用比例几率逻辑回归方法,得到新的嗓音障碍指数方程;最后,对数据库中所取样本的本文优化算法指数和传统嗓音障碍指数进行对比分析。本文优化算法拓宽了DSI的取值范围。将本文算法应用于嗓音障碍分级中,实验结果表明该算法能够有效地确定嗓音障碍指数数值并能迅速得到良好的分类结果。

一种基于超限稀疏多项逻辑回归和奇异谱分析的高光谱遥感影像分类方法

由于高光谱图像存在大量噪声,超限稀疏多项逻辑回归无法分析高光谱图像的内在结构,其适用性有待进一步提高,为解决超限稀疏多项逻辑回归不能有效应对噪声的问题,提出了一种基于超限稀疏多项逻辑回归和奇异谱分析的高光谱遥感影像分类方法:首先对高光谱遥感影像数据集进行归一化处理以消除数据量纲的影响,随后利用奇异谱分析对影像进行有效信息提取及噪声剔除,最后通过超限稀疏多项式逻辑回归对处理过的数据实现分类。采用多种不同数量的训练样本进行实验,并与3种常用分类算法进行对比分析,评价了本文方法的有效性和鲁棒性。结果显示,本文方法在各类训练样本情况下相比于其他分类方法,其总体分类精度皆有一定程度的提升。

基于因子分析和有序逻辑回归的大学生数学成绩与平时学习情况的相关性分析

对山东理工大学经济学院的300余名学生进行了问卷调查,问卷的设计主要从四个总的方面展开:课前预习情况、课堂学习情况、课后学习与作业情况以及考前复习情况,最终得到了259个有效数据。对问卷每个选项赋予数值,导入SPSS进行因子分析,然后将期末成绩分为优秀、良好、及格、不及格四个层次进行有序逻辑回归分析,对大学生数学成绩与学生平时学习情况之间的相关性进行分析研究。

工科大学数学成绩与过往数学学习情况的有序逻辑回归和因子分析

通过对山东理工大学在校学生发放调查问卷,收集学生过往成绩及平时学习情况的相关数据,将收集信息数据化处理后,把数据录入Spss进行因子分析。将收集数据中第二学期高数成绩划分为优秀、良好、不及格三个层次,通过有序逻辑回归分析建立模型,通过分析结果确定各变量对第二学期高数成绩的影响。

基于Clementine逻辑回归的电信客户分类

本文研究的是电信行业中客户分类的问题,通过调研和开发实践,使用了统计分析和数据挖掘的技术,对电信客户分类主题进行了较为完善、深入的分析与研究。使用大量相关技术和统计方法,最终确定了逻辑回归模型作为电信客户分类的预测模型,为电信经营分析系统作了有益的尝试与探索。

核主成分分析法在酒店数据文本分类中的应用

核主成分分析法作为一种非线性数据处理方法,被广泛应用于数据降维。文章将核主成分分析法应用于中文文本分类领域,使用核主成分分析法对酒店评论数据集进行特征提取。然后,基于核主成分分析法降维后的数据,对比极端梯度提升算法和逻辑回归算法的文本分类效果。实验结果表明,核主成分分析法能够有效去除数据冗余,提升中文文本分类的准确率和查全率。相较于极端梯度提升算法,逻辑回归算法在训练集和测试集上的分类准确率差距不大,模型的泛化能力较好。

“双碳”背景下宁波市居民绿色行为的影响因素分析和对策研究

本文针对绿色发展热点问题,以绿色发展关注度较高的宁波市作为调研地,深入了解宁波市居民对绿色行为的认知情况、态度看法与日常情况,并就居民日常绿色行为的执行情况进行多维挖掘探究,深度剖析绿色行为的影响因素。

开垦河6-8月平均流量有序回归分析与预报

开垦河位于新疆奇台县境内,发源于东天山博格达山脉北坡,开垦河水文站是其水量控制站。本文选用开垦河水文站1960-2019年6-8月平均流量并构建为分类因变量(预报对象),5月下旬旬平均气温、4月下旬旬平均流量和4月上旬降水量为预报因子,用SPSS进行有序回归分析,对2020年6-8月平均流量各类可能发生的概率进行预报,结果令人满意。

基于逻辑斯蒂模型的遥感图像分类

逻辑斯蒂法是一种非线性的回归分析方法 ,因采用逻辑斯蒂模型而得名[1] ,可用来进行未知单元类别属性的预测和判定。不同于一般的分类方法 ,它可分别给出某一单元属于各已知类别的概率 ,进而对研究的未知区中所有单元进行分类和预测。本文首先阐述了该方法的基本原理 ,而后利用它对内蒙古自治区两个研究区的两种图像数据进行了分类 。

有序判别典型相关分析

多视图学习方法通过视图间互补信息的融合,达到增强单一视图方法的鲁棒性并提升学习性能的目的.典型相关分析(canonical correlation analysis,简称CCA)是一种重要的多视图信息融合技术.其研究的是针对同一组目标两组不同观测数据间的相关性,目标是得到一组相关性最大的投影向量.但当面对标号有序的分类任务时,CCA因没有利用类信息和类间有序信息,造成了对分类性能的制约.为此,通过将有序类信息嵌入CCA进行扩展,发展出有序判别典型相关分析(ordinal discriminative canonical correlation analysis,简称OR-DisCCA).实验结果表明,OR-DisCCA的性能比相关方法更优.

基于有序多分类logistic的物流成本控制绩效评价

为了较好地评价物流企业的绩效,从其作业成本控制角度考虑,建立绩效评价指标体系。然后,采用有序多分类逻辑回归分析方法,构建物流企业绩效评价模型,对物流企业在成本控制整体状况条件下绩效进行有效评价。模型结果表明:作业成本、作业时间、作业效率与作业质量四个一级指标对绩效评价的影响均为显著。

基于柯西结合检验的罕见变异与有序性状的自适应关联分析

在大型生物库中,有序性状是常见的数据类型,用于反映人类的意愿、行为和疾病状况,因此,分析有序性状是很有价值的。此外,罕见变异能解释额外的遗传力,在关联研究中发挥着重要作用。因此,为检验罕见变异与有序性状的关联性,提出了一种新的基于柯西结合检验的自适应关联方法(CCT-OR),该方法将转换后的P值的加权和定义为检验统计量。为排除非致病变异引起的噪声,最终建立自适应的检验统计量。模拟研究表明,相比于其他比较方法,CCT-OR方法功效更高,对致病变异的影响方向具有稳健性,并能防止非致病变异的影响。

机器学习算法在数据分类中的应用价值分析

在机器学习算法应用面不断拓展的背景下,支持向量机、卷积神经网络等新型机器学习算法在数据分类中的应用价值得到了人们的广泛关注。因此,本文以机器学习算法为入手点,阐述了机器学习算法的概念,剖析了机器学习算法在数据分类中的应用价值。并对逻辑回归、支持向量机、卷积神经网络在遥感图像数据及其他数据分类中的应用进行了进一步探究。

基于逻辑回归算法构建模型预测信用卡申请结果

文章为实现对信用卡申请结果的正确分类,提出了完善申请机制的建议。通过分析逻辑回归算法原理,进行拟合分析,并构建模型以Kaggle提供的客户信息数据集为例验证算法模型分类结果的有效性。通过对逻辑回归算法模型的训练,将信用卡申请结果分为成功和失败两种情况,保存模型后验证待预测集,结果显示对于处理大数据有显著效果。由于逻辑回归算法模型在训练时需要选取最能决定分类结果的特征值,而特征值的选取存在难度,因此分类结果存在一定误差。实践证明,逻辑回归算法模型可以有效预测信用卡申请结果,提高申请效率。

基于Logistic回归模型的汽修企业安全生产影响因素分析

为科学获取机动车汽修企业安全生产的影响因素,本文构建机动车维修企业安全生产综合指标体系,并抽样选取某市122家小型汽车维修企业,从车间现场管理和文件制度管理2方面对企业安全生产及管理现状开展评价,之后使用聚类分析和Logistic回归分析方法构建数学模型,借助SPSS软件对评价数据进行分析研究。研究表明:一线从业人员、安全用电、安全管理制度、安全标准化以及隐患排查工作等因素对机动车汽修企业安全生产水平有显著性的影响。并从人员安全素养、安全生产检查、安全制度管理等3方面提出对策措施。

围绝经期综合征病人认知、求医与遵医行为的潜在剖面分析

目的:探讨围绝经期综合征病人认知、求医与遵医行为的潜在剖面特征及其影响因素。方法:采用便利抽样法选取2022年1月—2022年9月台州市中医院妇科接受治疗的156例围绝经期综合征病人为研究对象,调查其年龄、婚姻状况、家庭月收入、工作状态、受教育程度、居住地、合并慢性病和绝经状态,使用认知、求医与遵医行为量表调查其认知、求医与遵医行为。使用Mplus 8.3软件进行基于潜类别增长模型的潜在类别分析。结果:以认知、求医与遵医行为量表的4个维度为连续型外显变量,分析结果显示2~5个类别的罗蒙戴尔鲁本校正似然比(LMRT)、Bootstrap似然比检验(BLRT)均有统计学意义(P<0.05)。当模型被分为3个类别时,熵值(Entropy)最大为0.994,在此3个潜在变量分类结果下将围绝经期综合征病人分为“低认知、求医与遵医组”“中认知、求医与遵医组”“高认知、求医与遵医组”,分别占调查对象的24%、49%、27%。单因素分析结果发现,围绝经期综合征病人认知、求医与遵医行为水平与家庭月收入、居住地和受教育程度有关(P<0.05),而与年龄、婚姻状况、工作状态、合并慢性病和绝经状态无关(P>0.05);多因素回归分析结果显示,家庭月收入、居住地和受教育程度是围绝经期综合征病人认知、求医与遵医行为水平的独立影响因素(P<0.05)。结论:围绝经期综合征病人认知、求医与遵医行为存在明显异质性亚组,对于家庭月收入较低、居住地为农村和受教育程度较低的病人应给予针对性干预。

改进的基于深度学习的遥感图像分类算法

针对传统的基于深度学习的遥感图像分类算法未能有效融合多种深度学习特征,且分类器性能欠佳的问题,提出一种改进的基于深度学习的高分辨率遥感图像分类算法。首先,设计并搭建一个七层卷积神经网络;其次,将高分辨率遥感图像样本输入到该网络中进行网络训练,得到最后两个全连接层输出作为遥感图像两种不同的高层特征;再次,针对该网络第五层池化层输出,采用主成分分析(PCA)进行降维,作为遥感图像的第三种高层特征;然后,将上述三种高层特征通过串联的形式进行融合,得到一种有效的基于深度学习的遥感图像特征;最后,设计了一种基于逻辑回归的遥感图像分类器,可以对遥感图像进行有效分类。与传统基于深度学习的遥感图像分类算法相比,所提算法分类准确率有较高提升。实验结果表明,该算法在分类准确率、误分类率和Kappa系数上表现优异,能实现良好的分类效果。

公共平台建设对于“专精特新”中小企业成长的影响研究

随着全球经济的发展科技创新的进步,公共平台的发展为中小企业的发展带来了新的机遇和挑战。为进一步了解中小企业对公共服务平台的使用情况及服务平台对中小企业的帮扶作用,本文基于221份问卷调研数据,建立logit多分类逻辑回归模型进行实证分析。研究表明,公共平台服务对于“专精特新”中小企业成长的各方面基本都具有一定的积极影响,尤其是企业创新能力提高程度、企业经营管理模式改善程度、企业转型升级获助程度几个方面。但是,公共平台服务对于企业实际经济效益增加的方面影响不够深刻,建议平台在降低服务门槛、细化政策解读、建立一站式平台、搭建线上产业园、创建企业课堂五个方面优化服务。

腭裂语音中齿龈塞音的声门代偿现象声学分析与判定

对齿龈塞音在腭裂语音中的声门塞音代偿现象进行了声学分析,计算频谱分布的多阶统计量—谱矩,并将代偿塞音和正常塞音进行对比。结果显示声门塞音爆破段的第一阶谱矩即频谱质心的频率位置比正常塞音低,因为声门塞音的阻塞部位在声门,导致声道腔体偏长从而共振频率偏低。还观察到声门塞音的第二阶谱矩即标准偏差偏高,说明其谱能量分布比正常塞音更加分散。声门塞音的第三阶谱矩即偏度大多为正值,反映了声门塞音功率谱的非对称性且大头朝向低频区而长尾朝向高频区。采用逻辑回归模型进行样本分类,通过交叉验证选出最优的四阶谱矩作为模型自变量,分类正确率为89.7%。结合塞音爆破时刻自动检测,实现了音节/di/的声门塞音客观判定。

基于统计分类模型的睡眠质量评价与疾病诊断研究

本文针对中国成人及青少年失眠率持续上涨的现象,基于多元分类logistic回归、判别分析等方法分别建立了睡眠质量等次分类及疾病诊断模型,提出了可行有效的睡眠计划方案,并提出了改善睡眠质量的相应措施,解决了精神方面疾病的诊断问题。得出睡眠质量与人类患精神方面疾病的几率有很大关系。