等距对数比变换及混合分布在区域化探数据分析中的应用

区域化探数据是典型的成分数据,等距对数比变换(ILR)可以有效构建化探数据的标准正交基,消除其闭合效应,解释数据的组成性质,但是解释ILR转换的变量仍然很困难。为使ILR转换更容易理解,本研究利用地质知识和数据驱动的方法构建可解释的ILR转换变量,并将该方法应用于从大兴安岭中南段水系沉积物地球化学数据中提取地质信息。基于地质知识和层次聚类分析,构建了Sn、W、Cr和Ni元素浓度之间的顺序二元划分(SBP),并经ILR转换后表示为变量b1、b2和b3。此外,还采用了由最小信息长度准则(MML)改进的期望最大化(EM)算法,研究上述变量的混合分布。ILR转换的变量具有镁铁质岩浆作用、Sn-W热液成矿和后期地质作用的信息,服从双正态分布或三正态分布。其中b1、b2和b3的高平均值分组对应于锡钨成矿的异常,综合圈定4个锡钨找矿潜力较高的预测区。本研究表明,ILR转换和MML-EM算法在从区域化探数据中提取地质信息和圈定异常方面是一种很有前途的方法。

成分数据的变系数地理加权空间滞后模型

针对已有模型无法刻画面类型空间依赖下成分数据的空间异质性,提出模型参数可变的成分数据空间自回归模型。通过假定空间滞后参数、成分型系数、数值型系数为位置坐标的函数,允许空间效应和变量关系在全局空间上非均匀分布。基于等距对数比(ilr)变换、工具变量法和局部线性地理加权法,对模型参数进行估计。数值模拟实验表明:所提出模型的表现优于已有的成分数据空间自回归模型,并且参数估计量是有效的。基于一组实际数据,说明所提模型的实用性。

成分数据的空间自回归模型

针对已有成分数据线性回归模型对研究对象相互独立的严格要求,提出了含有成分数据和普通数据的空间自回归模型,在此基础上提出了成分数据空间自回归模型的估计方法。新模型结合了空间自回归模型处理因变量之间相互依赖的优势,可同时处理成分数据和普通数据。通过利用等距对数比(ilr)变换将成分数据解约束,得到了新模型的参数估计量。蒙特卡罗模拟实验验证了所提估计方法的有效性。

基于非参控制图的文本分类方法

传统的文本分类方法多是基于词语本身.由于中文词语的复杂庞大,并且不断增加,直接用词语作为研究对象,容易造成文本特征向量的高度稀疏性和维数灾难,使得处理起来效率不高,难以计算.但是其词性的种类是固定不变的.随着中文分词和词性标注的研究越来越完善,使用词性作为文本分析的研究对象,吸引了越来越多公众和研究人员的兴趣.文章提出基于非参控制图的文本分类方法,仅使用句子中的各词性出现次数作为文本分类研究的特征值.利用中文自然语言处理平台,对句子进行词语切分以及词性标注,并保留出现次数最多的5个词性,计算每个词性在句子中的占比,进行等距对数比变换.最后把处理好的数据放入基于多元符号指数加权移动平均(MSEWMA)控制图模型中判别类型.该方法思想原理简单、容易实现、训练后处理速度快,通过实验证实可以很好地区分文本类别.

稳健主成分分析在地球化学成分数据处理中的应用

几乎所有的地球化学数据都是成分数据,其特征为各个元素含量的总和为一定值(e.g.,1 000 000 mg/kg or 100%)。成分数据的几何空间为Aitchison空间,其观测点的距离也属于Aitchison距离,它有别于欧式空间和欧式距离。因此,在地球化学数据处理前,需要打开成分数据,使基于欧式空间发展的地球化学处理方法可用来提取地球化学异常。此外,主成分分析是目前使用最广泛的多元统计方法之一。然而,它的第一主成分极易受到异常值的影响。因此,当数据中有异常值时,普通的主成分分析的结果可能有误差。稳健的主成分分析可以克服普通主成分分析方法的不足,其用MCD(reweighed minimum covariance determinant)来代替协方差,以减少异常值的影响。该文首先使用ILR变换(isometric logratio transformation)打开数据,再利用稳健的主成分综合多个元素的异常。结果显示该组合方法可有效识别研究区的地球化学异常。