面向文本分类的混淆类判别技术

分析了文本分类过程中存在的混淆类现象,主要研究混淆类的判别技术,进而改善文本分类的性能.首先,提出了一种基于分类错误分布的混淆类识别技术,识别预定义类别中的混淆类集合.为了有效判别混淆类,提出了一种基于判别能力的特征选取技术,通过评价某一特征对类别之间的判别能力实现特征选取.最后,通过基于两阶段的分类器设计框架,将初始分类器和混淆类分类器进行集成,组合了两个阶段的分类结果作为最后输出.混淆类分类器的激活条件是:当测试文本被初始分类器标注为混淆类类别时,即采用混淆类分类器进行重新判别.在比较实验中采用了Newsgroup和863中文评测语料,针对单标签、多类分类器.实验结果显示,该技术有效地改善了分类性能.

基于主成分和多类判别分析的可见-红外光谱水蜜桃品种鉴别新方法

提出了一种用可见-近红外漫反射光谱技术快速鉴别水蜜桃品种的新方法.应用可见-近红外光谱仪测定三个品种水蜜桃的光谱曲线,再用主成分分析法对不同品种样本进行聚类分析,获取了水蜜桃可见-近红外光谱的特征信息,同时结合多类判别分析技术建立水蜜桃品种鉴别的模型.对经过预处理的光谱数据进行主成分分析,分析表明,以样本在第一主成分和第二主成分上的得分做出的二维散点图,对不同种类水蜜桃具有很好的聚类,能定性区分不同种类水蜜桃;经过主成分分析得到的前8个主成分的累积可信度已达94.38%,说明这8个变量能够代表绝大部分原始光谱的信息.从75个样本中随机抽取60个样本用于建立8个主成分变量的多类判别分析品种鉴别模型,余下的15个样本用于验证,准确率为100%.说明本文提出的方法具有明显的分类和鉴别作用.

基于Fisher两类判别的高温目标精确识别方法

基于高温目标和绝大多数常温地物波谱特性的显著差异,可利用短波红外波段（1.3-3.0μm）识别高温目标。Landsat8的OLI数据第7波段对高温目标短波红外发射能量有较高的敏感性,可对高温目标（林火、草原火、火山、金属冶炼厂、煤层自燃等）进行有效识别。为实现高温目标的精确识别,对归一化火点指数（NDFI）法进行改进以去除水体干扰,并采用Fisher两类判别法进行高温目标和彩钢屋顶地物的分类。研究表明,改进的NDFI法结合Fisher两类判别法可有效用于高温目标识别,其高温目标识别理论精度为96.9%,实际精度为95.4%。

基于闭包的聚类判别方法研究

区别于传统的聚类方法,提出了以类为起点,通过构造闭包进行聚类的新方法,并建立了聚类判别模型,此模型给出了对于闭包间的交叉区域的检验点的判别准则。然后针对二维的聚类问题,提出了以最小圆为闭包的聚类判别模型,并对乳房肿瘤病例进行数值实验。对于乳房肿瘤病例,首先进行了指标选取、数据预处理,然后以最小圆为闭包建立了模型,最后对69个待检测数据进行检验,结果误判率为4.35%。

MIS多类判别研究

MTS是质量工程学最新发展起来基于稳健思想提高模式识别等软件产品质量的综合计测法,目前仅限于应用在二类判别场合。该文通过建立类别基准空间并分别进行功能性评价使其优化后,将未知样本与各类别最优基准空间作用,根据马氏距离大小划分其归属,从而实现了MTS的多类判别。该文将此方法应用于机车故障部位诊断,取得了良好效果。

Fisher多类判别分析法在期货价格预测中的应用

基于期货价格变化趋势的可预测性,利用判别分析中的Fisher多类判别模型,运用MATLAB程序语言编程,对期货交易中三月铜的数据进行分析,得到了判别函数,给出了预测判别准则,进一步讨论了其在期货价格预测中的应用。

基于改进的核化聚类判别分析的故障识别

针对一类虽然满足线性判别分析算法(LDA)的三种假设,但仍然导致LDA失效的特殊故障模式,提出运用基于高斯核函数和核化离散差判别分析的一种核化聚类判别分析方法 (KSCDA),通过模拟12种不同样本,证明KSCDA能有效解决该问题,故障识别率最大提升从62.5%到100%。且KSCDA优于KSLDA。该问题的解决对实践有一定指导意义。

“简化多类判别”方法在科学选材中的应用

体育运动是涉及选材、训练、管理和预测等工作的一项系统工程，寻找出最佳模式来更好地指导体育运动的实践是当今体育工作者研究的重点。多年来，我国体育界在科学选材中仍多停留在经验定性的基础上，故失误较多。本文特推出“简化多类判别”方法应用于体育运动的选材，可收到科学合理，简便易行之效，值得推广。

聚类判别法——统计分组的一种新方法

统计分组的作用在于将社会经济现象总体按照统计研究的目的区分为性质不同的各个组成部分,因此,分组的结果应该使同一组内的各总体单位在分组标志上的区别不大,不同组之间有明显的差异。按数量标志进行统计分组时,有一个确定组数和组限的问题。

基于物体特征轮廓的单类判别方法

针对当前物体轮廓分类方法的不足,提出一种基于物体特征轮廓的单类判别方法.首先修正了一种利用傅里叶描述子对轮廓归一化的方法;然后采用主成分分析对训练轮廓集的符号中心距离点列进行特征向量提取,生成类似"特征脸"的特征轮廓;最后根据轮廓在特征轮廓上投影所产生的截断误差不同设定阈值,进行轮廓类别判定.实验结果表明,与单类支持向量机方法相比,该方法的判别准确率提高了20%.

《简化多类判别分析》在体育选材训练管理预测中的应用

根据体育运动的特定属性可以划分成各种类别和等级,以利科学地进行体育选才、训练、管理和预测。以往在体育的分类、分级工作中多半采用经验定性的方法,虽也取得不少成效,但常常失误较多,随着科技的进步以及计算机的应用与数学的发展近年更新的“多类判别分析”方法则能较好地、客观地、准确地解决了这个体育分类、分级的难题,特别是经过简化后无需作大量演译计算而只要查相应“换算表”的“简化多类判别分析”法更是经济实用,简便而行。

多类判别对潜在型克山病诊断的应用

本文测定了84及85年云南克山病病区与非病区393例2～15岁儿童发样中硒、锰、锌、铜、铁、钙、镁七种元素含量。用84年132例样本通过电子计算机多类判别程序,建立了包含硒、锰、锌及年令四项指标的三类判别函数,用以判别病区正常儿、潜在型克山病病儿及非病区儿童,内部检验符合率为86.4％,有较满意的判别效果。用85年221例样本进行外部检验,符合率为86.9％,有较满意的应用效果。本函数四项指标对克山病潜在型的诊断可起辅助作用。深入研究硒、锰、锌之间的协同或拮抗作用,将有助于克山病病因及发病机理的研究。

多类判别分析在肺心病酸碱失衡临床诊断中的应用研究

本文将165例慢性肺心病酸碱失衡患者的各项检测结果用IBM-PC/AT型微型计算机进行资料处理。对各变量用单因素方差分析进行6组间显著性检验后,将13个变量引入多类判别模型,经逐步筛选进行多类判别分析得出一组判别函数Y值(Y_1,Y_2…Y_6)。同时对本研究所建立的判别函数进行判别效果检验,结果表明原临床诊断与计算机诊断符合率为80.39％。木文试图用多类判别分析方法得出判别酸碱失衡类型的数学模型,以期应用于今后的临床分型。

低本底伽马能谱测量在沉积岩分类判别中的应用及其影响因素探讨

沉积岩中放射性元素铀、钍、钾的含量主要取决于岩石中泥质的含量,而泥质含量的高低是判别沉积岩类别的主要依据,因此,可以将铀、钍、钾的比活度或含量值作为判别沉积岩岩类的量化指标。利用低本底伽马能谱法测量岩石样品中铀、钍、钾的比活度或含量,可以快速、准确地进行岩类判别。由于放射性测量受样品几何形状、样品质量及其所含水分含量变化的影响,因此岩类判别的准确性会受到影响。通过理论探讨和实验验证,发现各待测核素特征峰计数率值与样品质量成线性关系,且不同的能量区域、不同的岩性,线性关系系数与趋势拟合程度都是不同的;当样品的水分含量不超过10%(取样时,岩屑水分不超过10%)时,对测量结果的影响很小(变化值均在一倍均方差以内),因此,水分含量对低本底伽马能谱法判别沉积岩岩类的准确性不产生显著的影响,一般可以不予考虑。对陕西定边某油气勘查区钻孔岩屑样品进行判别试验,对实测数据进行质量校正后,利用铀、钍、钾道的"归一化"计数率值(即单位质量的计数率)只能粗略地划分不同沉积岩的大类,再以铀、钍、钾特征峰的合峰计数率建立综合判别模式,能够对岩类进行进一步细分,且判别准确度达到75%以上。

二分类判别网络的对抗样本检测

在原始图像数据集中,添加特殊的细微扰动能形成对抗样本,经这类样本攻击的深度神经网络等模型可能以高置信度给出错误输出,然而当前大部分检测对抗样本的方法有许多前提条件,限制了其检测能力.针对这一问题,该文提出一个二分类判别网络模型,通过多层卷积神经网络来提取样本数据的主要特征;应用特殊的判别目标函数,结合不同程度的噪声数据来训练并优化网络模型,以提高模型检测对抗样本的能力;模型采用端到端的方式,可直接部署到目标模型的源样本中来检测对抗样本的存在,亦可进行大规模应用.实验结果表明:该模型的检测率优于其他相关模型.

用两类判别分析方法对样本内的个体进行多级判别的尝试

笔者在设计用两类判别分析方法对样本内的个体进行多级判别时,是计算出各指标的百分位数以后,用各指标内的百分位数之差作为d?（d=97-3％位数）;再计算各指标内（间）个体测试数据的离差平方（乘积）和求得整体结构的。

乳腺叶状肿瘤病理特征统计学聚类判别和主成分分析

为探讨乳腺叶状肿瘤的9种病理形态学特征性参数的诊断价值,应用统计学SPSS软件对203例有随访结果的肿瘤作r^2、因子分析和聚类判别分析。结果表明,叶状肿瘤的良性、交界和恶性组间与各种病理形态学参数不同等级间在肿瘤复发和因瘤死亡上均有统计学差异(P〈0.01)。借助SPSS软件中的聚类判别分析,可将9种病理形态学参数在诊断和鉴别诊断上的贡献区分为3个不同的层次。结论:肿瘤间质细胞过度增生和间质细胞密度是叶状肿瘤与乳腺腺纤维瘤的鉴别指标;瘤细胞异型性、核分裂数值、肿瘤生长方式和肿瘤性坏死可作为诊断叶状肿瘤和鉴别其良恶性的首要指标;薄壁血管数值、肿瘤分化倾向和病理性核分裂可作为参考性诊断和鉴别诊断指际。

运用聚类判别法综合评价我省大学生体质水平

提高大学生的健康水水，增强体质，是高等院校体育工作的根本任务。近几年来，对福建省大学生体质进行多次测定，但综合评价体质水平的研究还是很少的。如何利用调查结果对大学生体质状况进行客观的、全面的综合砰价，就成为体质研究领域里极待解决和广大体育、

基于聚类判别模型的网约车鉴别研究

网约车作为一种新兴的出行用车方式,既是出租车的补充,又存在一定的差异。网约车在满足人们多样化出行需求的同时,也带来了一系列的社会监管问题。为了能够在通过智能手机软件提供预约用车服务的司机用户中快速锁定网约车,本文提出了一种基于聚类判别的模型,在仅有出租车司机一类用户标签的情况下,对出租车与网约车混合用户的数据集进行类别归属判断。该模型使用手机信令数据作为数据源,在此基础上提取出司机用户的移动行为特征。将已知的出租车司机样本集划分为训练集和验证集,使用K-Means聚类方法对训练集聚类后,剔除异常点,计算训练集中各个有效样本点到各个聚类中心点的距离之和,根据增速情况得到分类阈值。使用该模型对包含出租车和网约车混合司机用户的测试集进行判定后,得出35.3%的司机用户为网约车司机。