形位误差非线性模型的统一判别准则与算法

本文基于不可微优化理论，建立了形位误差统一判别准则。该准则的必要条件同样也适用于计算机判别。而后，利用极大熵函数，构造了形位误差评定的有效统一算法。该算法简单，易于使用，评定精度高。

我国上市公司财务危机预警实证研究——基于主成分分析模型、线性判别模型和逻辑回归模型的比较分析

以我国上市公司为研究对象，根据行业分类和总资产规模（相差在5％以内）选取了2001～2002年被ST的公司和正常公司各28家作为训练样本，2004年被趼的公司和正常公司各28家作为检验样本，运用3种独立的建模方法，分别建立了我国上市公司的主成分分析预警模型、线性判别预警模型和逻辑回归预警模型。通过模型比较发现，逻辑回归模型的效果要优于另外两种模型。具有较高的判别准确率。实证研究表明，这种预警模型适用于各个行业，对中国企业的财务危机的预测与防范能起到一定的作用。

基于三维多分辨率模型与Fisher线性判别的人脸识别方法

提出了一种不同姿态和光照条件下的人脸识别方法 ,将三维多分辨率模型与Fisher线性判别结合起来 .为了排除光照、姿态对人脸识别的影响 ,利用重采样技术构造了三维多分辨率模型 ,更快、更精确地提取人脸特征 ;同时结合Fisher线性判别 ,充分利用不同条件下的二维人脸图像信息 ,更有效地排除光照、姿态的影响 .实验表明 ,三维多分辨率模型与Fisher线性判别相结合能够很好地适应外部条件的变化 ,提高了人脸识别的速度和效率 .

基于Fisher线性判别模型的文本特征选择算法

在采用向量空间模型表示方法的文本分类系统中,维数约简是必要的步骤,特征选择方法由于计算复杂度较低而被广泛采用。本文基于Fisher线性判别模型提出了一种新的文本特征选择算法,将其求解过程转换为一个特征项优化组合的问题,避免了复杂的矩阵变换运算。实验表明,该方法与信息增益、卡方统计方法比较,具有较明显的优势。

一种新的基于高斯混合模型的线性判别分析

Fisher准则函数的前提条件就是假设每类样本数据满足单峰高斯分布,即各类样本在模式空间的分布近似椭球状,但是当训练样本数据较多且呈多峰分布时,传统的Fisher准则函数并不能准确反映样本数据的分布,显然基于Fisher准则函数的线性判别分析得到的最优判别矢量集也不是最优的。针对这种情况,通过引入高斯混合模型的概念,提出了一种新的基于高斯混合模型的线性判别分析方法,同时也给出了在该模型下的最优判别矢量集的直接求解方法,并通过实验证明了该算法的有效性。

非线性映照判别模型实现气藏地震检测

韩文功 ,王金铎 ,于建国 ,王兴谋 .非线性映照判别模型实现气藏地震检测 .石油地球物理勘探 .2 0 0 2 ,37(5 ) :5 2 4～ 5 2 9 与石油相比 ,地层中的天然气更加明显地表现出吸收高频成分、降低速度等地球物理特性 ,使得地震直接检测气藏的工作更容易实现。在利用多种地震参数直接进行气藏检测的过程中 ,关键环节是判别所建立模型的合理性 ,即样点模型和参数模型的空间规律。因此 ,人们十分关心所选定的众多样点在高维空间的分布状况 ,非线性映照算法的应用便能分析和研究这种分布。文中通过把误差函数等价于高维空间弹性网络的节点约束到二维平面上变形后的总位能 ,然后对数据进行规格化处理、牛顿法多次迭代计算 ,求出使误差函数达到极小值的 N对坐标 ,并将其作为二维平面上的非线性映照结果。在开发了非线性映照算法的应用软件之后 ,通过对实际资料的应用 ,取得了一定的效果。

无限最大间隔线性判别投影模型

针对具有多模分布结构的高维数据的分类问题,该文提出一种无限最大间隔线性判别投影(i MMLDP)模型。与现有全局投影方法不同,模型通过联合Dirichlet过程及最大间隔线性判别投影(MMLDP)模型将数据划分为若干个局部区域,并在每一个局部学习一个最大边界线性判别投影分类器。组合各局部分类器,实现全局非线性的投影与分类。i MMLDP模型利用贝叶斯框架联合建模,将聚类、投影及分类器进行联合学习,可以有效发掘数据的隐含结构信息,因而,可以较好地对非线性可分数据,尤其是具有多模分布特性数据进行分类。得益于非参数贝叶斯先验技术,可以有效避免模型选择问题,即局部区域划分数量。基于仿真数据集、公共数据集及雷达实测数据集验证了所提方法的有效性。

基于LDA-MURE模型的背景音乐自适应推荐方法

用户的情绪状态不同,需要的背景音乐也不同,因此提出基于LDA-MURE模型的背景音乐自适应推荐方法。提取背景音乐的音频特征和社会化标签,通过Fisher线性判别分析方法融合上述数据的特征,结合投影变换方法获得不同类别背景音乐的类内离散度和类间离散度。通过现代心理学分析人类情绪的节律周期变化,在此基础上判断用户当前的情绪状态。最后在LDA模型的基础上构建LDA-MURE模型,为用户推荐不同类别的背景音乐。实验结果表明,所提方法的MEA指标值较低、P@N指标值较高、用户满意度较高。

糖尿病线性判别诊断模型的建立

目的采用线性判别分析（LDA）法建立糖尿病计算机诊断模型。方法以血糖值及糖耐量实验等指标确定糖尿病病例,以患者血常规检查指标、生化检查指标为原始数据建立数据库,其中糖尿病病例352例,非糖尿病病例389例,利用SPSS统计软件判别分析方法构建糖尿病分类模型,以交互检验法对模型进行验证。结果线性判别分析筛选出8项对判别函数贡献较大的变量,训练集、测试集的判别准确率分别是85.7%、81.6%,诊断模型总判别准确率是84.9%,LDA法的特异性和灵敏性分别是0.88、0.75。结论糖尿病LDA诊断模型对糖尿病和非糖尿病有较好的判别能力。

对数线性翻译模型的判别式训练综述

目前几乎所有的统计机器翻译系统都采用对数线性模型建模.判别式训练是基于对数线性翻译系统的一个重要组成部分,其任务就是优化对数线性模型的参数。到现在为止,有很多判别式训练方法可以用来训练翻译模型权重。从似然函数、错误率函数和可扩展方法三个方面,系统地阐述并分析了这些训练方法,旨在让更多的研究者更好地了解判别式训练方法的发展现状、为判别式训练的进一步发展起到推动作用。同时,还就判别式训练提出了两个值得进一步探讨的问题。

基于WFLD线性判别法的教学质量评估预警系统模型研究

讨论了FLD线性判别方法,然后对此方法进行了加权,分析了加权的fisher线性判别法形成,接着在基于此分类方法上,建立了教学质量评估预警系统的模型,为教学质量评估预警系统的设计与实现提供了理论依据。

基于Fisher判别分析鉴别中药材种类及产地

本文根据 2021 年高教社杯全国大学生数学建模竞赛“中药材的鉴别”的数据进一步研究。中药材鉴别是中药学研究 的重要领域之一,其目的是通过分析中药材的光谱特征和其他物理、化学性质,来鉴别中药材的种类和产地,以提高中药的品质和 疗效。在实际应用中,结合药材的近、中红外的光谱特征以及不同药材的吸光度可以对中药材的产地进行综合性的鉴别。本文使用 R 语言软件,通过对数据进行标准正态变量变换(svn)处理后主成分分析、K-means 聚类,根据附件给出的几种药材的近红外光 谱数据,对数据进行相关性筛选,求出该未知数据与平均值的相关性,利用 Fisher 判别分析进行对比,最后鉴别药材的类别与产 地。另外建立 XGboost 模型及作多元线性回归模型鉴别不同产地的近、中光谱特征来辨别各类药材的产地以及种类。

多元线性模型中最优设计测度的判别准则

利用多元线性模型问题可转化为一元线性模型的方法,将Gaffke的结论推广到多元线性模型中,得到多元线性模型中最优设计测度的一个比较简单的充要条件.此条件对完全或不完全的准则函数Φ都是适用的,从而在理论上完全解决了多元线性模型中最优设计测度的判别问题.

基于GPLM的40～65岁绝经后骨质疏松症风险判别模型分析

目的建立基于广义偏线性模型(generalized partial linear model,GPLM)的,包括危险因素和中医证候要素内容的绝经后骨质疏松症(postmenopausal osteoporosis,PMOP)风险判别模型。方法在获取1740例社区PMOP高危人群危险因素及证候问卷调查数据基础上,筛选出与PMOP发病相关的重要危险因素和中医症状为协变量,以骨密度定性诊断为结局变量,建立基于GPLM的PMOP判别模型。结果 GPLM模型线性部分参数估计提示:是否绝经、体重指数、下肢抽筋、下肢骨痛、绝经年限(线性效应)具有统计意义(P<0.05);模型非线性部分参数估计提示:绝经年限(非线性效应)具有统计意义(P<0.05)。与logistic回归模型相比,拟合GPLM模型时加入了"绝经年限"的非线性效应,其AUC值为0.7971,具有统计学意义(χ2=21.9162,P<0.001)。结论绝经年限与PMOP发病之间存在非线性效应。将西医危险因素和中医症状相结合,建立基于GPLM的PMOP判别模型,反映病证结合特点,与logistic回归模型相比,具有更好的判别准确性。

淮北煤田地下水微量元素贝叶斯多类线性判别分析

在淮北煤田主要含水层水中微量元素及常规离子测试分析的基础上,建立了微量元素Bayes多类线性判别模型。分析结果表明,在以As、Ba、Co、Cr、Cu、Se、V等7种特征微量元素为解释变量的Bayes多类线性判别函数中,Co与Cu对水源判别所起的作用较大,Ba最小。Ca2+、Mg2+、K++Na+、Cl-、SO42-、HCO3-等7种常规离子在判别函数中的系数绝对值相差不大。没有发现判别效果较强的常规离子,但经常规离子修正的微量元素Bayes多类线性判别模型具有很好的判别效果。

判别分析模型在信用评价中的应用

本文利用线性判别分析建立信用评价模型,用来对中国2000年106家上市公司2000年96家上市公司进行两类模式(“好”、“差”)分类及三类模式(“好”、“中”、“差”)分类。对于线性判别分析法,又使用两种不同的方法进行判别分析:一种是利用SPSS统计软件对数据样本进行判别分析,称为LDA-SPSS方法;一种是利用原始样本数据推导建立线性判别分析模型,然后根据模型计算得到的结果对数据样本进行判别分析,称为LDA方法。仿真结果表明,无论是两类模式分类还是三类模式分类,LDA-SPSS的判别效果均优于LDA。但与多层感知器(MLP)相比,对两类模式分类,LDA-SPSS(100%)优于MLP(98.11%),MLP又优于LDALDA(95.28%);对三类模式分类,LDA-SPSS(91.67%)优于LDA(82.29%),LDA又优于MLP(79.17%)。

上市公司财务状况非线性评价模型及应用

文章应用判别函数建立了上市公司财务状况非线性评价模型,论证了线性补偿的存在,与线性模型相比提高了模型的解释和预测能力。

多响应模型判别的试验设计

Atkinson和Fedorov在1975年给出了对两个单响应线性模型进行判别试验设计的一些结论。基于这些结论,通过Khuri(1985)采用的对多响应模型进行线性组合的方法,针对两组多响应模型判别作出试验设计,并给出了判别准则、等价定理以及构造最优设计的一种序贯方法;最后也对多组多响应模型判别的试验设计作出进一步的讨论。

模糊线性回归模型中的拟合度问题

对一般的模糊线性回归模型 ,给出变量 Y的区间估计 [YLi ,YUi ] ,并得出回归直线 Yh=1为Yi 的最好拟合 .定义置信指标 IC,用 IC值作为对直线 Yh=1的拟合优劣判断 ,并与其他判别准则做比较 .

上市公司财务失败非线性预警模型

分析了上市公司财务失败线性模型的缺欠,即线性补偿和增补效应不变;提出了解决问题的方法———建立非线性模型。与线性模型相比,非线性预警模型提高了模型的判别和预测能力。