比较逻辑斯蒂与地理加权逻辑斯蒂回归模型在福建林火发生的适用性

林火预测预报是科学有效进行林火管理的前提,是林业管理部门和科研工作者的广泛关注的领域。逻辑斯蒂回归(Logistic Regression,LR)是目前国内外广泛应用于森林火灾预测的模型方法,然而近年来有学者发现该方法没有充分考虑林火影响因子的空间相关性和异质性,从而导致模型拟合结果偏差。地理加权逻辑斯蒂回归(Geographically weighted logistic regression,GWR)模型考虑到了模型变量之间的空间相关性,有效提高的模型的拟合能力。为探讨GWLR模型在福建林火预测上的适用性,本研究应用LR和GWLR两种方法分别建立福建省森林火灾与气象因子的预测模型,通过模型拟合能力对比,判断在GWLR的适用性。研究以2000—2005年福建地区森林火灾卫星火点数据和每日气象因子为基础,将全样本分为60%的建模数据和40%的校验数据,并重复5次,建立5个样本组。选择在5个样本组中3个及以上表现显著的变量进入最终模型。研究结果表明GWLR在模型拟合度、模型残差、空间自相关性以及预测准确率等方面均优于LR模型,说明充分考虑模型变量的空间异质性有助于提高模型的预测精度,同时也验证了GWLR在福建地区林火预测上的适应性。此外,模型参数结果显示,"日最高地表气温"、"日最低地表气温"、"日平均风速"、"24小时降水量"、"日最高本站气压"、"日照时数"、"日最高气温"和"日最小相对湿度"8个因子对福建省林火发生有显著影响,研究结论为福建地区林火预测预报提供了新的方法。

基于逻辑斯蒂回归模型的鹭科水鸟栖息地适宜性评价

近年来湿地生态系统遭到不同程度破坏,湿地水鸟及其生存空间日益受到威胁。以香港米埔-后海湾湿地为例,收集2003年1月份与鹭科水鸟密切相关的15个自变量和鹭科水鸟实测数据作为因变量构建逻辑斯蒂回归模型,通过筛选获取9个变量因子,分别为土地利用,NDVI,坡度,降雨,TM4纹理,TM3纹理,道路密度,道路距离,人居密度。经Nagelkerke R2检验模型精度达到0.743,拟合度较高。利用模型结果快速聚类,对栖息地进行适宜性分级,分级结果与同期鹭科水鸟实测数据做拟合,精度达到77.4%。最后采集2009年1月份各变量因子数据对回归方程进行时间尺度检验,与同期实测鹭科水鸟数据拟合精度同样达到75.8%,模型具有较好的通用性。

基于逻辑斯蒂回归的变压器涌流识别

变压器涌流是造成变压器差动保护误动的主要原因之一。本文从变压器不同运行工况下记录的差动电流波形出发,结合小波分析和机器学习智能技术,提出了一种基于逻辑斯蒂回归的涌流识别方法。首先,通过仿真手段批量获取变压器涌流和内部故障波形样本。然后,借助小波理论从中抽取反映波形组成成分复杂度的特征指标,并在此基础上,详细阐述了逻辑斯蒂回归分类器从构建优化到性能评估的完整过程。最后,将分类器应用于仿真实验和现场录波数据,通过与现有文献中的检测方法相比,验证了本文方法的正确性和有效性。本文方法原理简单,计算量小,既可以对当前现场配置保护作动作特性分析,也可以为智能保护的研究提供参考。

核典型关联性分析相关特征提取与核逻辑斯蒂回归域自适应学习

本文提出了一种利用核典型关联性分析提取源域目标域最大相关特征,使用核逻辑斯蒂回归模型进行域自适应学习的算法,该算法称为KCCA-DAML(Kernel Canonical Correlation Analysis for Domain Adaptation Learning).该算法基于特征集关联性分析,有效的减小源域和目标域的概率分布差异性,利用提取的最大相关特征通过核逻辑斯蒂回归模型实现源域到目标域的跨域学习.实验比较源域数据上核逻辑斯蒂学习模型、目标域上核逻辑斯蒂学习模型、源域和目标域上核逻辑斯蒂学习模型和KCCA-DAML模型,结果显示KCCA-DAML在真实数据集上成功的实现了跨域学习.

应用地理加权逻辑斯蒂回归模型分析浙江区域野火的相关因子

野火是森林生态系统重要干扰因子,维持生物多样性和生态系统结构关键因子,也是对森林资源、大气环境和人类生命财产安全造成威胁主要因子。以2001—2018年浙江区域MODIS野火数据为研究基础,运用地理加权逻辑斯蒂回归方法,结合气象、植被和地形等自然因素,分析浙江野火时间变化特征及相关因子。结果表明:浙江区域野火时间变化不均匀,导致防火期提前,当年10月至次年4月野火发生占全年总火点的95.28%,其它月份仅占4.72%。防火期对野火的发生影响显著的因子主要有日最高地表气温、日平均风速、日降水量、日平均气压、日最低温度、日最小相对湿度、年平均降水量、海拔、坡度和植被覆盖度;非防火期对野火发生影响显著的因子主要有日最高地表气温、日降水量、日照时间、年平均降水量、年平均气温、海拔、坡向指数和前一年植被覆盖度。防火期和非防火期的高火险区域主要集中在温州中部和东部、温州与丽水市交汇区域、绍兴市与宁波市交汇区域,说明不同时期、不同区域可以采取不同的野火管理政策。

基于逻辑斯蒂回归的恶意请求分类识别模型

为了解决针对Web应用层的攻击,有效分类识别恶意请求,深入研究有监督的学习方法,针对请求文本内容不足、特征稀疏的缺陷,提出了一种基于非重复多N-Gram的TF-IDF分词策略和逻辑斯蒂回归方法构建的恶意请求分类模型。通过从Secrepo安全数据样本库等来源采集到的大量样本数据进行特征提取后对模型进行训练,以最大似然估计作为模型的优化目标,利用梯度下降的方法得到最优分类模型,并在测试集上验证模型的可靠性。实验结果表明,短文本、低语义的请求内容通过字母形式在多N-Gram的分词下构造的分类模型,相对于单词和单倍N-Gram分词的分类模型具有较高的分类准确率和得分,并且训练模型所耗时间相差不大。该方法训练出的最终模型在测试集上的准确率、召回率和F1值都达到了99%以上。

基于逻辑斯谛回归的高职院校教学诊断与改进的效果分析

教学诊断与改进是高职院校提高教学质量和人才培养质量的重要工作,涉及到学校、专业、课程、教师和学生等多个方面。如何确定教学诊断与改进过程中各方面的工作效果是质量持续提升的保证。该文从教学诊断与改进的效果分析出发,探讨基于逻辑斯谛回归机器学习方法的效果分析模型构建,并以实例数据进行训练与预测,分析教学诊断与改进工作的效果,以提高对整体工作的效果分析的科学性和客观性。

价格、折扣和评分对在线酒店销售成功率的影响研究——基于两分逻辑斯蒂模型的回归分析

价格和口碑是影响在线酒店销售的两个关键因素。本研究收集了6188件在线酒店产品的相关数据,采用两分逻辑斯蒂回归的研究方法,从总体和消费层次两个维度,分析了价格、降价幅度和评分对销售成功率的有用性和作用程度。结果显示,对于全部产品,这三个因子对提高销售成功率有确定的作用,其中最重要的是价格,其次是评分和降价幅度。然而,不同层次产品(经济型、中档型、舒适型、高档型和豪华型)的影响因子在构成及其重要性上存在明显差异。研究结论刻画出价格、折扣和评分对在线酒店产品销售成功率的影响特点,有利于酒店提高其产品的销售成功率。

基于非线性降维多项式逻辑斯蒂回归的图像/非图像数据的分类与识别(英文)

在面向大规模复杂数据的模式分类和识别问题中,绝大多数的分类器都遇到了维数灾难这一棘手的问题.在进行高维数据分类之前,基于监督流形学习的非线性降维方法可提供一种有效的解决方法.利用多项式逻辑斯蒂回归方法进行分类预测,并结合基于非线性降维的非监督流形学习方法解决图像以及非图像数据的分类问题,因而形成了一种新的分类识别方法.大量的实验测试和比较分析验证了本文所提方法的优越性.

多元逻辑斯谛回归在电磁敏感性数据分析中的应用研究

提出了应用多元逻辑斯谛回归技术处理电磁敏感性数据的基本理论,通过一个实例介绍了这一理论在实际中的应用步骤,最后考虑到选取适当的敏感性数据进行逻辑斯谛回归处理只是一种经验方法,如果选取不当,将会导致错误的预测,指出了在实际数据选取中需要注意的一些问题。

应用逻辑斯谛回归函数确定煤与瓦斯突出预测敏感指标

利用SPSS软件,根据逻辑斯谛回归模型确定突出预测时的敏感指标,对某煤矿掘进工作面的突出预测指标样本进行分析,发现SPSS逻辑斯谛回归所确定的敏感指标与"三率"法结论一致,且逻辑斯谛回归是将定量与定性参数结合回归,所得结论更具说服力,更科学合理。

连续比例逻辑斯蒂回归模型在半参数ROC曲面估计上的应用

针对诊断试验中有3种或3种以上诊断结果的情形,常采用ROC曲面来代替ROC曲线进行试验准确度的判断。回顾以往有关ROC曲面估计问题的文献,可以发现学者们大多使用的是参数方法和非参数方法,而利用半参数方法所得到的结果也很优良,结合连续比例逻辑斯蒂回归模型和bootstrap方法,所得到的ROC曲面和非参数方法相比更加平滑,也更加精确,在计算半参数最大似然估计时,半参数方法可以借助许多统计软件中的逻辑斯蒂程序来代替传统的牛顿迭代法之类的数值计算方法,能很快得到结果。因此在ROC曲面估计问题上半参数方法明显优于非参数方法。

基于逻辑斯谛回归的银行营销

近年来,随着科技和经济水平的快速发展,企业营销策略变得多样化,在互联网飞速发展、人工智能技术越来越普遍的今天,亲力亲为的传统营销目标客户的调查方式已逐渐退出历史舞台,而利用人工智能机器学习对受众客户进行分析与预测变得越来越广泛。本文利用逻辑斯谛回归机器学习算法,以客户的基本资料和银行推销行为相关数据为特征,在以往的数据中分析潜在贷款订购客户数据,实现对该客户是否会订购银行定期存款项目的辅助判断,帮助银行进行营销广告的精准投放,从而减小人工出错的几率并缩短预算的时间,最终提高银行效率。

逻辑斯谛回归算法在医疗领域的应用——肝病筛查

近年来,随着我国科技水平不断上升,各领域数据量以指数级别增加,传统的统计方法已不能满足现代人们的需要,如何在大规模的数据里面挖掘有用的信息,分析预测新的数据,成为各行各业所研究的问题,医学领域也是如此。随着医疗领域的快速发展,机器学习与医疗结合的方法应运而生,它是处理海量数据有效的方法。本研究即利用逻辑斯谛回归机器学习算法来分析肝脏医疗数据,从而建立机器学习模型,最终用该模型对患者类别进行预测,实现人工智能在线辅助肝病诊断,从而提高肝病筛查预测的准确性和实时性。

混合效应逻辑斯蒂回归模型的原理及其应用

近年来,混合效应逻辑斯蒂回归模型(mixed-effects logistic regression model)在社会语言学、心理语言学、语料库语言学和认知语言学等领域中得到广泛应用。本文旨在介绍混合效应逻辑斯蒂回归建模的原理,并以英语与格交替研究作为案例,展示混合效应逻辑斯蒂回归模型在语言研究中的具体应用。

基于逻辑斯蒂回归的智能机器人语音指令识别方法

为了提高智能机器人语音指令识别精度,本文提出了基于逻辑斯蒂回归的智能机器人语音指令识别方法。采用多维语音传感器,对语音指令信号进行了采集,利用子空间降噪方法对语音指令信号进行了降噪处理。通过频谱特征参数估计方法进行了特征参数估计,构建了智能机器人语音指令的协方差融合模型,融合语音指令参数。采用逻辑斯蒂回归分析方法,结合稀疏性估计,实现了智能机器人语音指令识别。仿真结果表明,本文所提出方法的智能机器人语音指令识别精度较高,能够有效提升智能机器人的控制能力。

长株潭城市群生态系统服务权衡与协同关系的空间异质性及其驱动因素

生态系统服务间存在复杂的权衡或协同关系并表现出显著空间异质性,明确生态系统服务权衡与协同关系的空间分异特征并阐明其驱动因素,对生态系统可持续规划与管理具有重要意义。利用InVEST模型和城市生态智慧管理系统(IUEMS)量化2020年长株潭城市群6项关键生态系统服务物质量(水源涵养(WC)、土壤保持(SC)、碳固存(CS)、生境质量(HQ)、粮食供给(FP)和景观美学(LA)),并运用相关系数法揭示1 km格网尺度的生态系统服务权衡与协同关系及其空间分异特征,最后通过逻辑斯蒂回归分析阐明其驱动因素。结果显示,1)2020年长株潭城市群SC、WC、CS、HQ和LA均呈现东南高西北低的空间分布特征,FP呈现西北高东南低的分布特征。2)长株潭城市群生态系统服务间权衡与协同关系空间差异明显。SC与CS、WC、HQ、LA间协同关系面积占比超过60%,协同关系主要分布在研究区东北部和南部的山区以及西部农田地区,而权衡关系主要位于建成区及其周边地区。FP与CS、WC、HQ、LA间权衡关系面积占比超过65%,权衡关系主要位于北部的平原区域和南部的山区,而协同关系主要位于城市区域及其周边非林地区域。3)自然、社会经济和政策管理因素共同影响生态系统服务间权衡与协同关系的空间异质性。陡坡会抑制生态系统服务之间的协同;温度、降水、NDVI的增加能够促进调节服务、支持服务和文化服务间的协同,但抑制FP与其他生态系统服务间的协同;社会经济发展会促使生态系统服务间趋向低-低协同或权衡关系;绿心保护政策促进SC与其他生态系统服务,以及CS与LA之间的协同。

地形对温带密林下灌草层地上生物量分异的影响——以东北虎豹国家公园为例

为探讨地形对林下灌草层植物生物量的影响,该研究采用嵌套设计法在东北虎豹国家公园调查了138个密林下样地共1685个植物样方,通过嵌套方差分析与有序逻辑斯蒂回归模型对林下灌草层植物生物量受地形的影响进行了分析。结果表明:(1)不同坡位之间,谷底的灌草层植物生物量高于坡上,坡上高于坡下(P<0.01);不同坡向之间,阴坡灌草层植物生物量低于阳坡及平地(P<0.01),后二者间无显著差异;不同坡度之间,平坡灌草层植物生物量高于陡坡,陡坡高于缓坡(P<0.01)。(2)坡位与坡向的交互作用显著,坡下平地、坡上平地、坡上阳坡与谷底的所有坡位灌草层植物生物量最高,坡下阴坡、坡下阳坡及坡上阴坡之间无显著差异。(3)研究区现行状态下,有序逻辑斯蒂回归结果显示,灌草层植物生物量在不同海拔、坡位及坡向坡度组合下不同。坡位、坡向及坡度对林下灌草层植物生物量有显著影响,3个坡位等级间谷底最高而坡下最低,3个坡度等级间陡坡最高而缓坡最低,不同坡向比较,阴坡最低。(4)在不排除人为干扰、森林放牧的现实情况下,谷底、陡坡地带灌草层植物生物量概率最高。该研究结果可为准确估计东北虎豹国家公园林下灌草层植物对虎豹猎物种群的承载力提供重要参考,从而为濒危虎豹的保护和管理提供科学依据。

基于贝叶斯模型平均法的森林火灾预测模型构建研究--以云南省大理州为例

【目的】本文基于贝叶斯模型平均法,结合二项逻辑斯蒂回归模型,构建云南省大理州森林火灾发生预测模型,以期提高林火预测精度,为研究地区林火管理提供技术支持。【方法】利用2000-2013年大理州林火数据及对应的气象数据,分别运用二项逻辑斯蒂回归模型和贝叶斯模型平均法,对该地区森林火灾对气象因子的响应进行实证分析。二项逻辑斯蒂回归模型为单一模型,建模前通过对各解释变量进行多重共线性检验,剔除有显著共线性的解释变量,然后通过逐步回归法,筛选最终变量并进行参数拟合。贝叶斯平均模型为组合模型,基于贝叶斯模型平均法建模时,采用奥卡姆窗的方法来适当调整模型空间,并以5个最优模型的后验概率作为权重进行加权建模。将全样本数据随机分成80%的训练样本和20%的测试样本,基于训练样本建立模型,对测试样本进行预测,通过对比观测值和预测值计算模型的准确率。【结果】通过二项逻辑斯蒂模型拟合,优度为0.783,预测精度为0.718。通过贝叶斯平均模型拟合,优度为0.868,预测精度为0.807。2个模型预测结果对比显示,在训练集中,贝叶斯平均模型的预测准确率比二项逻辑斯蒂回归模型高9.3%;在测试集中,贝叶斯平均模型的预测准确率比二项逻辑斯蒂回归模型高8.9%。【结论】在基于气象因子的大理州林火发生预测模型构建研究中,贝叶斯平均模型的拟合优度和预测精度均高于二项逻辑斯蒂模型,表明贝叶斯模型平均法具有一定的现实应用意义,可用于提高研究地区林火预测精度,有利于森林火灾的决策管理。

基于GIS的Logistic回归在区域滑坡空间预测中的应用

巫山新址西区作为试验区,选取地形地貌、岩性特征、地质构造等区域斜坡稳定性影响因子,以MAPGIS地理信息系统为技术支撑,将全区按10m×10m方格划分为14450个单元,每个格网单元作为一个样本,建立Logistic回归模型,进行区域滑坡空间预测。结果表明:以滑坡发生概率0.163为判据,试验区内发生滑坡地段的判对率为72.08%,不发生滑坡地段的判对率为81.44%。根据计算结果可以得到区域斜坡稳定性分区以及进一步的地质灾害风险评价。