基于非参数判别分析的古代玻璃制品分类研究

玻璃的主要化学成分是二氧化硅。古代玻璃极易风化,在风化过程中,内部元素与环境中元 素进行大量交换,导致其玻璃成分发生变化,从而影响考古工作的正确判断。为了更好的判断未知的古代玻璃 制品的成分,利用非参数判别分析法对已知的古代玻璃制品成分进行研究。通过非对称对数比变换将成分数据 转化到欧氏空间之后进行统计分析;利用非参数判别分析法,得到不同风化状态下玻璃类型的分类规律。对于 每个类别选择合适的化学成分,通过系统聚类法进行亚类划分。针对亚类分类,运用非参数判别分析法建立判 别模型。根据未知类别玻璃文物的风化情况,将数据代入非参数判别分析模型,得到各文物的玻璃类型及亚类分类。

基于稀疏表示和非参数判别分析的降维算法

针对人脸识别问题提出一种新的监督降维算法。算法首先基于稀疏表示理论,利用同类样本间的稀疏重构来构建图。此方案不仅可以克服传统图构造方法中参数选择的困难,而且能够更好地刻画类内信息。然后,算法采用非参数类间离差来刻画类间信息,非参数类间离差在处理复杂分布数据时相比于参数类间离差更具判别力。最后,算法通过保持类内稀疏重构关系的同时最大化非参数类间离差来求得最优的投影矩阵。在ORL和Extended Yale B公共人脸数据库的实验表明,该算法能够获得较好的识别结果。

一种自适应的非参数判别分析方法

线性判别分析(LDA)是在包括人脸识别等多个应用领域被广泛采用的降维方法。但是,由于LDA是基于各类均服从高斯分布的假设,导致其类间散度矩阵的定义会产生相邻类别的重叠问题。因此,我们提出了一种自适应的非参数判别分析方法(ANDA),此方法通过增加位于类边界附近样本点在类间散度矩阵中的权重的方法来增大不同类的相邻样本点之间的距离。本文通过在FERET以及ORL人脸库上的实验把ANDA方法与传统的PCA+LDA,Orthogonal LDA(OLDA)和非参数判别分析(NDA)进行了比较,实验结果表明本文提出的方法优于其他方法。

基于非参数交叉证实判别分析法建立社区脑膜炎诊断模型

目的:建立适用于社区中脑膜炎与其他中枢神经系统疾病的鉴别诊断模型。方法:采用不等带宽核密度估计的非参数判别分析,对中国典型病例大全近四年内符合纳入标准的161例脑膜炎和161例非脑膜炎患者完整的病例资料进行分析。结果:经交叉证实法得到脑膜炎组的判别正确率为83.95%,对照组为71.25%,总的判断正确率87.64%。同时对资料进行logistic回归和人工神经网络模型进行分析,并进行与人工神经网络和logistic回归所建立的模型进行比较。结论:非参数判别分析建立的脑膜炎诊断模型是理想模型。

基于非参数交叉证实判别分析法建立社区流行性脑脊髓膜炎初筛诊断模型的研究

目的建立适用于社区的流行性脑脊髓膜炎与其他中枢神经系统疾病的鉴别诊断模型。方法采用不等带宽核密度估计的非参数判别分析,对北京市佑安医院近五年内符合纳入标准的106例流行性脑脊髓膜炎患者和北京市宣武医院近五年内符合纳入标准的106例其他中枢神经系统疾病患者完整的病例资料进行分析。结果经交叉证实法得到发热、头痛、呕吐、颈强直和瘀点瘀斑建立的流行性脑脊髓膜炎诊断五联征,灵敏度为:100.00%,特异度为:83.53%,阳性预测值为:85.86%,阴性预测值为:100.00%,调整一致性为:92.35%。结论发热、头痛、呕吐、颈强直和瘀点瘀斑建立的流行性脑脊髓膜炎诊断模型有较好的识别作用。

动态加权非参数判别分析

线性判别分析(LDA)是最经典的子空间学习和有监督判别特征提取方法之一.受到流形学习的启发,近年来众多基于LDA的改进方法被提出.尽管出发点不同,但这些算法本质上都是基于欧氏距离来度量样本的空间散布度.欧氏距离的非线性特性带来了如下两个问题:1)算法对噪声和异常样本点敏感;2)算法对流形或者是多模态数据集中局部散布度较大的样本点过度强调,导致特征提取过程中数据的本质结构特征被破坏.为了解决这些问题,提出一种新的基于非参数判别分析(NDA)的维数约减方法,称作动态加权非参数判别分析(DWNDA).DWNDA采用动态加权距离来计算类间散布度和类内散布度,不仅能够保留多模态数据集的本质结构特征,还能有效地利用边界样本点对之间的判别信息.因此,DWNDA在噪声实验中展现出对噪声和异常样本的强鲁棒性.此外,在人脸和手写体数据库上进行实验,DWNDA方法均取得了优异的实验结果.

二维非参数化判别分析方法中的人脸识别算法研究

在使用传统线性判别分析方法计算类间散射矩阵时,使用类中心来近似表示各个类,类内散射矩阵的定义有一定的局限性,从而导致算法性能不稳定、小样本、数据的高斯分布假设及维数困扰等问题.提出了一种用于人脸识别的二维非参数化判别分析方法,对类间散射度矩阵和类内散射度矩阵进行了重新定义,考虑了各类数据的边界结构.通过在ORL标准人脸数据库上的实验结果,验证了算法相对于传统算法的鲁棒性和准确率.

基于二维非参数化判别分析的人脸识别

基于二维线性判别分析和非参数化判别分析的思想,提出了一种新颖的用于人脸识别的特征提取方法——二维非参数化判别分析方法.该方法解决了传统判别分析方法中的小样本问题与高斯分布假设问题.可以准确、高效地实现人脸识别.通过在ORL标准人脸数据库上的实验结果表明,算法相对于传统线性判别分析方法有显著优势.

煤炭自燃预测的非参数逐步判别方法及应用

运用在煤矿生成实践中积累的众多相关数据和资料,通过全面分析影响煤层自燃因素,基于非参数逐步判别分析理论,建立煤炭自燃预测的判别分析模型。选取影响煤炭自燃的主要因素如煤的自燃倾向性、煤层厚度、煤层倾角、煤的坚固性系数、工作面供风量、回采工作面推进度、采场回采丢煤率,作为判别因子,建立煤炭自燃预测的非参数逐步判别分析模型,利用某煤田的多个参数作为学习样本进行训练。经过训练后的模型回判的误判率为0。说明该模型在研究煤炭自燃预测中具有良好的实用性和有效性。

非参数下贝叶斯判别与聚类分析的信用指标筛选模型

文章通过非参数贝叶斯判别对所有信用指标进行第一轮筛选,通过非参数聚类方法对保留的信用指标进行第二轮筛选,提供了一套指标分布未知下筛选信用评价指标的非参数方法,并以某商业银行的860个企业信贷数据为样本进行了应用分析。其要点一是通过非参数核密度分布函数构建违约客户与非违约客户的二分类贝叶斯判别模型,删除判别精度影响度大于等于0的信用指标,保留判别精度影响度小于0的信用指标。二是通过非参数聚类将保留的指标聚为19类,在聚为一类的指标中保留判别精度影响度比重最大的信用指标,最终构建具有显著信用判别能力且信息不重复的指标体系。实证结果表明,最终构建的20个指标的企业信用评价指标体系符合5C要素模型。最终构建指标的判别精度高于全部指标判别精度3个百分点。

基于最近特征线的二维非参数化判别分析算法

提出一种基于最近特征线(NFL)的二维非参数化判别分析算法,用于人脸识别等模式分类问题。该算法在子空间学习阶段运用NFL思想计算训练集中各样例的最近特征距离,计算得到低维投影空间,在低维投影空间中进行分类。通过ORL标准人脸数据库进行实验,结果表明该算法的鲁棒性优于传统算法。

基于非参数方法的肿瘤基因表达数据挖掘

该文提出了一种基于非参数统计的模式识别方法,此方法并不对微阵列数据作总体分布假设,从而降低了噪声对预测结果的影响.该方法可适用于两总体及多总体的模式识别问题.通过对两个真实的肿瘤基因表达数据的分析,验证了方法的识别效果.

基于SVM与非参数LDA的雷达自动目标识别

针对非参数线性判别分析(LDA)的类间散布矩阵,就如何有效描述类边界结构这一问题,提出一种SVM与k近邻(kNN)法相结合的非参数类间散布矩阵构造方法——SVM-kNN.该方法消除了非类边界样本对类边界结构信息的扭曲.将SVM-kNN非参数LDA方法用于外场实测高分辨距离像的特征提取,并将识别结果与加权kNN非参数LDA法和谱域原空间法比较,结果表明,SVM-kNN非参数LDA方法能显著提高识别效率.

基于非参数K近邻-秩相关的信用评价指标构建模型

针对现有研究中指标的遴选标准与违约状态的鉴别能力无关且遴选出的指标信息冗余的不足,提出了一种将非参数K近邻判别与spearman秩相关分析相结合的信用评价指标体系构建模型,并且使用经营家庭农牧场的农户信贷数据进行了实证分析。创新与特色:一是通过非参数K近邻模型确定特定指标对于农户的判别精度,根据每一个指标判别精度的大小,筛选出对农户具有显著鉴别能力的指标;二是通过spearman秩相关分析计算经过第一轮指标筛选保留下来的指标的spearman秩相关系数,在秩相关系数大于等于0.7的一对指标中删除判别精度较小的那个指标,避免了评价指标体系的信息冗余。检验结果表明:一是ROC曲线的有效性检验揭示出最终构建的农户信用评价指标体系是有效的;二是利用非参数K-近邻模型筛选出的指标体系在样本判别精度方面要显著优于传统贝叶斯模型。

接触职业有害因素工人心理健康状况判别分析及验证

目的早期发现可疑心理异常人群,为工人的健康促进提供依据。方法待判样本组为684名接触不同职业有害因素男性工人,以症状自评量表(SCL-90)结果为指标,以筛选出同样接触职业有害因素并有心理异常的788名男性火车司机为训练样本组,对两组SCL-90的9个因子的得分进行了u检验和非参数判别分析。并对判别结果使用SF-36进行验证。结果待判样本组9个因子平均得分明显低于训练样本组(P<0.01),非参数判别分析显示,3个单位有109名男工为可疑心理异常者。经过现场验证调查,96名工人为可疑心理异常者,验证符合率分别为91.30%,80.65%,90.63%。结论3个单位接触职业有害因素工人的总体心理健康状况好于火车司机,但是进一步的研究显示,这3个单位接触职业有害因素的工人中仍存在一部分可疑心理异常的人群,对这部分人应采取必要的支持性措施,加强保护。

矽肺高危人群二种资料早期判别的比较

目的 矽肺高危人群的早期判别。方法 １０３ 例Ⅰ期矽肺患者和１４９ 例０ ＋ 期接尘工人， 均记录接尘浓度、接尘工龄等８ 个环境因素指标， 也均采取二者的枕后部头发０－５ 克， 作Ｚｎ 、Ｃｕ 、Ｓｅ 、Ｎｉ、Ｆｅ 、Ｍｎ 、Ｍｇ 、Ｃａ 等８ 种微量元素的测定， 用ＳＡＳ 软件中的非参数判别法判别。结果 经现场验证， 得出微量元素的判别优于环境因素的判别， 二种判别经卡方检验（χ２ ＝ ２－１２０ ２） 无显著性差异。结论 用Ⅰ期矽肺病人作标准， 测定发中微量元素， 预测０ ＋ 期中的高危人群是切实可行。

判别早期心血管疾病高危人群的方法研究

为了早期发现心血管疾病的高危人群，同时采集心血管疾病患者和“健康”被检者枕后部头发０．５ ｇ左右，经过预处理后，测定发中 Ｚｎ、 Ｃｕ、 Ｆｅ、 Ｍｎ、 Ｍｇ、 Ｃａ、 Ｓｅ等７种微量元素 的含量，用非参数判别法，对“健康”的被检者作判别，预测出的高危人群，经３年追踪调查， 确诊率达８９．６５％。建议可作人群普查的筛选。

脑力劳动者隐性高血压判别方法初探

对高血压和健康组发中微量元素Ｚｎ、Ｃｕ、Ｓｅ、Ｎｉ、Ｆｅ、Ｍｎ、Ｍｇ、Ｃａ含量测定，用非参数检验，两组均无显著性差异，在逐步回归法中，Ｎｉ有显著性差异。

接尘焊工头发中7种元素的测定及建立焊工尘肺判别方程

用接尘焊工Ｏ、Ｏ＋、Ｉ期之头发测定Ｚｎ、Ｃｕ、Ｓｅ、Ｎｉ、Ｆｅ、Ｍｎ、Ｍｇ元素，用二种判别方法进行辅助性诊断，同时检出高危人群，经现场验证结果良好。

职业紧张心理量表在判别合格教师中的实证分析

目的根据职业紧张心理量表的填写结果,用非参数判别法判别出合格教师。方法以某综合性大学3年来学生网上评教前100名教师中的22名教师的职业紧张心理调查资料为训练样本,以137名教师的职业紧张心理调查资料为待判样本,另有68名参加青年教师授课比赛的教师进行外推性验证。结果从137名待判教师中判出64名教师经教学督导员认可教学效果均在良以上,以参加授课比赛的68名教师进行验证,获奖的40名教师中判别出28人,占获奖的70%。结论为提高教学质量,该方法可以对选拔合格教师提供参考依据。