改进Fisher判别法的突水水源快速判别模型

为快速有效地判别矿井突水水源位置,预防水害事故的发生,根据平煤五矿实际水文地质特征,针对砂岩、太灰和寒灰含水层水质差异性,收集34组水样资料,并选取K^(+)+Na^(+)、Ca^(2+)、Mg^(2+)、SO_(4)^(2-)、Cl^(-)、HCO_(3)^(-)六大常规水化学离子作为判别因子,开展水化学特征分析;结合PCA降维统计算法,建立改进的Fisher水源判别模型,并利用待测样本对比改进前后Fisher模型的判别结果,同时将训练样本回代到改进模型中进行验证。结果表明,根据水化学类型无法准确区分寒灰水与太灰水;利用改进Fisher判别模型测试10组待测样本,判别准确率为100%,相较于基础Fisher模型,准确率提高了20%,应用改进Fisher判别模型可大幅提升水源识别准确率;已知训练样本的回代结果显示,改进Fisher判别结果与实际情况基本吻合。通过2种模型的对比分析,采用改进Fisher模型进行矿井水源识别准确率及可靠性高,具有一定研究价值,可为矿井水源识别提供新的思路。

企业债券违约风险的研究——基于ZETA模型及Fisher判别分析

文章采用理论分析与实证检验结合的方法,以76家公司的综合财务数据为研究基础,对债券违约企业与非违约企业的财务特征进行研究,以ZETA模型参数变量和Fisher判别分析方法,搭建违约风险评估模型,对企业的违约风险实施分析评价,并进行检验,以期为国家金融监管机构、金融机构和投资者等利益相关方提供科学的评价方法和决策依据。

急倾斜煤层顶煤可放性分类预测的Fisher判别分析模型及应用

基于Fisher判别理论建立了急倾斜煤层顶煤可放性分类的Fisher判别分析模型.选取老顶、直接顶、底板、瓦斯、采深、倾角、煤层厚度、坚固性系数、夹矸等9项指标作为Fisher判别分析模型的分类判别指标.利用国内矿区急倾斜煤层可放性分类实例数据作为训练样本进行训练,建立顶煤可放性分类的Fisher判别分析模型,求得判别函数.用建立的模型对5个矿山的急倾斜煤层顶煤可放性进行分类预测,结果与实际情况符合良好.

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。

北山花岗岩区微震事件的Fisher判别模型

应用微震监测系统,对北山坑探设施开挖过程进行实时监测。为研究北山花岗岩区微震事件的判别方法,采用Fisher判别分析法,选取地震力矩、微震能量、微震体变势、静应力降和视应力等5个震源参数作为判别因子,综合考虑各震源参数的差异性,建立爆破和微震事件Fisher判别模型,并对该模型进行检验。结果表明:总体判别正确率为86.3%,其中爆破组监测数据正确判别率达100%,微震组监测数据的正确判别率为76.4%,判别结果与事件实际基本相符。该模型简便易行,正确率较高,能够对北山花岗岩区爆破和微震事件进行有效地识别。

上市公司财务困境预测的Fisher判别分析模型

文章运用统计方法选取有效建模变量,建立了Fisher判别分析预测模型,对我国上市公司财务困境进行了预测。研究结果表明该模型具有良好的预测精度,可以作为证券投资者和分析人员使用的一种有效的财务困境预测工具。

基于Fisher判别分析法的潜在滑坡判识模型及其应用

针对古(老)滑坡,选取地貌特征(包括地形坡度、沟谷切割状况、洼地封闭状况、前缘临空状况)、滑面特征(包括滑面倾角、滑面形态、滑面阻抗比)、滑体结构和近期活动迹象4大类9个指标作为潜在滑坡的判识指标,然后依据Fisher判别分析的理论和方法,建立了潜在滑坡的Fisher判识模型。实例分析结果表明,Fisher判别方法预测准确率高达100%,回判估计的误判率仅为5%,是一种有效的潜在滑坡判识方法。

基于Fisher判别分析的企业信用评价模型

本文以100家上市公司综合财务数据为样本数据,采用主成分分析和Fisher判别分析方法,建立模型,对企业的信用风险进行分析评价,为债权人、投资者和交易方提供决策依据。

Fisher多级判别准则及其应用

论述了Fisher准则下多级判别的建模机理,并应用该原理将山东省胶南市第二代玉米螟百株累计卵量的3个影响因素压缩为一个新指标(即线性判别函数),用这一个新指标对样品按距离最小准则判别归类.结果表明,历史拟合率为100％。两年预报,其结果与实际一致.

基于Fisher判别法模型的矿山安全标准化等级评价

为简化矿山安全标准化等级评价的内容和过程,真实反映矿山安全标准化的水平,从安全管理、安全培训、安全意识、安全行为、员工参与和安全绩效6个方面,结合矿山的实际情况,选取了18个因素作为等级评价的指标,建立基于Fisher判别分析(FDA)的矿山安全标准化等级评价模型。根据矿山的安全管理水平及运行过程中存在的问题和缺陷,将安全标准化等级分为4个等级。选取16组数据作为训练样本,采用判别函数进行回检,回判估计误判率为0,并对其余4组数据作为检验样本进行判别,判别率为100%。最后,利用该模型对5家金属矿山安全标准化的指标数据进行预测,预测结果与实际情况一致。研究结果表明:该模型在评价矿山安全标准化等级中可靠性高且判别准确。该评价模型为矿山安全标准化的建设提供了方向和途径,有利于矿山安全管理水平的提高。

煤矿立井井筒非采动破裂的Fisher判别分析模型

为准确评价煤矿立井井筒的安全状态,基于多元统计分析理论,以工程实测数据为训练样本,选取井筒直径、松散冲积层厚度、水位降、卸压槽压缩率、破裂等级、服务年限率、治理方式和冲积层压缩速率8个影响因素作为判别因子,建立了井筒非采动破裂的Fisher判别分析模型。在此基础上,对兴隆庄煤矿副井和东风井的安全状态进行了预测。结果表明,21个训练样本的回代判对率为100%,模型精确性高;判别效果通过了显著性检验,并通过井筒实例对模型的可靠性进行了验证;兴隆庄煤矿副井和风井2017年6月预测状态为安全,井筒破裂的可能性较小。该预测方法简单、可靠,为立井非采动破裂预测提供了一种新的途径。

logistic回归模型与Fisher判别在围术期并发症高危因素筛选中的应用

详细说明了logistic回归模型与Fisher判别在分析并发症产生的影响因素、预测并发症发生的高危人群中的应用,便于科学地指导术前和术后预见性护理工作。

基于Fisher判别分析可分性信息融合的马铃薯VC含量高光谱检测方法

为提高马铃薯VC含量检测结果的准确性和可靠性,提出一种基于Fisher判别分析(Fisher discriminant analysis,FDA)可分性数据融合的检测模型输入变量构建方法。首先,利用高光谱成像技术采集200个马铃薯的高光谱信息,通过对比6种预处理方法和原始数据的建模结果,确定多元散射校正为光谱数据的预处理方法;其次,采用竞争性自适应重加权采样(competitive adaptive reweighted sampling,CARS)、连续投影算法(successive projections algorithm,SPA)及CARS-SPA组合算法3种方法提取相应特征波长,通过对比分析最终确定34个有效特征波长;然后,将有效特征波长进行FDA可分性数据融合,根据融合的新变量对样本间差异性判别能力的大小进行筛选,确定构建检测模型的输入变量;最后,分别对FDA融合前后筛选的变量建立偏最小二乘模型和反向传播神经网络(back propagation neural network,BPNN)模型,并对检测结果进行对比分析。结果表明,将CARS算法提取的34个特征波长进行FDA融合,采用前3个融合变量作为构建检测模型的输入变量时,其所建BPNN模型的相关系数由0.9726提高至0.9990,均方根误差由0.7723降低至0.1727,不仅能够极大地降低数据分析维度,而且能够提高检测结果的准确性。因此,基于FDA可分性数据融合构建检测模型输入变量可以提高马铃薯VC含量检测结果的准确性。

室内POI显著度评价的Fisher判别法模型

随着社会经济的快速发展,大型建筑物内部结构越来越复杂,室内空间的位置服务愈显重要。地标作为室内空间中的基础要素,能够帮助人们在室内认清方向和定位。但是,现有的室内地标的选取方式大多牵引于室外准则,未考虑室内POI独有的特点,导致所选取出的地标与用户的认知不匹配。针对这一问题,本文在室内空间POI显著度影响因素探究试验基础上,采用Fisher判别法(FDA)对试验数据进行语义信息量化、构建模型、模型回判和交叉互判处理,确定了室内POI显著度评价模型,并用于室内地标的提取。结果表明,建立的判别模型对室内POI显著度的判别和分级效果显著,选取出的地标能够与用户认知结果相一致。

用Fisher判别模型预测剖宫产指征

近年来剖宫产率上升较快,我国由过去的3%左右上升为15～20%,少数地方达30%以上.随着剖宫产率的升高,产妇与胎儿的各种并发症也增加,因此为避免不必要的手术创伤,正确掌握剖宫产指征是很必要的.以往常凭经验进行主观判断,就难免使判断的结果常有人为的主观偏差,而Fisher判别模型则是借助于数学手段,排除人的主观因素,为比较客观地进行判别分类提供了方法.本文结合本院以往的临床实践,建立了剖宫产综合指征群预测模型.为产妇分娩方式的选择做出预测,为剖宫产的实施提供科学依据.

基于时间序列的参数模型和Fisher判别分析的滚动轴承故障诊断方法

提出了基于时间序列参数模型和Fisher判别分析的滚动轴承故障诊断方法。该方法通过对轴承振动信号建立自回归模型,将自回归模型的特征参数作为特征向量,然后采用Fisher判别分析方法对轴承状态进行分类与识别,实验结果验证了所用方法的有效性。

基于Fisher判别法的财务欺诈识别模型研究

本文以我国上市公司为研究对象，选取盈利能力、偿债能力、营运能力和资产质量指标和公司治理结构五个方面的14个指标，建立了Fisher判别分析识别模型，并用检验样本对模型进行检验。研究结果表明该模型具有良好的预测精度，可以作为证券投资者和分析人员使用的一种有效的财务欺诈识别工具。

边坡稳定性预测的Fisher判别分析模型

将Fisher判别分析法应用于边坡稳定性预测问题中,建立了边坡稳定性预测的Fisher判别分析模型,选取岩石重度、粘聚力、内摩擦角、边坡角、边坡高度、孔隙水压力6项指标作为Fisher判别分析模型的判别因子,以边坡工程实测数据作为学习样本进行训练,建立相应的判别函数对待判样本进行分类。研究结果表明Fisher判别分析模型分类性能良好,预测精度高,回判估计的误判率很低,是边坡稳定性预测的一种有效方法,可以在实际工程中进行推广。

基于Fisher判别构建CT引导下肺穿刺活检并发症的预测模型

目的探讨基于机器学习算法的Fisher判别,初步构建CT引导下经皮肺穿刺活检(PTNB)并发症的预测模型。方法回顾性分析227例CT引导下PTNB的肺部肿块或结节,用前187例筛选并发症危险因素,纳入有统计学意义的指标,构建Fisher判别式,然后采用交叉核实法和后40例评估预测模型。结果187例中出现并发症48例(25.7%),主要为气胸29例(15.5%)和肺出血26例(13.9%),其中包含有气胸合并肺出血7例(3.74%)。并发症的危险因素有病灶大小、合并肺气肿、病灶中心与膈面短径、穿刺深度、穿刺角度和穿刺次数,并设参数值:X1=病灶大小(0>2 cm;1≤2 cm)、X2=合并肺气肿等(0=是;1=否)、X3=病灶中心距离膈面短径(0>3 cm;1≤3 cm)、X4=穿刺深度(0≤5 cm;1>5 cm)、X5=穿刺胸膜角度(0≤50°;1>50°)、X6=穿刺时间(0≤20 min;1>20 min)、X7=穿刺次数(0=1次;1≥2次)。所得并发症的非标准化Fisher判别公式为Z=1.531X1+1.531X2+2.123X3+1.390X4+1.564X5+0.903X6+1.716X7-3.114,判别界值为0.514。预测模型的交叉核实法和40例实践测评的误判率分别是10.2%和7.5%,准确率为89.8%和92.5%,敏感度为85.4%和88.9%,特异度为91.4%和93.5%。结论Fisher判别模型可以用于辅助临床预测CT引导下PTNB并发症的发生概率。