马田系统在数据分类中的应用

马田系统是一种新的模式识别技术,是将田口式信噪比的试验设计方法的一整套思想应用到模式识别的特征变量选择问题上,并通过构建正常样品的基准空间,应用马氏距离值进行样品类别的识别.探讨了马田系统的基本原理,并应用MTGS模型方法对费希尔关于鸢尾花类型的判别问题进行研究,显示了马田系统方法的良好判别分类效果.     

基于粗糙集的马田系统改进及其在分类中的应用

马田系统是由日本著名质量工程学家田口玄一提出的一种模式识别方法,它将正交试验设计、信噪比与马氏距离进行集成,筛选有效特征变量,对待测群体进行诊断、评价和预测.马田系统利用正交表和信噪比筛选特征变量可能存在不足之处,而粗糙集是处理不完善、不确定数据等不完全信息并能进行属性约简的有效方法,引入粗糙集筛选有效特征变量以改进马田系统.癌细胞的及早发现有助于乳腺癌的早期预防和及时治疗,以乳腺癌细胞的分类检测为背景,选取UCI数据库中600个细胞作为研究样本,使用改进马田系统方法区分正常细胞和乳腺癌细胞,并将其分类效果与经典马田系统相比较.结果表明,基于粗糙集的改进马田系统对乳腺癌细胞的分类正确率高于经典马田系统,粗糙集方法大大减少了特征变量个数,可简化数据的收集工作,为医疗上乳腺癌疾病的早期诊断及其他实际分类工作提供技术参考.     

基于GBMTS算法的不平衡数据分类研究

解决不平衡数据分类问题,在现实中有着深远的意义。马田系统利用单一的正常类别构建基准空间和测量基准尺度,并由此建立数据分类模型,十分适合不平衡数据分类问题的处理。本文以传统马田系统方法为基础,结合信噪比及F-value、G-mean等分类精度,建立了基于遗传算法的基准空间优化模型,同时运用Bagging集成化算法,构造了改进马田系统模型算法GBMTS。通过对不同分类方法及相关数据集的实验分析,表明:GBMTS算法较其他分类算法,更能够有效的处理不平衡数据的分类问题。     

基于多变量控制图的马田系统优化研究

马田系统(MTS)是一种多元模式识别方法,它首先通过正常样本来建立基准空间,再利用正交表和信噪比来筛选有效变量,最后通过马氏距离来进行分类、诊断和预测.当建立基准空间的正常样本中掺杂少数异常点时,MTS的性能必然会受到影响.根据多变量控制图原理对建立基准空间样品的适合性进行判别,将在控制线外的样品点删除后建立新的基准空间,并通过UCI数据集进行可行性分析及分类效果比较,结果显示:经多变量控制图优化后的MTS,其性能得到显著提高.     

基于改进阈值的马田系统在医疗智能诊断中的应用

人工智能与医疗数据的融合可以加速疾病诊断过程,提高诊断精度,挖掘诊断过程关键指标,改善医疗工作流程.以医疗决策者偏好为前提,提出基于二次损失函数改进阈值的马田系统算法.通过正交表与信噪比对指标进行优化,降低模型复杂度;通过对阈值的改进,提高模型的灵敏度,满足医疗工作者的决策偏好.将此方法应用于UCI乳腺癌医学数据及三甲医院哮喘临床数据,并与其他改进阈值的马田系统算法及智能算法对比分析.结果表明,改进阈值的马田系统算法识别灵敏度高,简化诊断指标,训练耗时少,是一种更为有效的医疗智能诊断方法.     

基于岭估计的岭马田系统在复共线性数据中的应用

在多变量模式识别领域,变量间经常会存在复共线性,复共线性不仅会影响参数估计的效果,也会使变量的敏感性出现显著异常.马田系统是以马氏距离作为测量尺度的多变量模式识别方法,复共线性会通过马氏距离影响马田系统变量筛选的效果和判别的准确率.基于岭估计提出了一种新的测量尺度—岭马氏距离,利用岭迹法确定岭参数,将其引入马田系统使得马田系统对病态数据具有更好的耐受性.通过案例验证了岭马氏距离可以很好的克服复共线性,并提高马田系统的判别准确率.     

基于粗集和熵值的卷烟消费市场潜力评价

运用粗糙集属性约简算法对初始因素指标进行约简,运用熵值法确定指标权重并建立综合评价模型,对贵州省各地区卷烟消费市场潜力进行综合评价,得出各地区消费潜力排序.应用实例表明两种方法结合使用将有效提高评价质量.     

基于组合赋权和VIKOR的学术期刊综合评价研究

针对传统学术期刊综合评价中指标权重大多为单一赋权且评价信息难以集结的问题,提出一种新的基于组合赋权和VIKOR的学术期刊综合评价模型.首先,分别利用DEMATEL方法和熵权法确定指标的主观权重和客观权重;然后,利用乘法归一化方法计算指标的组合权重;最后,基于VIKOR方法计算各方案的利益比率值并排序.以教育类期刊为研究对象,结果表明,模型不仅能够充分考虑学术期刊指标间的相互影响关系和指标提供的信息量,还可以有效避免个别较差指标的消极影响被其他指标中和,为学术期刊评价问题提供了一种新思路.     

简约指标体系下我国省级信息化水平综合评价——基于相关分析和主成分分析方法

在海选省级信息化初始评价指标的基础上,采用相关分析和主成分分析定量筛选方法对初始指标体系进行变量筛选;保证筛选出的指标对评价结果有显著影响的前提下,构建了省级信息化评价简约指标体系;用22%的指标反映了99%的原始信息.最后综合各主成分构造的综合评价模型对我国31个省的信息化水平进行了实证分析,得到了较好的评价结果.     

数据的多流形结构分析

建立了基于ALM和权值的LRR聚类改进模型,对高维数据进行分析,将其分为两个独立的子空间,并与传统k-means聚类模型进行对比,采用评价指标模型对聚类结果进行评价分析.提出的LRR聚类改进模型在正则项引入了权重系数w,可以更好地将扰动分开,求解结果及评价指标均有效地验证了其稳定性、精确度等性能均有所提升.建立了SMMC改进模型,对机器工件外部边缘轮廓进行分类.从求解结果可看出该模型非常适合用于处理混合多流形聚类问题,对于比较复杂的曲线有着很好的分类性能.按照数据预处理、数据建模分析、模型结果评价步骤,通过使用谱聚类分析和多流形学习方法,对所给出的高维数据进行分析和处理,并通过评价模型得出相应的评价指标,对数据的多流形结构进行了深入的研究和探讨.