基于主分量分析和BP神经网络的个人信用评估模型

运用基于主分量分析和神经网络(PCA-NN)的个人信用评估模型以期取得更好的预测分类能力.经实证分析及与SVM方法、线性判别分析、Logistic回归分析、最近邻估计、分类回归树及神经网络等方法的对比,结果表明,该方法有很好的预测效果.     

一个稳健判别方法及应用

在判别分析过程中,当一些学习数据的类别标签发生错误时,传统方法的判别效果不佳.为克服这一缺陷,提出一个基于混合模型的稳健判别方法,参数估计分两步完成.一个模拟数据和一个实际数据的判别结果表明,方法可显著提高分类正确率,比传统方法具有明显的优势.     

弹性判别分析在纸币鉴别中的分类应用

分类在许多领域都是重要问题,弹性判别分析是有效解决多类问题的分类方法.基于纸币的四个属性,应用这个方法来鉴别纸币的真伪.运用统计软件R可以得到:训练集的最高准确率达到99.64%,对应检测集的错误率为0.73%.同时,由于回归模型的多样性,弹性判别分析有多种形式.根据数据的特征可以提出适当的方法,对于纸币鉴别的数据集,最好的弹性判别分析的形式应用了带有适应选择项和样条光滑参数的加性模型.     

累积Logistic回归模型结构变点的序贯检验

分类时间序列在生物医学、社会学和遗传学等领域有着广泛的应用,累积Logistic回归模型是分类时间序列建模的一类重要模型.本文基于偏似然得分过程(Partial likelihood score process)提出一种变点序贯检验方法,监测累积Logistic回归模型的结构是否发生变化.原假设下推导检验统计量的极限分...     

基于贝叶斯逐步判别法的入侵检测模型研究

基于贝叶斯逐步判别法构建入侵检测模型,将入侵检测转化为一个分类判别问题,基于步进式引入的方法淘汰冗余的特征变量,能够在保障判别效果的前提下有效降低原分类判别函数的计算复杂度.使用KDD CUP99数据中10%数据集作为实验数据,以常见的拒绝服务攻击(DoS攻击)为例创建具体的模型实例,实验结果表明,模型对于样本内连接记录的回代判对率和样本外连接记录的检测正确率均较高.     

基于R软件的Bayes判别分析在医学中的应用

Bayes判别在进行判别分析时考虑到各总体出现的先验概率、预报的先验概率及错判造成的损失,其判别效能优于其他判别方法.对Bayes判别方法详细介绍的基础上,利用R软件对一组舒张压和胆固醇数据分别进行Bayes判别分析、Fisher判别分析和基于距离的判别分析,对比三种不同方法下得到的判别结果,结果表明Bayes判别分析得到的分类结果精度较高,Bayes判别分析在医学领域有较好的应用前景.     

基于主成分和Fisher判别的DNA序列分类方法

统计DNA序列中64种包含3个碱基字符串的频率,基于生物学知识,以此作为区分不同类别DNA序列的特征.对此频率数据使用主成分分析和Fisher判别两种方法进行数据降维操作,根据降维后的数据建立距离判别模型,用训练样本回判,检验模型判别效果,最后对未知类别序列进行判别归类,比较分类结果.     

基于主成分和Fisher判别的DNA序列分类方法北大核心

统计DNA序列中64种包含3个碱基字符串的频率,基于生物学知识,以此作为区分不同类别DNA序列的特征.对此频率数据使用主成分分析和Fisher判别两种方法进行数据降维操作,根据降维后的数据建立距离判别模型,用训练样本回判,检验模型判别效果,最后对未知类别序列进行判别归类,比较分类结果.     

BP神经网络算法在单井流动单元识别中的应用

流动单元的准确划分不仅是建立精细地质、搞清剩余油分布的必要条件,而且关系到后期挖潜剩余油措施的选择.本文应用BP神经网络算法,以取芯井参数聚类分析结果为学习样本,对非取芯井进行流动单元划分,实例表明与常规的判别分析方法相比,在划分结果上基本一致,但是BP神经网络算法具有更准确的样本学习能力,不存在回判错误的可能,为单井流动单元划分提出了新的思路.     

序贯判别分析

经典的判别分析尽管也注重变量的精简,但要求各待判样品一律提供相同个数的变量取值,仅在变量齐全的情况下做一次判断即肯定归属,以至往往有变量个数不少,判断正确率却不高的现象。这自然有多种原因,诸如关于分布模型的假设不甚通用,基于将空间一分为二的判别规则过于绝对化以及总的离差阵埋没了某些子集的特性等等。 Kendall曾提及将空间分为三个区域,落入其中两个区域者作肯定性判断,否则便待判的做法,并就两个母体的判别问题提供了一个建立在秩次基础上的实施办法,分布自