高光谱数据的刚竹毒蛾虫害程度检测

刚竹毒蛾虫害检测对毛竹的生长和竹业的发展起着至关重要的作用。根据高光谱冠层光谱信息与刚竹毒蛾虫害程度之间的关系,提取冠层光谱中与虫害紧密相关的特征波长、指数以及光谱参数等,利用Fisher判别分析法建立刚竹毒蛾虫害程度检测模型。分别以原始光谱的400～508,586～693和724～900 nm处的波长、包络线去除光谱的400～756 nm之间的特征波长、9种冠层光谱植被指数和7种冠层特征光谱参数作为Fisher判别函数自变量,构建判别函数。收集300组毛竹叶片虫害样本数据,随机划分为210组建模集与90组验证集,根据检测精度、Kappa系数以及判定系数R2作为检验标准,对建立的判别函数进行效果评价与对比。结果表明,以原始光谱、去包络线光谱、冠层指数、光谱参数为自变量建立的Fisher判别函数的检验精度分别为：84.4%,81.1%,79.7%,78.7%;Kappa系数分别为：0.79,0.74,0.74,0.76;R2分别为：0.89,0.88,0.88和0.85。由此可知,Fisher判别分析模型建立的函数具备很好的刚竹毒蛾虫害程度检测能力,而且基于冠层原始光谱建立的判别函数检测效果最佳。根据高光谱数据的冠层原始光谱建立的判别函数对福建省顺昌县大干镇武坊村的洋门和土垅村的上湖竹林进行刚竹毒蛾虫害程度检测。检测结果为：上湖两个样区的竹林以健康为主。洋门两个样区虫害程度以中度和重度为主。因此基于无人机高光谱遥感对于刚竹毒蛾虫害的大面积检测具有可行性,该方法可为虫害检测的探究提供参考,为基于冠层遥感虫害检测贡献理论支撑。     

高光谱数据对损伤长枣的检测判别

灵武长枣作为宁夏优势特色枣果,具有重要的经济社会价值和科学研究意义。利用可见近红外(Vis/NIR)高光谱成像系统采集60颗完整长枣光谱图像,然后利用损伤装置对60颗完整长枣进行损伤实验,最终得到60颗损伤（内部瘀伤）长枣,高光谱成像系统采集损伤后五个时间段（损伤后2,4,8,12和24 h）长枣的光谱图像。对采集的长枣光谱图像用ENVI软件提取感兴趣（ROI）区域,并计算完整长枣和每个时间段长枣的平均光谱值。原始光谱利用Savitzky-Golay平滑的一阶导数（SG-1）和二阶导数（SG-2）、标准正态变换（SNV）和去趋势（Detrending）、以及SNV-SG-1、SNV-SG-2、Detrending-SG-1、Detrending-SG-2算法进行预处理,原始光谱和预处理光谱建立偏最小二乘判别分析（PLS-DA）分类模型。选择最优的预处理光谱数据,利用连续投影算法（SPA）、间隔随机蛙跳（IRF）、无信息消除变量（UVE）、变量组合集群分析法（VCPA）、区间变量迭代空间收缩法（IVISSA）和IRF-SPA、UVE-SPA、IVISSA-SPA等算法进行特征变量选择,对选择的特征变量建立PLS-DA、线性判别分析（LDA）和支持向量机（SVM）分类判别模型。结果表明,在原始光谱建立的PLS-DA模型中,模型校正集和预测集准确率分别为82.96%和90%。光谱经过预处理后得到SNV-SG-2-PLS-DA为最优分类判别模型,模型校正集和预测集准确率分别为91.11%和96.67%。在特征变量建立的分类模型中,SNV-SG-2-UVE-PLS-DA模型校正集和预测集准确率分别为86.3%和94.44%;SNV-SG-2-SPA-LDA模型校正集和预测集准确率分别为86.3%和83.33%;SNV-SG-2-UVE-SVM模型校正集和预测集准确率分别为77.78%和71.11%。对于分类模型来说线性分类模型（PLS-DA、LDA）分类结果优于非线性分类模型（SVM）分类结果,在线性分类模型结果中PLS-DA优于LDA分类结果,PLS-DA可以更好的提供分类效果。研究表明,利用高光谱结合偏最小二乘判别分析分类模型,可以有效的实现灵武长枣损伤后随时间变化的快速检测,为灵武长枣在线检测提供理论依据。     

判别分析中变量的选择—附加信息检验法

本文借用Ｓｈａｎｎｏｎ熵的概念给出了判别模型中附加信息检验原假设的解析形式，在母体服从等方差正态分布的情形，导出了检验的似然比统计量，在母体具有离散指标，服从多项分布的情形，导出了检验的似然比统计量，并给出其极限分布。     

扩散先验分布下Bayes多总体分类判别方法的构造

本文研究了各总体服从多元正态分布 ,其未知参数的先验分布均为扩散先验分布时 ,如何利用待判样品的预报密度函数、构造后验概率比并据此对样品进行分类与判别 ;此方法并不需要假设各总体分布的协方差相同 ,而且在预试样本容量较小时仍然可行。     

世界卫生保健状况评价的统计分析

本文针对反映卫生保健状况的各项指标数据,首先利用数理统计中因子分析的方法,找出反映卫生保健状况的综合因子,并计算各个国家的因子得分,然后根据子得分对各国分别进行排名,最后再用聚类法给出世界卫生保健状况的等级平价。并为促进世界卫生保健事业的发展提出几点建议。     

判别分析方法在医学应用中的进展

本文对医学领域中判别分析方法的新进展做一综述,介绍了微阵列基因表达数据判别分析中偏最小二乘法降维、离散小波变换法降维、logitboost算法、随机森林、模糊核判别分析以及时间序列多元数据有序判别分析法、自身有变化规律数据的变系数logistic回归模型判别分析法的基本思想、算法和适用条件。     

非参数逐步判别分析在脑中风分类诊断中的应用

本文采用不等带宽核密度估计的非参数逐步判别分析,使用SAS软件,对复旦大学附属中山医院78例脑中风样本病例,科学地进行了脑出血、脑缺血的分类诊断。经交叉证实法得判别正确率为:脑出血87 88%、脑缺血88 89%,总判别正确率88 46%,判别效果良好。应用78例训练样本建立的判别函数,在苏州大学附属医院2002年42例脑中风病人的分类诊断中,取得了成功的实际应用效果。     

多组判别分析法在恶性卵巢肿瘤B超评分诊断中的应用

为了妇科恶性肿瘤的早期诊断，对病人进行Ｂ型超声波的检查和Ｂ超评分，并把Ｂ超评分数作为初始条件，利用多组判别分析法，将它们划分为良性、过渡性或畸胎瘤和恶性等三类，是利用多元统计分析对妇科恶性肿瘤早期诊断的一种尝试．     

基于野外实测光谱统计分析的蚀变矿物填图

提出了一种新的基于野外实测光谱统计分析的蚀变矿物填图方法。该方法首先对野外测量得到的大量样本光谱数据进行聚类处理,从光谱的整体特征上将不同类型的样本区分开。第二步对各聚类结果中不同蚀变矿物分别建立其各自的判别函数。第三步在遥感影像上按照聚类得到的参考光谱分别进行大蚀变类的划分,最后在此基础上采用第二步得到的各蚀变类型的判别函数进行蚀变矿物的细化填图,得到最终的填图结果。该方法充分考虑了不同蚀变类型及蚀变组合的地区差异性,建立的蚀变矿物的判别函数更具有科学性,并且填图结果可在一定程度上进行可靠度评价。将该方法应用到新疆包古图地区的某一研究子区中,获得了较好的成果。     

小波聚类方法和近红外光谱技术用于药片种类判别

对310个药片样品的近红外光谱数据进行了聚类分析。首先使用小波变换对光谱数据矩阵进行多尺度分解,在进行有效压缩之后,采用经典分类方法对合适选取的小波系数组合进行聚类分析,提出了小波聚类方法。该方法分别用于实验室药片、中试药片和规模生产药片样品的分析,按药片样品的组成得到4个类别。结果表明,对实验室药片和中试药片样品分类的精确度均达到100%;对于规模生产药片的分类,共120个样品中只有1个样品被错误划分,精确度也高达99.2%。近红外光谱技术结合小波聚类方法的聚类性能是令人满意的,相比经典聚类分析,更加快速、易于使用,对制药行业药片质量以及成本控制均有积极作用。