基于MTALAB的神经网络判别模型

判别分析是判别样品所属类型的一种统计方法.利用M ATLAB提供的神经网络工具箱为基础,设计了一个三层BP神经网络判别模型,提出了一种进行判别分析的新方法,实例表明,利用BP神经网络建立的判别模型是进行判别分析的有效方法.是对研究分类问题的方法的扩充.     

基于稳健判别方法的基因剪切位点识别

基因识别是生物信息学研究的一个分支.多元统计中的判别分析方法模型简单、便于解释,处理剪切位点的识别问题效果良好,但极易受到异常值的影响.对于传统判别分析方法,使用稳健统计量进行优化,得到较好的效果,并通过加权方法进一步提高了判别分析方法的稳健性,取得了更好的识别效果.加权稳健判别分析方法稳健性高、受离群值影响小,对其他分类判别问题具有很好的实际意义和参考价值.     

改进的基于特征向量集的距离判别及在企业信用评价中的应用

在基于特征向量集的距离判别的基础上,提出新的判别分析方法,试图解决现有判别分析方法中计算量大及对复杂数据判别效果差的缺点.同时,将方法用于企业信用评价中,并与传统的判别方法及一些改进的判别方法作比较,实验结果表明,方法提高了企业信用评价的准确率.     

根据人体的手部数据推断性别的研究

本文对18对男女的手长、手宽、掌长、掌宽数据,应用两总体线性判别分析方法得到推断性别的判别函数及判别临界值,经检验证明,准确率很好.     

高维数据判别分析中的特征选择

对高维数据进行判别分析,典型的策略包含数据压缩、特征提取与特征选择三步.该文对于选择合适的特征进行判别分析提出了一个定理,并应用这个定理对常用的主成分判别方法作了改进.最后,作者把改进的方法与两种常用的方法应用于一个神经生理试验数据的判别分析.结果表明,在保证判别能力的同时,改进后的方法下用于判别的特征减少了     

Fisher's判别分析及应用

判别分析是一种在各种领域都有广泛应用的统计判别与分组的技术方法.通过介绍Fisher's判别函数的导出,归纳Fisher's判别分析方法的步骤,然后应用其解决实际问题.     

有序判别分析新算法及其应用

判别分析是用已知分类数据建模对未知分类数据进行判别的方法,所用数据和分类不分顺序。要对有序又有周期数据进行判别分析,就要探索有序判别的新方法。这种方法的分类应当是有序的,并且能够排除事物发展周期性的干扰。本文介绍多元数据有序判别分析新方法的原理、建模流程、应用流程和应用实例。这种判别分析将分类建模与判别归类分开。新方法对多元数据建模时在多类模型中建立滑移的多套子模型,应用时根据应用领域的知识对样本归属作初步预估,然后程序选择相关的子模型进行判别归类。这种方法解决了由于时间序列多元数据周期性造成的样本分类颠倒问题,为时间序列数据的分类和预测开辟了新途径,在实际应用中取得了良好的效果,解决了重大难题。     

基于多元密度核估计的Bayes判别法

判别分析是根据所研究个体的观测指标来推断该个体所属类型的一种统计方法,但一般的Bayes判别法都须假设各个判别变量服从正太分布,且经常出现回代误判率不为零的问题.首次将多元密度核估计应用到Bayes判别法中,消除了判别变量要服从正太分布这个条件约束,并应用建立的最优窗宽调整算法,将回代误判率调整为零,最后对实例进行分析看出结论应用效果较好.     

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。     

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.     

判别分析在基因剪切位点识别中的应用

基因的结构预测是目前极为活跃的研究领域,而基因剪切位点的识别则是基因结构预测中的重要环节.本文采用自己提出的平均似然比等方法,同时采用目前较为有效的权重矩阵(WMM)、最大相关分解(MDD)、动态规划等模型,充分提取剪切位点信号区的统计特征,采用统计中判别分析的方法进行判别,得到了较好的判别效果,并与其它方法进行了比较.     

Asymptotic distribution of the discriminant function

This paper describes discrimination among multivariate autoregressive processes by the Bayes method. The asymptotic distribution of the discriminant function and estimation of the probability of misclassification are investigated.     

PLS classification of functional data

Partial least squares (PLS) approach is proposed for linear discriminant analysis (LDA) when predictors are data of functional type (curves). Based on the equivalence between LDA and the multiple linear regression (binary response) and LDA and the canonical correlation analysis (more than two groups), the PLS regression on functional data is used to estimate the discriminant coefficient functions. A simulation study as well as an application to kneading data compare the PLS model results with those given by other methods.     

不同先验分布下的后验分布确定土力学参数

岩土工程中各土层参数的取值是根据现场及室内试验数据,采用经典统计学方法进行确定的,但这往往忽略了先验信息的作用。与经典统计学方法不同的是,Bayes法能从考虑先验分布的角度结合样本分布去推导后验分布,为岩土参数的取值提供一种新的分析方法。岩土工程勘察可视为对总体地层的随机抽样,当抽样完成时,样本分布密度函数是确定的,故Bayes法中的后验分布取决于先验分布,因此推导出两套不同的先验分布:利用先验信息确定先验分布及共轭先验分布。通过对先验及后验分布中超参数的计算,当样本总体符合N(μ,σ2)正态分布时,对所要研究的未知参数μ和σ展开分析,综合对比不同先验分布下后验分布的区间长度,给出岩土参数Bayes推断中最佳后验分布所要选择的先验分布。结果表明:共轭情况下的后验分布总是比无信息情况下的后验区间短,概率密度函数分布更集中,取值更方便。在正态总体情形下,根据未知参数μ和σ的联合后验分布求极值方法,确定样本总体中最大概率均值μ_max和方差σ_max作为工程设计采用值,为岩土参数取值方法提供了一条新的路径,有较好的工程意义。     

Influence of observations on the misclassification probability in quadratic discriminant analysis

In this paper it is studied how observations in the training sample affect the misclassification probability of a quadratic discriminant rule. An approach based on partial influence functions is followed. It allows to quantify the effect of observations in the training sample on the performance of the associated classification rule. Focus is on the effect of outliers on the misclassification rate, merely than on the estimates of the parameters of the quadratic discriminant rule. The expression for the partial influence function is then used to construct a diagnostic tool for detecting influential observations. Applications on real data sets are provided.     

Estimation of the precision matrix of a singular Wishart distribution and its application in high-dimensional data

In this article, the Stein-Haff identity is established for a singular Wishart distribution with a positive definite mean matrix but with the dimension larger than the degrees of freedom. This identity is then used to obtain estimators of the precision matrix improving on the estimator based on the Moore-Penrose inverse of the Wishart matrix under the Efron-Morris loss function and its variants. Ridge-type empirical Bayes estimators of the precision matrix are also given and their dominance properties over the usual one are shown using this identity. Finally, these precision estimators are used in a quadratic discriminant rule, and it is shown through simulation that discriminant methods based on the ridge-type empirical Bayes estimators provide higher correct classification rates.     

Reliability analysis for Weibull distribution with homogeneous heavily censored data based on Bayesian and least-squares methods

The reliability for Weibull distribution with homogeneous heavily censored data is analyzed in this study. The universal model of heavily censored data and existing methods, including maximum likelihood, least-squares, E-Bayesian estimation, and hierarchical Bayesian methods, are introduced. An improved method is proposed based on Bayesian inference and least-squares method. In this method, the Bayes estimations of failure probabilities are focused on for all the samples. The conjugate prior distribution of failure probability is set, and an optimization model is developed by maximizing the information entropy of prior distribution to determine the hyper-parameters. By integrating the likelihood function, the posterior distribution of failure probability is then derived to yield the Bayes estimation of failure probability. The estimations of reliability parameters are obtained by fitting distribution curve using least-squares method. The four existing methods are compared with the proposed method in terms of applicability, precision, efficiency, robustness, and simplicity. Specifically, the closed form expressions concerning E-Bayesian estimation and hierarchical Bayesian methods are derived and used. The comparisons demonstrate that the improved method is superior. Finally, three illustrative examples are presented to show the application of the proposed method.     

基于多元统计分析的湖库水质富营养化程度评价模型及应用

利用多元统计中的主成份分析及判别分析方法 ,建立了一种新的湖库水质富营养化程度综合评价模型 ,并给出就我国十二个湖库的评价实例 ,实证分析的结果表明 :这是一种稳定性较好且切实有效的综合评价方法模型     

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。