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.     

DEA-DA判别分析方法在期货市场评价中的应用

本文运用DEA-DA判别分析方法对10家期货经纪公司进行了分析,不仅成功地将实力雄厚、规模较大的期货经纪公司和实力较差、规模较小的期货经纪公司分别开来,而且还给出了期货经纪公司排名的一种新方法,即不单纯的考虑代理量或代理额,而是综合考虑两者的因素,给出一种客观、全面的排名方法.从长远角度看,这不仅有利于中国证监会对期货市场进行有力地监督,而且还有利于增加市场的流动性、提高市场的效率;对期货投资者来说,也有减小投资风险的指示作用.     

判别分析在教学法比较中的应用研究

采用平衡随机分组设计对课堂提问教学法和满堂灌法进行对比试验，判别分析表明，前者相对于后者，对促进学生的总成绩和学习综合能力都具有显著的优越性。     

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.     

判别分析在数学法比较中的应用研究

采用平衡随机分组设计课堂提问教学法和满堂灌法进行对比试验，判别别分析表明，前者相对于后者，对促进学生的总成绩和学习综合能力都具有显著的优越性。     

判别分析在小儿支原体肺炎早期诊断中的应用

本文对辽宁中医学院附属医院儿科收治的 90例肺炎病例进行了判别分析 ,求得判别函数 ,并应用于临床 ,收到了较为满意的效果。     

逐步判别分析在城市噪声区域划分中的应用

噪声是城市环境质量的重要指标之一,它给人们带来的影响日益严重,我国于1982年颁布了《城市区域环境噪声标准》(GB3096—82,以下简称国标),噪声区域划分就是为了贯彻国标要求,将城市中各小区划定为某一个噪声适用区域,以便执行国标规定进行噪声的管理与治理,最大限度地保护居民。国标将城市划分为以下各种适用区域:1.居民文教区,要求声级为50分贝以下;2.一类混合区,指一般商业与居民混合区,要求声级为55分贝以下;3.二类混合区,指一般商业、工业、交通与居民混合区,要求声级为60分贝以下;4.工业区,要求声级为65分贝以下,国     

判别分析在食物四性量化标准研究中的应用

在中医营养学中,食物的四性是指食物的寒、热、温、凉四种不同的性质,它是古人根据食物作用于人体所发生的不同反应与获得的不同疗效而概括、归纳、总结出来的食物特性,所谓“寒者热之,热者寒之,温者清之,凉者温之”以及药膳中“以寒凉食物清热滋阴,以温热食物散寒通阳”等,这些都是中医学理论治病用药之大法,同时也是人们选择食物、摄取营养的重要原则。数千年来,食物的四性一直作为指导中药药膳、解释食疗作用机理的主要依据。然而,到目前为止,食物四性的划分除按照人们的经验与感官外,还没有一种相对科学的判定理论和方法,致使不少食物的性、味至今说法不一,甚至相互矛盾。因此,有必要用现代科学的方法对食物的四性判定进行一些量化方面的研究,从而为其四性的划分提供一些客观依据。     

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.     

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。     

Bayes判别分析在医疗数据处理中的应用

本文利用判别分析的基本原理和方法,针对肝硬化医疗数据建立数学模型,然后利用SPSS16.0作为工具求解模型,得到了三个有意义的能判别归类的函数判别式。     

Feature Extraction for Nonparametric Discriminant Analysis

In high-dimensional classification problems, one is often interested in finding a few important discriminant directions in order to reduce the dimensionality. Fisher's linear discriminant analysis (LDA) is a commonly used method. Although LDA is guaranteed to find the best directions when each class has a Gaussian density with a common covariance matrix, it can fail if the class densities are more general. Using a likelihood-based interpretation of Fisher's LDA criterion, we develop a general method for finding important discriminant directions without assuming the class densities belong to any particular parametric family. We also show that our method can be easily integrated with projection pursuit density estimation to produce a powerful procedure for (reduced-rank) nonparametric discriminant analysis.     

判别分析在组织人才测评和选拔模型开发中的应用

动用判别分析的方法,以卡特尔16种人格因素测验(16PF)测得的人格因素及其二级因素为预测变量,以员工绩效评估的等级为被预测变量,开发出用于组织人事选拔的判别函数和判别模型。用交叉验证法对模型进行的评估表明,模型具有较理想的预测精度。该模型的应用解决了人才测评指标多元化和复杂化为人事选拔带来的困难,提高了组织人事决策的效率和准确性。     

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.     

A Preliminary Test in Discriminant Analysis

One of the aims of discriminant analysis is the allocation of unknown entities to populations that are knowna priori. Considerkpopulations. LetXdenote the vector of observations on an experimental unit, whose origin is uncertain. For the general parametric case, a test is proposed to verify the hypothesis thatXis coming from a new population. The case of normal population with equal variance is fully derived.     

Discriminant Analysis for Regression Models with Stationary Long-Memory Disturbances

We shall consider the problems of classifying an observation from regression model with stationary long-memory or short-memory disturbances into one of two populations described by the mean functions of the model. We use the log-likelihood ratio as a discrimant statistic which is optimal in the sense of its minimizing the misclassification probabilities. Then we confirm the theoretical results by some simple polynomial regression models.