三种判别模型在化学结果分析中的应用

医学鉴别上,通常需要利用化验指标协助医生诊断.论文以七种元素的含量为参考变量,对是否患有肾炎进行判别,针对60组受检者（30组健康、30组患病）的数据应用主因素分析进行降维,得到关键因素,继而采用综合偏离因子判别、Fisher判别、Binary Logistic判别分别建立数学模型,自动判别结果准确率均在85％以上.其中,Binary Logistic模型克服了单因素分析和线性回归处理的局限性,准确率达100％.     

基于红外光谱和随机森林的枸杞产地鉴别

采用傅里叶变换红外光谱,测定了45个来自青海省不同产地的枸杞样品的红外光谱。小波变换对红外光谱原始数据进行了预处理。红外光谱数据压缩到原来的1/8,其分析精度与原始光谱数据基本相当。将45个样本数据分为30个训练集和15个测试集,建立随机森林(RF)预测枸杞产地模型,使用内部交叉验证和外部数据进行验证。采用R语言实现随机森林算法,并对模型的参数进行了优化。结果,所建立的判别模型中训练样本判别正确率为100%,测试样本判别正确率为100%。研究结果表明,建立的模型能够正确地对枸杞样品快速地进行产地鉴别,红外光谱法结合随机森林可作为中药材产域分类鉴别的一种新的现代化方法。     

支持向量机-微量元素分析法判别乌龙茶、红茶与绿茶

茶叶中的微量元素含量与产地土壤中的微量元素含量有关，故可用多种微量元素的分析数据结合模式识别计算判别茶叶产地和品牌，本工作根据三类茶叶中Zn,Mn,Mg,Cu,Al,Ca,Ba,K,8种元素的分析数据，用支持向量机算法判别乌龙茶，红茶或绿茶，并用留一法检验其预报能力。计算表明，支持向量机算法结果优于Fisher法和KNN法。采用福建安溪铁观音乌龙茶样品的元素分析结果作测试样品，检验本工作所得数学模型，判别结果亦与实际符合。     

基于可判别超平面树的生成模型图像标注方法

图像语义的自动标注是一个具有挑战性的研究课题,目前常见的机器学习方法,如统计生成模型(generative model)与判别模型(discriminative model)都被用于该问题的研究中.然而由于语义鸿沟的存在、图像训练数据的不平衡性以及图像标注的多标签特性等问题,使得上述方法的性能都有待进一步提高.提出一种基于可判别超平面树的生成模型图像标注方法.该方法根据待标注目标图像的高生成概率邻域,建立局部超平面分类树,进而利用同层类间可判别信息,按自顶向下的层次分类得到待标注图像的语义相关图像集合.由此得到的相关类信息与新的生成模型框架相结合对待标注图像与语义关键词的联合概率进行估计,实现对目标图像的标注.其特点在于生成模型与判别模型方法得到了有效结合,可判别超平面树对隐含语义聚类的判别分析是对待标注图像的生成"邻域"的逐步求精过程,有效地提高了生成模型标注准确度;而对于判别分析难以解决的多标签分类、训练数据不平衡等问题,此方法通过联合概率估计自然地实现目标图像的多标签分配.在常用的包含5 000幅图像的ECCV2002数据集进行了实验,结果表明,与目前已知的具有较好标注效果的基于生成模型的MBRM模型(采用图像分割方法)以及基于辨别分析的ASVM-MIL相比,此方法的F1因子分别提高了14%和13%.     

不同产地黄柏的近红外指纹图谱鉴别分析

建立用近红外漫反射光谱鉴别不同产地黄柏药材的新方法.采集不同产地的黄柏药材及其伪品的近红外漫反射光谱,用模式识别方法进行聚类分析,建立判别模型并用三重交叉验证的方法对模型稳定性进行验证.黄柏样品与伪品能较好地区分开;建立模型后对已知训练集样本的分类精度高达100%,对未知样本的预测精度达到100%,该模型具有很好的预测性能,这说明了所建方法性能优良,能够适用于黄柏药材的不同种植产地分类鉴别.近红外光谱法简便、快速、不破坏样品,结合模式识别方法能够准确鉴别正品、伪品以及不同产地的黄柏药材.     

电子鼻对不同存储时间纯牛奶的检测分析

利用电子鼻系统的气体传感器阵列对牛奶的响应曲线特征值来表示牛奶新鲜度变化,采用SPSS中逐步判别对特征进行优化,分别用最小二乘法和Bayes判别算法分析牛奶新鲜度变化情况。结果表明:逐步判别法能有效地降低数据维数,Bayes判别法和偏最小二乘法相比,把数据分布密度函数加入牛奶新鲜度识别中,提高了电子鼻对牛奶新鲜度的识别的正确率,Bayes判别法能鉴别出存储间隔12 h的商品纯牛奶新鲜度的变化。因此,利用电子鼻和Bayes判别算法是分析牛奶新鲜度的一种有效的手段。     

基于闭包的聚类判别方法研究

区别于传统的聚类方法,提出了以类为起点,通过构造闭包进行聚类的新方法,并建立了聚类判别模型,此模型给出了对于闭包间的交叉区域的检验点的判别准则。然后针对二维的聚类问题,提出了以最小圆为闭包的聚类判别模型,并对乳房肿瘤病例进行数值实验。对于乳房肿瘤病例,首先进行了指标选取、数据预处理,然后以最小圆为闭包建立了模型,最后对69个待检测数据进行检验,结果误判率为4.35％。     

一种基于判别随机场模型的联机行为识别方法

提出了一种基于判别随机场模型的联机行为识别方法,将传统的随机场模型和隐藏条件随机场模型的特点相结合,构建一个针对于运动序列帧数据建模的帧-隐藏条件随机场模型,并将该模型应用于数据驱动的行为建模,利用传统条件随机场模型对行为间的运动特性进行建模;通过引入隐藏特征函数,设计有效的特征模板来表示行为中子姿态的联系,实现对行为的内在运动特性进行建模.通过对比实验表明,该模型对于联机处理行为序列具有更强的识别能力.     

基于粗糙集与支持向量机的企业短期贷款违约判别

建立了粗糙集和支持向量机集成的企业贷款违约判别模型,该模型首先利用自组织映射 (SOM)神经网络对具有连续属性值的财务数据进行离散处理,并应用遗传算法约简评价指标,然后将约简得到的最小条件属性集及相应的原始数据送入支持向量机进行训练,最后对企业短期贷款检验样本进行违约判别.采用贷款企业数据库558家制造业样本企业和522家房地产业样本企业进行交叉验证的实证研究,结果表明,与BP神经网络、多元判别分析、Logistic等违约判别模型相比,粗糙集和支持向量机集成的违约判别模型有更好的预测效果.     

苹果近红外光谱的特征提取和分类研究

采用近红外光谱分析法对不同种类的苹果样品进行分类,提出一种基于非相关判别转换的苹果近红外光谱定性分析新方法。实验分别采用主成分分析、Fisher判别分析和非相关判别转换三种方法对苹果光谱数据进行特征提取,并使用K-近邻分类算法建立三种苹果分类识别模型,最后使用"留一"交叉验证法进行模型检验。结果表明,使用非相关判别转换方法建立的模型正确识别率优于使用主成分分析和Fisher判别分析建立的模型。     

逐步贝叶斯判别分析中的变量优化方法研究

判别分析中特征变量是影响判别结果的决定性因素,选取适当的特征变量组合可以提高正判率、减少计算量。介绍了贝叶斯判别和逐步判别法的基本原理,分析了目前出现的一些特征变量优化方法,以油气解释评价中的贝叶斯判别应用为例,对于逐步贝叶斯判别中的变量优化方法进行了研究和总结,提出了变量的多步优化策略和分步多模型优化策略,包含了从变量范围选择、数据预处理、特征变量提取到初步筛选和逐步判别的完整过程,使得正判率不断优化,最终得到了较为满意的判别结果。     

矿井突水水源判别方法

针对现有基于水化学特征的突水水源判别方法过程繁琐、难以判别单个涌水点、忽略了水化学特征之间的相互关联、计算量大等问题,结合Bayes判别法和可拓判别法,提出了一种基于Bayes-可拓判别法的矿井突水水源判别方法.选取潘二煤矿26组不同含水层水样、4组待判水样,以水样中SO4^2-,Cl^-,HCO3^-,K^++Na^+,Mg^2+,Ca^2+含量作为水化学特征指标,建立了水样物元模型,采用可拓判别法求得待判水样与已知水样的关联度;结合Bayes判别法的误判损失和待判水样关于已知水样的密度函数,得出Bayes-可拓解,根据Bayes-可拓解最小值判断突水水样类型.分别采用Piper三线图、可拓判别法、Bayes-可拓判别法判别矿井突水水样类型,结果表明:Piper三线图难以准确判断某一水样类型,可拓判别法存在误判情况,Bayes-可拓判别法能够准确判别突水水样类型.     

基于类编码的判别特征学习

经典的自编码模型(BAE、SAE、DAE、CAE)都是基于输出数据对原始数据的重构,提取输入信息的低维度特征,将该特征用于图像分类不一定能够取得很好的判别效果。利用标签信息,提出了堆叠判别自编码模型(SDcAE),该模型将类编码作为隐层神经元约束加入到堆叠自编码器的训练中,使得隐层学习的特征具有更好的判别能力。同时,将类编码作为判别损失加入到Softmax分类器中,提出了类编码分类器(CEC)。由于类间样本特征误差的降低,该分类器可以取得更好的训练效果,从而提高了最终分类的正确率。实验表明,堆叠判别自编码器和类编码分类器在图像分类中是有效可行的。     

基于分区的破损颅骨性别判别方法

颅骨性别鉴定是法医人类学在进行身份认证中首要而重要的一步,在实际应用中破损颅骨性别鉴定更具有研究价值。为鉴定破损颅骨性别,缩小刑事案件搜索范围,提出一种不完整颅骨性别判别模型。首先,将颅骨划分为七个分区,标记特征点,量化不可测量特征;然后,利用基于最大似然估计的前向逐步回归方法选择每个分区的最优特征子集,通过logistic回归建立七个分区的性别判别模型,并通过留一法进行验证;最后,实现了女性和男性不完整颅骨的最终性别判别。实验结果表明,各个分区都可以确定颅骨性别,分区数组合越多,判别准确率越高。     

基于Kriging方法和Pettitt检验的数据冲突判别

针对单个属性值与时空数据规律性之间的冲突问题,构建与判别点位密切相关的紧致周边点集,采用Kriging方法实现时空数据属性值汇集,将时间维度和空间维度信息推演到判别点位,以转化值与属性值间的差异来衡量时空数据是否违背实体对象的规律性,并通过构造秩序列的Pettitt检验给出时空数据冲突的判别方法,避免了传统依靠向量空间分析的片面性,为一定时间窗口下时空数据冲突判别提供了一个解决方案。实验表明：该方法能够有效刻画判别点位属性值与周边位置、前后时刻估计值之间差异程度,平均判别正确率可达80%,进一步提高了此类时空数据冲突判别算法的适用性。     

基于强空间集成的交通状态判别方法

为研究服务于交通诱导的路网宏观交通状态判别模型,依据集成学习理论,基于强空间集成,提出一种交通状态判别方法。采用K-近邻规则寻找与待判别交通流数据相似的一组训练样本,构成待判别数据的邻域,挖掘交通状态学习器的强空间,进而输出交通运行状态等级标签。采用交通状态混淆矩阵,查全率、查准率等进行实验,结果表明该方法能够较准确地判断路网交通状态,满足交通状态判别的实际应用。     

基于电子舌技术的葡萄酒分类识别研究

利用电子舌系统对六种不同的葡萄酒进行检测,通过对传感器响应信号的处理及选取适当的模式识别方法,取得了较好的区分效果.结果表明,电子舌能够区分开不同产地(山东烟台、河北昌藜、河北沙城)的葡萄酒、同时对不同品种(赤霞珠、品丽珠、蛇龙珠)的葡萄酒也做出了较好的分类判别.在模式识别中,判别因子分析法对于产地和葡萄品种的识别结果均优于主成分分析法,前2维主成分的累计贡献量达到了99.9%.     

基于视频检测技术的交通拥挤判别模型*

针对日益严重的城市道路交通拥挤问题,提出基于视频检测技术直接判断道路交通拥挤程度的方法。以道路占有率、占有率方差、占有率变化量绝对值为交通特征参数,研究了其与道路拥挤事件发生的关系,在此基础上利用模糊C-均值算法给出了一种交通状态划分方法,最后建立了一种新的交通拥挤判别模型。应用实际采集的视频数据,分别通过该模型及人为判断进行实验验证。实验结果表明该模型是有效可行的。     

基于ICA与Bayes的判别分析模型*

简要介绍了Bayes判别分析模型的特点及存在的问题,概括了独立成分分析(ICA)的特点及发展现状,提出了基于ICA与Bayes的判别分析模型--IBD模型.该模型首先利用ICA的方法将相关性数据指标转换为互相独立的数据指标,并通过卡尔曼滤波方式滤去高频数据,有效地去除了噪声,最后利用Bayes方法对转换的数据进行判别分析.实验结果表明,当数据之间存在相关关系时,IBD模型的判别分析效果要优于Bayes与Fisher判别分析模型.     

结构化稀疏低秩子空间聚类

通过定义子空间结构化低秩正则项,将其与子空间结构化稀疏子空间聚类模型相结合,给出一个新的统一优化模型。新模型利用数据的类别属性和相似度互相引导,使得相似度具有判别性和一致性,类别属性具有一致性。相似度的判别性有利于将不同子空间的数据分为不同类,而一致性有利于将同一子空间的数据聚为一类。大量实验表明提出的方法优于一些典型的两步法和子空间结构化稀疏子空间聚类模型。