根据毛发中微量元素含量用多变量统计分类技术进行肝癌辅助 …

根据毛发中微量元素的含量,应用逐步判别分析,主成分分析和逐步聚类分析等多变量统计分类技术,进行了肝癌辅助诊断的研究。所得结果令人满意,特别显示了用统计方法筛选出的几种元素在区分是肝癌上起着显著作用。     

基于主元分析的多变量统计理论在过程监控中的应用

在连续重整加热炉等设备的过程生产中,应用多变量统计中的主元分析方法,可以从集散控制系统自身所带的大量数据中提取有用的信息,建立数学模型,来监控整个生产过程,及时发现和预防故障的产生。     

基于规范变量分析的化工单元多变量统计监控

化工生产过程往往含有大量的过程变量,且过程多处于闭环控制作用下,产生的测量数据常常存在互相关和自相关。规范变量分析(CVA)通过最大化两个变量集间的相关度,实现对高维数据的降维,并得到一组最大限度地解释变量集中信息的规范变量,很好地解决了上述问题。本文介绍一种基于CVA的过程监控方法,并将此方法应用于一实际化工单元的过程监控,利用控制图,及时准确地检测到过程故障,表明了基于CVA的监控方法的有效性。     

基于χ2统计量的kNN文本分类算法

随着Internet上文档信息的迅猛发展,文本分类成为处理和组织大量文档数据的关键技术.由于χ2统计量能很好地体现词和类别之间的相关性,因此成为特征选择中常用的评估函数.本文分析了χ2统计量在特征选择和分类决策阶段的性质,提出了一种新的基于χ2统计量的相似度定义,并结合基于两次类别判定的快速搜索算法,改进了传统的kNN算法.实验结果显示基于χ2统计量的改进kNN文本分类算法能大大减少kNN算法的分类时间,并提高了kNN算法的准确率和召回率.     

基于PCA多变量统计的故障检测与诊断

主元分析(PCA)是一种能够对过程生产进行监测和质量控制的有效方法,在保证数据信息丢失最少的情况下,大大降低了原始数据空间的维数。为了更好地进行故障检测与诊断,介绍了基于PCA多变量统计的故障检测与诊断,给出了广泛应用在多变量统计过程上的T2和Q(或SPE)统计量。利用PCA分析建模可以消除变量间的非线性关联,降低噪声影响。用田纳西-伊斯曼过程TEP(Tennessee-Eastman Process)平台产生仿真数据,并利用Matlab软件建立故障检测与诊断模型。通过T2和Q(或SPE)统计量与其阈值的判断,进行对系统的故障检测与诊断。实验表明,基于PCA的故障诊断方法能够对过程的非正常变化做出反应,也能较正确地找出发生故障的原因以及相应环节。     

基于统计量模板的半调图像特征提取与分类

为了实现误差分散半调图像的分类,提出了基于统计量模板的半调图像特征提取与分类方法。利用像素对的概念和统计量模板的特征描述方法,提出了基于分块的特征提取算法。提出了类特征矩阵概念;通过建立误差目标函数和利用梯度下降法来求取最优类特征矩阵,以描述半调图像的类别;探讨了最优类特征矩阵的特性。实验中,与其他类似方法进行了分类性能比较,探讨了参数对分类性能的影响,分析了特征提取算法的时间复杂度。大量实验比较和分析表明,提出的方法是有效的。