逐步判别分析在棉花抗红铃虫性评价中的应用

应用逐步判别分析方法对36个棉花种质进行了抗红铃虫性评价,从13个抗性鉴定指标中筛选出了3个指标.即百铃活虫数(x_7)、第三代百株卵量(x_(11))、单铃侵入孔(x_(13))。据此组建了决定品种(系)抗性级别的判别函数。其对原品种(系)的回判准确率在91.70％以上,对待判品种(系)的准确率在90.90％以上,而误判种质的理论抗性级别与实际抗性级别也仅相差一个级差。     

籼稻穗部性状遗传距离的聚类分析及穗型判别分析

利用穗部性状的遗传距离进行聚类分析。将26个籼稻品种分为5个类群，类群间的遗传差异较大，其遗传距离均大于总平均遗传距离（D^2=8.79)。同时，通过逐步判别分析，筛选出5个对判定穗型有显著作用的性状；穗长，结实率，一次枝梗数，着粒密度，单株产量，建立了一套判别准则。     

南方三省（区）南洋楹气候区划的研究

选择纬度、经度以及16个与水热状况有关的气象因子进行R型主成分分析，用前5个主成分坐标值进行模糊ISODATA聚类分析，将研究区划分为3类；用逐步判别分析建立了各类的判别函数式，回判准确率为91.81％；结合模糊相似优先比的结果．将研究区区划为南洋楹适宜发展区、南洋次适宜发展和南洋楹控制发展区3个气候区。     

四川省西充县土壤侵蚀模数数学模型和侵蚀强度分级的研究

本文根据50余座山塘水库的泥沙实测数据,应用逐步回归分析方法,建立了土壤侵蚀模数数学模型。方程表明影响土壤侵蚀模数的主要因子依次为:陡坡开荒面积、坡度、林地面积和坡耕地面积。文中还根据土壤侵蚀模数及其主要影响因素,使用逐步判别分析力法,对土壤侵蚀强度进行了分级,从而提高了分级的可靠性。该研究成果可应用于四川盆地的高丘中谷及中丘中谷地区。     

电力行业上市公司盈利能力评价的多元统计数学模型

通过综合运用模糊聚类分析分析方法,对深沪股市42家电力上市公司依照盈利能力实现聚类分析,并以判别分析方法对评价结果进行校验,结合实际对该类公司的经营现状进行讨论分析,为上市公司企业管理以及市场投资提供一定的科学依据。     

三化螟预测模型的通径分析

利用1972-1988年三化螟发生的历史资料和气象资料,对影响因子进行相关分析,应用逐步判别分析的方法组建2代三化螟种群预测的判别模型。文中对判别模型进行通径分析的结果说明,2代三化螟种群预测系统的决定系数 R~2=0.9953,表明预报量的99.53％是由预测模型的全部7个预测因子所决定,尚有0.47％的预报量由未知因素所致,剩余通径系数 P_c=0.0684。经对历史资料的回报检验,该预测模型的判别率达到100％。经过1989和1990年实报。预报等级与实际发生量所代表的等级相符合。证实了2代三化螟种群预测模型预测因子的组成和结构符合预报的要求。     

稻米中同位素与多元素特征及其产地溯源PCA-LDA判别

通过探究谷物中同位素与多元素的地域特色及其产地溯源的可能性,本研究采用稳定同位素质谱和等离子发射光谱质谱法测定稻米中同位素比率和多元素含量,并结合化学计量学中主成分分析(PCA)和线性判别分析(LDA)法建立模型,对不同省份的稻米进行产地溯源判定。结果表明,各地产的稻米中稳定同位素δ15N、δ13C、δD、δ18O数值范围不同,而且Li、Be和Na等其他矿物元素的含量变化较大,Pb、Sr同位素比率也各不相同,具有一定的地域特征。PCA法能够初步辨别各稻米地产,本研究进一步采用PCA-LDA法能够对大区域(黑龙江省、江苏省和辽宁省)的稻米进行产地判别,通过对23个样本进行判别验证,正确率为91%。对于黑龙江省4个地产的稻米样品,由于地理差异性比较小,同时样本数比较少,故只对其中2个产地稻米进行判别。通过同位素比率和多元素的含量的测定再结合化学计量学分析,一定程度上能够区分不同产地的稻米,为稻米产地溯源的可行性提供了方法依据。     

逐步判别分析在中国烤烟香型鉴定中的应用

分析云南、河南、辽宁烤烟的多项化学成分含量,并对烤烟进行专家评吸香型鉴定。以化学成分为自变量对不同香型烤烟进行逐步判别分析,构建判别函数,并对判别函数的判别效果进行检验。结果表明,总糖、还原糖、烟碱、钾等8个变量进入判别函数,由判别函数的方差分析可知判别函数具有显著意义;用自身验证法和交互验证法对原样品进行回判,回判的准确率分别达95.5%和94.3%,新样品的判别准确率达93.3%,判别效果良好,在实际应用中值得推广。     

基于Fisher判别分析的9种柳属植物鉴别模型构建

以银芽柳、垂柳、旱柳、蒿柳、杞柳、沙柳、苏172、苏799、垂爆柳9种柳属植物为材料,对其叶长、叶宽、叶最宽处距叶尖距离、叶柄长、腋芽长、叶片密度和叶序比等7个指标进行分类统计分析和Fisher判别分析,得出这9种柳属植物的判别函数,构建判别模型。再将这9种柳属植物的形态指标数据代入相应判别模型,检验其判别效果。结果表明,判别模型对柳属植物种间的识别正确率高于95%,可用于柳属植物的种间判别。     

判别分析在比较2个处理效果中的应用

利用判别分析不仅可以分析2个处理综合效果的差异性,而且还可以分析2个处理对各性状(指标)影响的相对重要程度。