基于聚类改进的Fisher与KNN判别分类算法对比研究

大米中矿物元素种类多(38种),为了快速、准确地筛选出判别大米产地的有效指标,在分析大米矿物元素含量相关性的基础上,进行了大米产地判别分类算法对比实验。首先通过R型聚类方法将大米矿物元素样本进行分块,然后从每一类中选取数据再进行Fisher与KNN判别分类对比,这样可以改进传统算法中剪辑样本带来的判别误差,又大大降低了无效的计算量。实验表明,基于聚类选出一种元素最优组合方案,采用23种矿物元素进行Fisher判别的分类率达86.76%,此方法准确高效地降低了计算机的运算量,提高了判别分类速度。     

基于加权Fisher模糊判别准则的真彩色影像分类方法研究

针对Fisher判别分类中,选取样本不平衡导致Fisher线性判别性能下降,提出了加权Fisher判别对类内散布矩阵进行修正的方法.同时,针对Fisher判别准则为阈值分类器,引入了一种新的Fisher模糊判别准则.该方法应用于无人机真彩色影像的道路、植被、裸土地分类,取得了较好的分类结果.并与传统Fisher方法进行了对比研究,实验结果表明,基于加权Fisher模糊判别方法比传统Fisher方法的分类性能明显提高.     

Bayes判别在期货价格预测中的应用

基于期货价格变化趋势的可预测性,从Bayes判别法基本思想出发,逐步对Bayes判别分析的具体步骤、相关计算、判别依据展开了详细说明,并以上海期货交易所的期货铜数据为基础,将其运用于期货价格预测中。     

平分最近点算法与Fisher判别分类算法的关系

在线性可分情况下,对平分最近点算法和Fisher判别法构造的判别函数进行了对比研究,得出两类模式在特定的分布和一定的条件下,两种算法是等价的。     

Bayes判别在期货价格预测中的应用

基于期货价格变化趋势的可预测性,从Bayes判别法基本思想出发,逐步对Bayes判别分析的具体步骤、相关计算、判别依据展开了详细说明,并以上海期货交易所的期货铜数据为基础,将其运用于期货价格预测中。     

聚类分析的几个问题

本文提出优聚类的统一定义,从而概括了众多的聚类方法,建立了聚类函数的若干性质,证明了等价关系系统与系统聚类法的等价性,推广了 Fisher 算法,证得全序递归聚类法必得优聚类,得出最优聚类的一些充分条件。     

唐山市雷暴潜势预报研究

利用2015—2017年6—8月的552个探空样本,结合唐山市气象局为中心、半径50 km范围内的闪电定位资料,应用动态聚类方法将唐山市区及周边的雷暴情况分为3类(分别记为1类、2类、3类),并应用雷达回波与闪电叠加资料验证了该分类的可靠性;用逐步选择法和逐步回归法探空样本中的对流参数进行筛选,将筛选出的与雷暴有密切关系的对流参数作为预报因子做主成分分析,给出预报因子与雷暴关系的相应解释,最后应用Bayes判别分析与Logistic回归判别雷暴潜势预报方法建立模型进行雷暴预报,得出预报方程,并在Logistic回归判别法中给出3类的预报概率,发现这2种方法对唐山市区雷暴的预报准确率都到达了70%以上,对唐山市区雷暴的预报有一定的参考作用。     

两类正项级数敛散性判别法的改进及推广

近年来,多种新的有效的正项级数敛散性判别法被提出.针对其中Raabe对数判别法和一种新比值判别法作深入研究,得出了它们的改进及推广形式,并通过实例表明方法具有一定的应用价值.     

基于Fisher判别法的一种DNA序列分类方法

针对DNA序列分类的分属问题,提出采用Fisher判别法进行分类。根据氨基酸分子的性质,构建DNA序列对应的特征向量空间,然后对训练集中的A、B两类DNA序列提取特征,建立Fisher判别函数。应用该判别函数对测试集中的182个DNA序列进行分类实验,结果表明该方法具有很好的分类准确度。     

水稻籼粳性特异分子标记的筛选与判别体系的建立

【目的】准确区分水稻的籼粳性在籼粳亚种杂种优势利用和进化研究等方面具有重要意义。根据在籼稻和粳稻中存在的核苷酸序列差异设计的分子标记,已被广泛应用于水稻籼粳性的判别中。但是已公布的这些籼粳性判别分子标记在遗传背景多样的实验材料中是否仍然表现出籼粳特异性尚未可知;此外,目前籼粳性的判别多是基于待测品系与 2 个对照品种的比较,无法反映待测品系与籼（粳）亚种群体的籼粳相似性。因此,需要筛选出一套能在多样性遗传材料中都表现出籼粳性特异的分子标记,并建立籼粳组群判别体系客观判别水稻的籼粳性。【方法】在能代表世界水稻遗传多样性的水稻多样性种质平台 2（RDP2）中,利用 7 万个 SNP分子标记的基因型,选取保留群体遗传多样性的 92 份水稻品种（系）,对已知的 51 对用于籼粳性判别的分子标记进行筛选;并根据籼粳特异性分子标记的聚类结果,选取 5 份籼稻和 5 份粳稻组成籼稻和粳稻判别组,利用籼性判别值量化水稻籼粳性。【结果】在 51 对分子标记中筛选到 24 对籼粳特异性强的分子标记（在籼 / 粳稻群中出现专一带型的频率均高于 69.5%）,它们均匀分布在水稻 12 条染色体上。根据籼粳特异分子标记的带型结果,92 份品种（系）可分为籼稻和粳稻 2 个组群,聚类结果与这些品种（系）已知的籼粳性完全吻合。根据聚类结果,构建了组群判别体系,随机选取 10 份品种（系）对其籼性判别值进行计算,其中 1 份偏籼品系、1 份偏粳品系、4 份籼稻品系、4 份粳稻品系,准确地实现了对其籼粳性的量化判别。【结论】筛选出一套可在 遗传背景丰富的材料中进行籼粳性鉴定的分子标记,并基于籼粳组群建立了一套籼粳判别体系,高效准确判别水稻的籼粳性。     

加权空间模糊动态聚类算法在土壤肥力评价中的应用

 【目的】改进和提高空间模糊聚类算法。【方法】首先利用层次分析法得到各属性的权值,然后将权值与空间模糊动态聚类法相结合,最后利用概率统计中的F分布来确定最佳分类,以提高空间模糊聚类算法的智能性。【结果】加权空间模糊动态聚类算法与基于模糊等价关系的传递闭包方法进行比较表明,当λ取0.993时,F值最大,分类效果最好。此时,加权的F值为4.898,未加权的F值为2.957,说明加权的类间的差距比未加权的明显,即该算法聚类准确率要明显高于未加权的模糊聚类算法。【结论】将其改进的算法运用到精准农业的土壤肥力评价中,试验结果与实际情况相符,证明了该算法的有效性。     

基于Fisher判别分析算法的县域耕地地力等级预测——以河南省辉县市为例

[目的]借用机器学习算法——判别分析算法来简化耕地地力评价工作,探索区域尺度上机器学习方法在地力评价应用的新途径。[方法]基于辉县市测土配方施肥财政补贴项目耕地地力评价工作获取的基础数据,依据我国农业部标准《耕地地力调查与质量评价技术规程》(NY/T 1634—2008)和该市耕地地力评价实践经验,选取研究区表层土壤质地、土壤剖面特征、地表砾石度、速效钾、有效磷、有机质含量、灌溉保证率、排涝能力、地貌类型、坡度等10个土壤和立地条件因素作为耕地地力水平的判别变量,构建Fisher典则判别函数模型,对5 922个评价单元的耕地地力状况进行判断分析和归类分级。[结果]经对判别结果进行统计验证和回代验证,显示预测判别正确率高达91.4%。[结论]在耕地地力评价与分级标准确定的前提下,判别分析算法在区域尺度上对分析耕地地力状况、预测耕地地力等级方面具有独特优势。     

基于聚类的决策树在玉米种质筛选中的应用

[目的]建立一种改进的基于聚类的模糊决策树,并研究其在玉米种质筛选中的应用。[方法]采用一种新型的基于聚类的决策树算法,该算法针对传统的决策树算法不能处理无类别样本的这一不足,进行了改进。同时,将改进算法应用在玉米品种的筛选问题中,通过对叶面积、株高、干重、钾利用率等指标的衡量,筛选出耐低钾性较强的玉米种子。[结果]该算法在玉米种质的筛选上,适用性强且性能较优。[结论]在今后工作中还需进一步验证比较改进的基于聚类的模糊决策树与传统的模糊聚类决策树的性能,并将其应用在更多的实际问题中。     

改进模糊聚类算法在浙江旱栽优势作物核心种质研究中的应用

模糊聚类分析已被广泛应用在气象预报、地质、模式识别、数据挖掘等方面。文章将模糊聚类分析应用于作物核心种质构建过程中,并对传统的模糊聚类算法进行了改进,在相似系数和距离系数的基础上,提出了一种既能考虑到样本之间的值贴近程度,又能考虑到样本之间的形贴近程度的改进系数——相似度,用相似度矩阵替代传统的相似矩阵,使模糊聚类分析模型能够更符合构建作物核心种质的需要。     

基于改进模糊聚类的烟草品质集成评价模型

针对烟草化学成分与烟草品质之间难以建立确定的数学模型的问题,提出了一种基于改进模糊聚类的烟草品质评价方法。该方法以烟叶样品的化学成分的差异性为依据,以模型分类结果与专家评吸结果的一致性为目标,利用模拟退火算法对现有的模糊聚类算法进行优化改进,建立基分类器;在此基础上,利用Ada Boost将基分类器对于不同样本集的多个分类结果进行集成,形成最终的烟草品质评价模型。以130组烟叶作为烟草样本,测定了各烟叶样品中总糖、还原糖、总氮、烟碱、氧化钾、氯离子、蛋白质7种化学成分含量,并采用改进的模糊聚类方法与神经网络算法、模糊聚类算法进行对比试验,该方法的误检率为6.7%,具有提升小样本数据的辨识能力,优于所比较的其他2种方法。     

一种基于模板DNA的PCR扩增难易预测方法

借助赋予四种碱基A,G,C,T四个三维空间中的点(0,0,1),(0,1,0),(-1,-1,0),(1,0,0),将一条DNA序列转化为一个二十四维向量。在此基础上利用Fisher线性判别法对人类基因组中189条基因片段进行PCR扩增难易预测,识别率达到了90%。     

基于聚类的决策树在玉米种质筛选中的应用(英文)

[目的]建立一种改进的基于聚类的模糊决策树,并研究其在玉米种质筛选中的应用。[方法]采用一种新型的基于聚类的决策树算法,该算法针对传统的决策树算法不能处理无类别样本的这一不足,进行了改进。同时,将改进算法应用在玉米品种的筛选问题中,通过对叶面积、株高、干重、钾利用率等指标的衡量,筛选出耐低钾性较强的玉米种子。[结果]该算法在玉米种质的筛选上,适用性强且性能较优。[结论]在今后工作中还需进一步验证比较改进的基于聚类的模糊决策树与传统的模糊聚类决策树的性能,并将其应用在更多的实际问题中。     

基于最小编码长度的基因数据聚类(英文)

[目的]分析基于最小编码长度的基因数据聚类算法的聚类效果,以期为基因数据聚类提供新的方法。[方法]将基因数据的聚类看成是高维混合数据的聚类,通过对基因数据进行预处理后,再利用主成分分析将基因数据降维,降维后基因数据呈类高斯分布,这样分布的基因数据能够被一个简单的基于有损数据压缩的聚类算法进行有效的聚类,而该基于有损数据压缩的聚类算法是根据聚类后使基因的总体编码长度最小原则对基因进行聚类的。试验中分别利用该新算法与传统聚类算法对酵母和拟南芥基因数据进行聚类,并通过基因聚类内部评价和功能评价来验证该新算法的有效性。[结果]通过利用酵母和拟南芥基因数据对新算法的验证试验表明,该研究中的新算法得到的聚类效果优于传统聚类算法,且避免了聚类数需要主观确定和对初始聚类中心敏感等问题。[结论]该研究结果为基因数据聚类提供了一种全新的聚类方法。     

基于最小编码长度的基因数据聚类

[目的]分析基于最小编码长度的基因数据聚类算法的聚类效果,以期为基因数据聚类提供新的方法。[方法]将基因数据的聚类看成是高维混合数据的聚类,通过对基因数据进行预处理后,再利用主成分分析将基因数据降维,降维后基因数据呈类高斯分布,这样分布的基因数据能够被一个简单的基于有损数据压缩的聚类算法进行有效的聚类,而该基于有损数据压缩的聚类算法是根据聚类后使基因的总体编码长度最小原则对基因进行聚类的。试验中分别利用该新算法与传统聚类算法对酵母和拟南芥基因数据进行聚类,并通过基因聚类内部评价和功能评价来验证该新算法的有效性。[结果]通过利用酵母和拟南芥基因数据对新算法的验证试验表明,该研究中的新算法得到的聚类效果优于传统聚类算法,且避免了聚类数需要主观确定和对初始聚类中心敏感等问题。[结论]该研究结果为基因数据聚类提供了一种全新的聚类方法。