基于PCA和C4.5决策树的新疆哈萨克族食管癌图像鉴别研究

目的:探讨C4.5决策树算法结合主成分分析法(PCA)在新疆高发病食管癌X钡剂造影图像分类中的应用。方法:选取新疆高发病食管癌图像200张,其中蕈伞型和溃疡型图像各100张。对图像进行归一化、去噪和空间转换等预处理;对图像进行二尺度小波变换提取图像的低频信息,然后对其进行灰度共生矩阵法提取图像的特征;采用主成分分析(PCA)法对所提取的特征进行筛选;通过构造决策树C4.5算法分类器来验证特征的分类能力。结果:使用决策树C4.5算法分类器,对主成分分析获取的特征及综合特征进行分类。PCA选择的特征分类准确率为95%;使用综合特征分类准确率为80%。结论:综合特征的分类准确率与PCA选择的特征相比较低,表明在进行分类时,冗余特征可能会降低分类准确率;而本研究采用PCA选择后的特征分类准确率较高,表明该算法能有效减少冗余特征,弥补了过高维数的特征向量易引起维数灾难的问题,从而使得分类准确率得到了提高。一定程度上为后续的其它组织器官的特征提取提供了依据。     

基于改进区间数相似理想解排序法的知识产权质押融资风险评价

知识产权质押融资风险由于存在很大的不确定性,因此在评价中可以运用区间数对各项指标进行赋值,区间数相似理想解排序(TOPSIS)法的应用在一定程度上解决了不确定性指标赋值的主观性问题,但也存在一定的缺陷。运用马氏距离对欧氏距离进行替换,克服属性之间存在线性相关性时欧氏距离失效的缺陷,同时引入联系向量距离,解决可能存在的距离正理想解近的方案也可能距离负理想解近的问题,从而综合马氏距离和联系向量距离,较为全面地对TOPSIS法进行改进。最后运用改进后的区间数TOPSIS法对知识产权质押融资风险进行评价,并对评价结果进行比较分析。     

判别分析法在市场营销中的运用——旅游市场的目标顾客识别

文章基于统计学的马氏（Mahalamobis）距离判别法、费氏（Fisher）多类判别模型法与贝叶斯（Bayes）概率判别法,采用SPSS13.0或EXCEL2003编程,建立判别函数,实现对市场营销中消费者行为进行判别分析,对未知个体判断出所属类别。     

融合SIFT特征和保局投影的人脸识别

提出一种人脸识别方法用于解决姿态变化对识别准确率的影响。首先检测人脸图像的SIFT特征,然后根据SIFT特征计算人脸图像间的多示例距离;基于此多示例距离,用保局投影将人脸图像映射至流形空间,最后在流形空间中采用K近邻方法进行人脸识别。该方法有三个特点：(1)采用SIFT特征减小了未知姿态对识别准确率的影响;(2)通过保局投影将特征变换到流形空间一个点,避免了复杂的SIFT特征匹配策略;(3)借助流形方法滤除高维特征中的噪声。实验结果表明与已有方法相比,在人脸姿态不确定的情况下,该方法能提供较为理想的识别准确率。     

基于AHP-改进TOPSIS法的制造系统精益设计评价模型

提出"零库存、零等待、零寻找、短物流、高柔性"的制造系统精益设计功能性特点,以其为切入点,采用平衡计分卡方法构建制造系统精益设计评价指标体系,并采用指数标度的层次分析(AHP)方法构造判断矩阵,确定较客观的评价指标权重。然后提出加权校准马氏距离改进的TOPSIS决策方法,对制造系统精益设计方案进行优劣排序。最后应用实例验证所提方法的合理性和有效性,为制造系统精益设计方案决策提供实践参考。     

基于广义和校准马氏距离对IP地址威胁程度的诊断

域名系统(DNS)是互联网的重要组成部分.维护DNS健康安全对整个互联网的正常运行具有十分重要的意义.通过监测并屏蔽对域名服务器具有潜在威胁的用户IP地址,达到维护DNS健康安全的目的.本文提出基于广义和校准的马氏距离2种方法,综合多个指标对IP地址的威胁程度进行诊断.这2种方法可以解决协方差阵不可逆的情形.将2种改进的马氏距离应用到实际访问DNS报文数据分析中,结果表明,它们在诊断IP的威胁程度上是非常有效的.     

基于改进区间数TOPSIS法的知识产权质押融资风险评价

知识产权质押融资风险由于存在很大的不确定性,因此在评价中可以运用区间数对各项指标进行赋值。区间数TOPSIS方法的应用在一定程度上解决了不确定性指标赋值的主观性问题,但也存在一定的缺陷。本文运用马氏距离对欧氏距离进行替换,克服了属性之间存在线性相关性时欧氏距离失效的缺陷,同时引入联系向量距离解决可能存在的距离正理想解近的方案可能距离负理想解也近的问题,从而综合马氏距离和联系向量距离较为全面的对TOPSIS方法进行改进,使该方法更具科学性和合理性,最后运用改进后的区间数TOPSIS方法对知识产权质押融资风险进行了评价,并对评价结果进行了比较分析。     

融合PCA和PSO-SVM方法在工控入侵检测中的应用

有效防御病毒对工控系统的入侵是目前工控安全研究的难点问题。为了提高工控系统入侵检测的准确率,本文设计提出了一种主成分分析(PCA)与PSO-SVM相结合的工控入侵检测方法。针对工业控制系统网络数据高维的特性,该方法利用PCA对采集的网络入侵数据进行数据降维与特征提取,支持向量机(SVM)入侵检测的性能主要取决于核函数参数取值的优劣,采用粒子群算法(PSO)对支持向量机参数进行优化,以获得最优的SVM工业控制系统入侵检测模型。采用密西西比州立大学关键基础设施保护中心最新提出的工控标准数据集进行仿真实验,结果表明该算法在攻击检测与攻击类型识别方面均有较高的查准率,提高了工业控制系统的安全性能。     

大数据环境下的网络主动入侵检测方法研究

由于传统网络入侵检测方法检测率低及不能进行在线检测,无法有效实现网络主动入侵检测,提出一种基于马氏距离K均值的大数据环境下网络主动入侵检测方法,分析了马氏距离的评价准则,依据新样本与原样本之间的马氏距离确定是否需开展新的聚类,输出与全部数据样本相应的攻击类别。通过一个由一定数量的支持向量决定的超平对数据进行分类,当SVM分离方法受到约束时,利用核函数将输入数据映射至高维特征空间,采用高斯径向基函数对最小二乘支持向量机分类模型进行建立。通过粒子群优化算法对最小二乘支持向量机参数进行选择。利用种群中个体之间的协作以及信息交换获取最佳方案。仿真实验结果表明,所提方法有很高的的检测效率及精度。     

狄氏型与随机分析

中国科学院应用数学研究所马志明和严加安在狄氏型与随机分析领域做出了重要贡献,获第六次(1993)国家自然科学奖二等奖。他们的主要贡献:1 在狭氏型与马氏过程领域,创建了新的数学框架,开拓了无穷维随机分析的新方向:(1)1971年,M.Fukushima由局部紧距离空间上的正则狄氏型构造出Hunt过程。但这一理论不适用于量子物理中出现的无穷维状态空间及奇异位势。马志明与S.Albeverio及M.Rockner合作突破了“局部紧”及“正则”两大限制,创建了拟正则狄氏型与右连续马氏过程一一对应的新数学框架,圆满解决了该领域长达20年的难题。     

基于改进PCA算法的人脸识别研究

人脸识别技术是当今社会中十分热门且应用十分广泛的技术,PCA算法作为一种人脸识别的经典算法,在人脸识别方面效果显著,但是它也存在一些问题。本文针对PCA算法在计算特征值时计算力量大的问题,提出一种改进算法,利用矩阵范数对协方差矩阵进行约简,在一定程度上降低了计算量。经实验验证,在缩短了识别时间的同时也保证了识别准确率不降低。     

基于新疆地方性高发病肝包虫病CT图像灰度直方图特征检索方法的研究

新疆地方性肝包虫病是新疆牧区发病率较高的传染性寄生虫病,严重影响牧区各族人民生活质量的提高.根据图像特征,选择合适距离算法,实现快速准确地图像检索,对辅助医生早期发现、诊断和治疗肝包虫病有重大意义.本文研究比较了使用肝包虫病CT医学图像灰度直方图特征进行图像检索时,不同距离算法的有效性.实验结果表明:对于肝包虫病医学图像的基于灰度直方图特征的图像检索,马氏距离算法与标准欧氏距离算法比其他距离算法较优.     

各种两参数马氏性间的关系

对两参数随机过程,可以定义多种不同的马氏性,这些马氏性之间的关系一直是人们十分关注的问题,许多学者对此进行了研究,取得了许多重要的结果。但是,至今仍有一些问题没有得到解决,这些问题是:1.单点马氏性是否蕴含弱的宽过去马氏性、L—马氏性、宽Levy马氏性;2.宽Levy马氏性是否蕴含单点马氏性、弱的宽过去马氏性、Levy马氏性;3.Levy马氏性是否蕴含单点马氏性;4.*-马氏性是否蕴含宽Levy马氏性。本文解决了前三个问题,从而得到了一个比较完美的各种两参数马氏性间的关系图。     

一种基于改进主成分分析的人脸识别方法

提出一种PCA和AdaBoost相结合的人脸识别方法。AdaBoost是一种提高任意给定学习算法准确度的方法,它有较高的正确率,不需要先验知识,只需要选择合适的迭代次数等。基于AdaBoost学习算法简单高效的特点,本文将PCA和AdaBoost方法相结合,形成一个强的分类器,提高人脸识别的准确率,有较好的可行性和实际意义。     

基于二维主成分分析方法的人脸识别

由于人脸姿态、光照和表情等各方面的显著差别,使人脸识别成为非常具有挑战性的模式识别问题.主成分分析是模式识别技术中经典的特征抽取和降维技术之一.使用二维主成分分析方法(2D PCA)实现了人脸识别,传统的主成分分析方法(PCA)把图像矩阵转换成列向量进行处理,从而丢失了一部分特征信息,并且使协方差矩阵的维数很高、计算量很大;2D PCA直接在图像矩阵上进行处理,充分利用了样本类别的差异,大大减少了计算量.在ORL人脸库上利用2D PCA方法进行实验,实验结果表明2D PCA优于PCA.     

一种基于改进主成分分析的人脸识别方法

提出一种PCA和AdaBoost相结合的人脸识别方法。AdaBoost是一种提高任意给定学习算法准确度的方法,它有较高的正确率,不需要先验知识,只需要选择合适的迭代次数等。基于AdaBoost学习算法简单高效的特点,本文将PCA和AdaBoost方法相结合,形成一个强的分类器,提高人脸识别的准确率,有较好的可行性和实际意义。     

基于形态学滤波和PCA的人脸图像识别方法

针对基于主成分分析(Principal Components Analysis PCA)的人脸识别方法容易受光照影响的问题,提出了一种基于形态学滤波和PCA相结合的人脸识别方法,首先利用形态学滤波对含噪人脸图像进行滤波处理,然后通过PCA提取特征,最后利用最近邻法进行分类,在ORL人脸数据库上的实验结果表明,本文方法取得了比传统PCA更好的识别性能.     

基于PCA的数据相关性分析方法

主元分析(Principal component analysis,PCA)是一种经典的数据分析方法。本文将PCA方法应用于数据相关性分析中,以提取数据集变量的相关性信息。通过两个仿真实验验证了PCA方法提取数据相关性有效性。     

基于MCMC方法的贝叶斯统计推断

由贝叶斯方法得到的后验分布函数π(x)经常是复杂的、高维的、非标准形式的,对这种函数进行有关的积分计算通常十分困难。马氏链蒙特卡洛(MCMC)方法为解决此类问题提供了很好的思路。     

基于自适应遗传算法的特征基因选择

提出了一种基于自适应遗传算法的特征基因选择方法,首先建立一个基于Bhattacharyya距离的基因差异度模型,根据支持向量机(SVM)分类器的分类准确率选择出一个候选特征基因子集,然后利用自适应遗传算法搜索出一组最优特征基因组合,有效避免了遗传算法早熟收敛的缺陷,提高了全局寻优能力.对结肠癌基因表达谱数据进行仿真实验...