导读:本文包含了判别分析方法论文开题报告文献综述及选题提纲参考文献，主要关键词:熟叁七,稀有皂苷,色泽,特征图谱
判别分析方法论文文献综述
刘梦楠,杨晓燕,屈文佳,贾天颖,辛洁萍[1]（2019）在《基于偏最小二乘判别分析建立熟叁七粉的质量评价方法》一文中研究指出目的建立熟叁七粉的HPLC特征图谱,并对其8种稀有皂苷的含量进行测定,结合偏最小二乘法判别分析(PLS-DA)和聚类分析,为熟叁七粉质量的科学评价提供方法。方法采用Agilent Zorbax SB-C18(250 mm×4.6 mm,5μm)色谱柱,以乙腈(A)-水(B)为流动相洗脱梯度:0～10 min,19%～33%A;10～30 min,33%～38%A;30～45 min,38%～50%A;45～60 min,50%～60%A,体积流量1.0 mL/min,检测波长203 nm,柱温40℃,进样量10μL,建立熟叁七粉的HPLC特征图谱,并对其人参皂苷20 (S)-Rh1、20 (R)-Rh1、Rk3、Rh4、20 (S)-Rg3、20 (R)-Rg3、Rk1和Rg5共8种指标性成分定量测定方法进行方法学考察,对63批熟叁七粉进行含量测定。结果建立了熟叁七粉的HPLC特征图谱,共标定19个共有峰。同时测定8种稀有皂苷成分含量,色谱峰达到了较好的分离,且线性关系良好,8种皂苷线性回归方程的相关系数分别为0.999 9、0.999 5、0.999 4、0.999 3、0.999 1、0.999 3、0.999 1、0.999 3;平均加样回收率为95%～105%;RSD值均低于2%。63批样品按色泽分为棕红色与淡黄色2组,棕红色组质量明显优于淡黄色组。结论熟叁七粉的质量优劣与色泽有关,该方法灵敏、准确、重现性好,可为熟叁七粉的质量评价提供参考。(本文来源于《中草药》期刊2019年21期）
高全力,高岭,石美红,朱欣娟,陈锐[2]（2019）在《多特征的核线性判别分析推荐方法》一文中研究指出为提高在非线性可分数据上的推荐质量,采用基于核函数的多特征线性判别分析建立推荐模型.基于多维特征数据,采用非线性映射转换到高维特征空间,通过构建基于核的映射函数,将特征映像转换为内积空间的特征子集,最终建立基于核函数的多特征线性判别分析的分类准则,对于用户喜好的物品进行分类判别并生成推荐.实验结果表明:在20%、40%、60%、80%的数据作为训练集,其余为测试集的实验条件下,随着推荐列表长度|R|的增加,推荐准确率呈现先升后降的趋势,在25≤|R|≤35区间内,能够取得最优的平均绝对误差0.34.所提方法与现有方法相比准确率平均提升18.01%,多样性平均提升42.29%,而所用时间开销仅增加6.21%.对历史偏好数据进行特征映射,有助于提高推荐准确率与多样性.(本文来源于《东南大学学报(自然科学版)》期刊2019年05期）
何胜美[3]（2019）在《超高维判别分析中的迭代稳健特征筛选方法》一文中研究指出变量筛选是超高维数据分析的基础,MV-SIS和AD-SIS是超高维判别分类问题中的两种有效的稳健的特征筛选方法.然而,和其它边际筛选方法一样,忽略了变量间可能存在的强相关性,可能漏选重要变量或者错选不重要的变量.为提高MV-SIS(AD-SIS)在上述情况下的变量筛选效果,基于MV-SIS(AD-SIS)提出了两种有效的稳健的迭代变量筛选方法 MV-ISIS(AD-ISIS),并通过蒙特卡罗模拟,研究这两种方法在超高维判别分析问题中的效果.数值模拟结果表明,新的迭代特征筛选方法 MV-ISIS(AD-ISIS)能大幅提高MV-SIS(AD-SIS)的变量筛选效果.(本文来源于《韶关学院学报》期刊2019年09期）
亚森江·加入拉,高建民,高智勇,姜洪权[4]（2019）在《复杂机电系统核熵判别分析的异常分类方法》一文中研究指出为了解决复杂机电系统的海量数据的复杂性和动态性,以及对故障类型快速而有效地进行分类,提出一种基于信息熵的核熵判别分析—KEDA方法。首先,引入了信息熵的观点以便排除信息冗余后剩余的平均信息量能够保证异常模式的有效分类。其次,利用核熵成分分析对数据进行非线性映射和降维,为此确定基于熵的参数选取方法计算和KEDA算法步骤。从而在降维后的空间进行分类。最后,结合TE过程数据集对算法效果进行验证。通过仿真实验得知,提出的KEDA方法的识别率85%以上,表明KEDA方法比其他方法的有效性和优越性,具有一定的应用价值。(本文来源于《机械设计与制造》期刊2019年08期）
古丽君,林振华,吴世玉,郑彦婕,周晓文[5]（2019）在《近红外光谱结合线性判别分析方法在食醋品牌鉴别中的应用》一文中研究指出采用近红外光谱技术结合化学计量学手段,建立不同品牌食醋的快速鉴别方法。用近红外光谱仪对103组食醋样品进行扫描,采用二阶导数对图谱进行预处理、标准化处理、T检验和主成分分析(principal component analysis,PCA),运用留一法构建线性判别分析(linear discriminant analysis,LDA)模型。结果表明,原始近红外谱图经过处理后,显示出同种品牌食醋主成分的聚类趋势;交叉验证结果表明,PCA-LDA模型预测不同品牌食醋的正确率高达85. 57%,该模型具有较好的预测效果。该研究结合近红外光谱与PCA-LDA模型,为不同品牌食醋提供一种快速鉴别方法,具有处理近红外光谱数据,研究物质主成分的应用潜力。(本文来源于《食品与发酵工业》期刊2019年18期）
马福军,李楠,刘刚,王婷[6]（2019）在《逐步判别分析方法在新北油田水淹层识别中的应用》一文中研究指出针对新北油田近几年老区调整井投产后含水较高,测井水淹层解释结果与实际符合率(75. 4%)较低这一问题,基于油层水淹后在测井响应引起变化的主要指标,应用逐步判别分析方法,建立了包含0. 5 m电阻率、声波时差和含油饱和度叁项重要指标的判别函数来判别油层水淹级别。建立的判别函数经回判检验和F检验,效果显着。将研究成果应用于新北油田12口老区调整井的水淹层识别,解释结果与实际符合率达到91. 7%,提高了水淹层识别的精度。研究成果对新北油田今后调整井的水淹层识别具有重要指导意义。(本文来源于《复杂油气藏》期刊2019年02期）
刘鹏,叶宾[7]（2019）在《基于随机矩阵理论的高维数据线性判别分析方法》一文中研究指出线性判别分析(LDA)是机器学习和数据挖掘中一种常用的基于模型的分类方法。尽管该分类方法在许多实际应用中表现良好,但在处理高维数据时其效果却很不理想。其原因在于:当变量数目p接近或者大于样本数目n时,样本协方差矩阵不再是真实协方差矩阵的一个良好估计,导致线性判别函数值产生了较大的偏差。文中提出了一种基于随机矩阵理论的高维数据分类器正则化方法。首先,利用随机矩阵理论,分别以旋转不变估计法(当p≤n时)或者特征值截取法(当p>n时)对高维协方差矩阵进行一致估计;然后,使用估计出的高维协方差矩阵计算判别函数值。在模拟数据集和3个微阵列数据集上进行的分类实验的结果表明,所提线性判别分析方法在处理高维数据时不但适用范围更广,而且具有较高的分类正确率。(本文来源于《计算机科学》期刊2019年S1期）
周欣,张琳,毛婵,康希,曲彤[8]（2019）在《基于化学计量学方法结合正交偏最小二乘判别分析的陈皮饮片HPLC指纹图谱研究》一文中研究指出目的建立陈皮饮片HPLC指纹图谱分析方法,为其质量控制提供技术参考。方法采用HPLC法建立17批陈皮饮片的指纹图谱,通过聚类分析(clusteranalysis,CA)、主成分分析(principalcomponentanalysis,PCA)、正交偏最小二乘判别分析(orthogonal partial least square discrimina te analysis,OPLS-DA)对指纹图谱进行评价。结果建立了陈皮饮片指纹图谱,相似度均>0.9,确定了25个共有峰,其中14个峰的变量投影重要性(variableimportance projection,VIP)均>1,通过与对照品谱图比对,确定了13号峰为芸香柚皮苷、14号峰为橙皮苷、23号峰为川陈皮素、24号峰为3,5,6,7,8,3′,4′-七甲氧基黄酮、25号峰为桔皮素。结论该方法简单可靠,可用于陈皮饮片鉴别和质量控制。(本文来源于《中草药》期刊2019年09期）
赵雯雯[9]（2019）在《特征退火方法下的高维多总体判别分析》一文中研究指出本文主要研究多总体正态分布下协方差阵相等时的高维分类问题.已有的研究结果表明,对于两类的正态分布问题,独立分类法则比线性判别法则更为有效.Fan在文献中指出,如果将所有的特征都用于分类,独立分类法则的效果依然很差.为强调特征的识别能力,Fan提出了特征退火独立法则(Feature Annealed Independence Rule,简称FAIR).本文在Fan的基础上提出了基于多总体的FAIR,并且根据K类间的分量ANOVA选择了统计学上最有意义的m个特征,并在这m个特征上应用独立分类器,特征的最佳数目的选择是基于误分率上界的.模拟研究分析支持本文理论的结果,并有说服力的说明了本文的新的方法的优势.本文将从以下几个部分进行介绍:第一部分介绍有关的背景知识以及判别分析的研究现状和发展趋势,第二部分介绍本文中的模型和判别函数,第叁部分是本文的核心部分,是研究得到的重要定理,第四部分证明定理,第五部分的模拟证明了本文的理论结果.(本文来源于《东北师范大学》期刊2019-05-01）
刘嘉蔚,李奇,陈维荣,蒋璐,余嘉熹[10]（2019）在《基于概率神经网络和线性判别分析的PEMFC水管理故障诊断方法研究》一文中研究指出为了准确迅速判断质子交换膜燃料电池(proton exchange membrane fuel cell,PEMFC)水管理子系统故障,提出基于概率神经网络(probabilistic neural network,PNN)和线性判别分析(linear discriminant analysis,LDA)的PEMFC水管理故障诊断方法。该方法采用归一化消除原始数据参量之间的量纲影响,使用线性判别分析对归一化后的变量进行特征提取。不但可以将原始实验数据映射到同一区间内,而且能有效降低数据维度。利用概率神经网络对5维故障特征向量实现水管理故障诊断。17086组PEMFC水管理故障样本的诊断结果表明:所提方法能有效识别正常状态、水淹故障和膜干故障共3种水管理健康状态,训练集和测试集的诊断正确率分别为99.80%和93.48%,运算时间仅为14.04s。与BPNN和LDA-BPNN相比:新方法测试集的预测精度分别高出17.47%和2.75%,计算时间分别节省39.83s和28.37s。因此,新方法能快速准确地诊断PEMFC水管理故障。(本文来源于《中国电机工程学报》期刊2019年12期）
判别分析方法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为提高在非线性可分数据上的推荐质量,采用基于核函数的多特征线性判别分析建立推荐模型.基于多维特征数据,采用非线性映射转换到高维特征空间,通过构建基于核的映射函数,将特征映像转换为内积空间的特征子集,最终建立基于核函数的多特征线性判别分析的分类准则,对于用户喜好的物品进行分类判别并生成推荐.实验结果表明:在20%、40%、60%、80%的数据作为训练集,其余为测试集的实验条件下,随着推荐列表长度|R|的增加,推荐准确率呈现先升后降的趋势,在25≤|R|≤35区间内,能够取得最优的平均绝对误差0.34.所提方法与现有方法相比准确率平均提升18.01%,多样性平均提升42.29%,而所用时间开销仅增加6.21%.对历史偏好数据进行特征映射,有助于提高推荐准确率与多样性.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
判别分析方法论文参考文献
[1].刘梦楠,杨晓燕,屈文佳,贾天颖,辛洁萍.基于偏最小二乘判别分析建立熟叁七粉的质量评价方法[J].中草药.2019
[2].高全力,高岭,石美红,朱欣娟,陈锐.多特征的核线性判别分析推荐方法[J].东南大学学报(自然科学版).2019
[3].何胜美.超高维判别分析中的迭代稳健特征筛选方法[J].韶关学院学报.2019
[4].亚森江·加入拉,高建民,高智勇,姜洪权.复杂机电系统核熵判别分析的异常分类方法[J].机械设计与制造.2019
[5].古丽君,林振华,吴世玉,郑彦婕,周晓文.近红外光谱结合线性判别分析方法在食醋品牌鉴别中的应用[J].食品与发酵工业.2019
[6].马福军,李楠,刘刚,王婷.逐步判别分析方法在新北油田水淹层识别中的应用[J].复杂油气藏.2019
[7].刘鹏,叶宾.基于随机矩阵理论的高维数据线性判别分析方法[J].计算机科学.2019
[8].周欣,张琳,毛婵,康希,曲彤.基于化学计量学方法结合正交偏最小二乘判别分析的陈皮饮片HPLC指纹图谱研究[J].中草药.2019
[9].赵雯雯.特征退火方法下的高维多总体判别分析[D].东北师范大学.2019
[10].刘嘉蔚,李奇,陈维荣,蒋璐,余嘉熹.基于概率神经网络和线性判别分析的PEMFC水管理故障诊断方法研究[J].中国电机工程学报.2019