聚类分析与判别分析的区别

上世纪60年代末到70年代初,人们把大量精力集中于发展和应用数字分类法,且将这类方法应用于自然资源、土壤剖面、气候分类、环境生态等数据,形成“数字分类学”学科。聚类分析和判别分析就是这样的分类方法,目前它们已经成为比较标准的数据分类方法。我们常说“物以类聚、人以群分”,就是聚类分析和判别分析最简单、最朴素的阐释,并且这一成语也道明了这两种方法的区别与联系,都是分类技术,但它们是分别从不同的角度来对事物分类的,或者说,是两种互逆的分类方式。聚类分析与判别分析都是多元统计中研究事物分类的基本方法,但二者却存在着较…     

常见功能性纺织品纤维中无机元素的主成分分析和聚类分析

采用电感耦合等离子发射光谱法(ICP-AES)对5种功能性纺织品和常见5种纺织品纤维中无机元素的种类和含量进行半定量测定。利用SPSS进行主成分分析,得出5种功能性纺织品纤维的特征无机元素为Al、Si、K、Ca、Ti、Zn、W、Sr和Fe;并对上述十种纺织品进行聚类分析,得到的结果不仅可以区分功能性纺织品纤维与常见纺织品纤维,而且不同功能性纺织品之间也能相互区分。因此,可以利用主成分分析和聚类分析对一些常见的纺织品纤维进行种类识别,为今后的微量纤维物证建库提供一定的依据。     

纤维比对分析新思路

对日常生活中常见的白色和黑色纤维的红外光图谱进行分析,运用傅里叶红外光谱衰减全反射(FTIR-ATR)检测技术以及统计学中的聚类分析处理方法,对刑事案件现场发现的微量纤维种属检验研究,以正确判断现场的纤维检材来自犯罪嫌疑人还是受害人,为侦破案件提供线索,缩小侦查范围,准确及时破案提供科学依据.     

线性降维结合支持向量机的签字笔墨迹鉴别研究

利用高光谱成像技术，共采集了10种黑色签字笔墨水在400nm～1000nm范围内的469条光谱用于建模和预测分析。建模分析结果表明：直接基于降维方法如线性判别分析（LDA）、偏最小二乘判别分析（PLS-DA）和核偏最小二乘判别分析（kPLS-DA）的分类模型在数据集中表现不佳，预测集分类准确率分别为79.88%、79.29%和79.88%。支持向量机（SVM）和一维卷积神经网络（1D-CNN）算法建立的分类模型能够将分类准确率分别提升至83.43%和88.16%；基于偏最小二乘判别分析（PLS-DA）和线性判别分析（LDA）先进行降维，再与SVM结合形成的PLS-SVM和LDA-SVM策略，比单独使用PLS-DA、LDA和SVM所建立的模型具有更高的分类准确率；将偏最小二乘判别分析（PLS-DA）、LDA和主成分分析（PCA）降维后的数据进行合并，再建立SVM模型能够将分类准确率提升至最高的91.72%，其预测结果的Cohen’s KAPPA系数也能够达到0.9075。对此，利用先线性降维再结合SVM建立分类模型的方法是几种分类方法中的最优策略，能够对不同品牌和类型的黑色签字笔的快速、...     

面向视频侦查应用的车内人脸识别研究

针对在公安实战中具有重要意义的车内人员人脸识别问题进行研究,提出其识别精度偏低的主要原因是其与常见的行人人脸场景间存在强烈的数据集偏差(Dataset bias)。将深度学习人脸识别与物体分类中的迁移学习相结合,设计了一种可实现样本融合的人脸识别网络,通过消除两个场景的数据集偏差,达到同时利用行人场景和车内人脸场景的数据进行训练的目的,并在此基础上与现有的卡口车牌抓拍系统进行融合,形成了一套初步达到实际应用指标的实时人脸-车牌抓拍识别系统。     

紫外光谱法分析果树木屑的浸提物

文章阐述了果树木屑浸提物紫外光谱分析的方法。在实验中对35种不同树种及不同产地、同一树种果树木屑的紫外光谱、一阶导数光谱特征峰的异同进行了比较,确定了利用紫外光谱法鉴别果树木屑种类的依据。     

自然语言处理在警情智能分析中的应用

当前警情特征提取主要依赖人工识别、手动提取,警情串并、分析应用缺乏智能化的手段,效率低,工作强度大。紧密围绕警情文本数据特征,深入研究110警情特点,提出了线索、要素、行为、场景、组织、地点六大110警情关键特征,并引入自然语言处理技术实现对警情六大关键特征进行识别提取。在提取警情六大关键特征后,以关键特征为桥梁,构建警情之间的关联关系,以规则和统计相结合的手段,构建历史警情的知识图谱,进行相关警情串并分析和异常预警,辅助指挥决策。实验结果表明,提出的方法能够有效完善警情关键特征的多维要素提取能力,提升警情串并和分析效果。     

监控视频中正面行走姿态的简易识别

本文在对人体行走运动特征进行定量分析的基础上,通过建立相应的分析体系并运用概率数理统计和模糊理论方法,结合大量的数据统计以实现用量的标准来判断行走特征是否具有稳定性和特异性,从而达到快速简便地利用行走特征进行身份识别。     

统计生物特征识别技术的新秀-虹膜识别技术

统计生物特征识别技术正在进人身份识别的主市场、目前政府和企事业部门应用最普遍的统计生物特征识别技术是指纹。指纹阅读机正在集成到计算机键盘上。然而由于指纹容易使人联想到犯罪,而且指纹读取可能存在失误,这些因素使它在某些应用场合有些不足。统计生物特征识别技术的厂商承认,没有一种统计生物特征适用于所有情况。这取决于统计生物特征的精度、价格和强迫感等特性。 目前正在研究的虹膜识别技术可能是我们寻找的最佳技术,是一种更具生命力的统计生物特征技术。它通过眼睛的颜色图样来识别人。由于它是一种无侵扰识别过程,几…     

红外光谱快速检验常见农药

近年来,涉及农药的投毒等案件越来越多,对于常见农药的快速、准确的检验显得日益重要。常见的农药检验方法主要有:薄层层析法、气相色谱法、液相色谱法、气质联用法、红外光谱法等。红外光谱反映的是物质分子中所含各个原子之间存在的种种形式的振转运动,由于每一种农药的红外光谱都有其特有的红外光谱指纹特征,因此通过红外光谱对农药作出鉴别是最为可靠的[1]。为此,各国药典都将红外光谱作为法定的毒物鉴别的主要方法[2]。我们利用红外光谱仪进行了常见农药检验的有益探索,检验了几十宗案件,无一出错。及时、准确地提供了大量可靠的科学证…     

我国面向公众的电子政务需求识别

从需求的角度出发,提出并建立面向服务对象的电子政务需求内容调查体系和统计识别模型,并对电子政务用户(包括企业和公民)的最终需求信息进行采集.从地域、行业、年龄的角度对目前我国公民的电子政务意识进行了调查统计,分析了影响我国公众的电子政务需求的因素,并对我国电子政务发展提出针对性的建议.研究中理论与实证相结合,采用了头脑风暴法、问卷调查法、访谈法等研究方法.     

红外光谱模式识别技术鉴定毒品同一来源

本文应用红外光谱分析,通过研究模式识别检索的四种识别技术,考察对同一批次毒品的同一认定的置信度,从而筛选最佳鉴定方法。     

显微红外光谱法和扫描电镜\能谱法检验汽车油漆物证

本文讨论了红外光谱法、扫描电镜\能谱法相结合检验汽车油漆物证的方法。油漆样品经刮取处理后,通过显微红外光谱法分析有机成分,样品经液氮冷却折断处理后,通过扫描电镜\能谱法分析油漆的断面微观形态和各层元素成分,红外和电镜能谱方法结合,可以对油漆样品进行比对分析,排除来源不同的油漆样品,找出来源相同的油漆样品。     

统计在财务风险识别与衡量中的运用

选用适宜的统计方法,把适用的统计技术进行合理选择和组合,以此来有效地帮助企业控制财务风险,通过对财务风险的识别与衡量,可以全面、正确地识别企业所面临的财务风险,选择有效的财务管理策略。     

X射线包裹图像颗粒物品纹理分类决策

将包裹内常见物品分别分为2类和3类。分析提取包裹中常见物品的纹理特性,基于包裹内常见物品图像的纹理特征,选择K均值算法分类器和BP神经网络分类器对两种分类方法进行验证,根据分类试验结果确定包裹内物品的分类数目。试验表明,将包裹内常见物品分为颗粒状物品和非颗粒状物品2类时,分类器可以对X射线包裹图像颗粒状物品进行更有效的识别。     

西部地区投资环境空间差异分析研究

本文运用多元统计方法中的因子分析和聚类分析对西部地区投资环境的空间差异分析进行分析，定量揭示西部地区投资环境在空间上的分布现状、差异以及相似性，以期对西部地区经济发展决策提供支持。     

模糊数学方法与思想政治教育

所谓模糊数学方法是指从数量上对模糊不清的概念进行研究,通过定量分析评判其性质,从而使模糊概念清晰化的一种方法。它的种类很多,常见的有模糊综合评判,模糊聚类分析,模糊模式识别等。在思想政治工作领域,模糊性问题是大量存在的,运用这一方法,不仅可以带来工作的方便,     

我国面向公众的电子政务需求内容研究

从需求的角度出发,根据建立的面向服务对象的电子政务需求内容调查体系和统计识别模型,对面向企业和居民的公众服务型的电子政务需求内容进行信息收集与分析,对相关用户的服务内容进行分析与评价,寻找并分析影响企业和居民的电子政务需求的重要因素、服务内容和迫切程度,确定用户真正需求和迫切需要的服务内容,从而提出相应的政策建议.研究中理论与实证相结合,采用了头脑风暴法、问卷调查法、访谈法等研究方法.     

DSQ气质联用仪自动筛选常见农药的方法研究

来研究的目的建立快速、灵敏的常见农药的质谱自动筛选检测方法。方法是建立常见农药的质谱用户库,优化分离条件,优化质谱数据的自动分析参数,进行标样和样品分析。从而建立了含407种常见农药的质谱用户库;建立了自动筛选方法;得到了72种常见农药的保留时间和检测限。该方法具有快速、灵敏、准确的优点,完全可替代繁杂的质谱检索手工操作。     

基于聚类分析的反恐情报中潜在恐怖团伙发现技术

从海量反恐情报中智能地发现并识别涉恐人员、恐怖团伙及其关系,对于公安机关提前预警恐怖袭击有着重要的意义与价值。聚类分析可以根据对象的内在属性,将其聚集成为不同的簇,每一个簇内部相似度高,簇之间差异度大。利用聚类分析的这种特点,可以对公安机关的海量涉恐情报进行自动化、智能化的处理。通过把聚类分析引入到反恐情报分析中,可以运用划分聚类识别出潜在的涉恐人员群体、运用密度聚类发现内部高度相似的恐怖团伙、运用分层聚类提炼恐怖团伙之间的关系,提升公安机关分析反恐情报的能力和水平,进而提升打击恐怖主义工作的效能。