1) multiple group discriminant analysis
多组判别分析
1.
Discriminant model of urban zonal vegetation types in Northeast China was established with principal component analysis (PCA) and multiple group discriminant analysis (MGDA).
利用主成分分析法 (PCA)和多组判别分析法 (MGDA)研究了东北地区城市地带性植被类型判别模型 :①以东北地区 2 10个城市 (镇 ) 7个气象因子为变量 ,组成 2 10× 7矩阵 ,用PCA方法进行分类和排序 ,其结果明显划分 7个城市 (镇 )地带性植被类型 ;②影响城市 (镇 )地带性植被类型分布的气候因子 ,主要是热量和水分条件以及二者的综合状况 ;③采用MGDA法建立了东北地区城市地带性植被类型判别函数模型 ,预测城市地带性植被类型 ;④确定城市(镇 )地带性植被类型 ,并提出了 3种城市森林生态建设模式 ,为城市森林生态建设提供科学依据。
2) multiple discriminant analysis
多元判别分析
1.
In this model, four multiple discriminant analysis (MDA) criterion functions are defined and used to achieve global optimization in finding the best segmentation by means of the smallest within-segment distance, the largest between-segment distance and segment length.
提出了一种独立于具体领域的文本线性分割统计模型,其中采用多元判别分析方法定义了4种全局评价函数,实现对文本分割模式的全局评价,寻找满足分割单元内距离最小化和分割单元间距离最大化条件的最好分割方式。
2.
In our research we employed CART(Classify and Regression Trees) and MDA(Multiple Discriminant Analysis) to establish two models with annual financial statements of China\'s 196 listed companies in 2006,and then we evaluated the model\'s accuracy with the data from 1624 listed companies in 2007.
通过分别运用分类回归树与多元判别分析模型,对196家上市公司年度财务报告数据进行建模,再利用1624家上市公司样本对所建模型进行识别能力检验。
3) multiple discriminant analysis(MDA)
多类判别分析
1.
Then the diagnostic information from PCA was used as inputs of multiple discriminant analysis(MDA) for pattern recognition.
应用可见-近红外光谱仪测定三个品种水蜜桃的光谱曲线,再用主成分分析法对不同品种样本进行聚类分析,获取了水蜜桃可见-近红外光谱的特征信息,同时结合多类判别分析技术建立水蜜桃品种鉴别的模型。
2.
Several variables compressed by PCA were used as inputs of multiple discriminant analysis(MDA).
提出了一种用可见近红外透射光谱技术快速鉴别机油品种的新方法,应用可见-近红外光谱仪测定三种机油的光谱曲线,然后用主成分分析法对不同品种的机油样本进行聚类分析,并获取机油可见-近红外光谱的特征信息,再结合多类判别分析技术建立机油品种鉴别的模型,对经过预处理的光谱数据进行主成分分析。
4) multiple discriminant analysis
多重判别分析
1.
On the basis of analyzing the classification principle of naive Bayesian classifier and integrating the advantages of multiple discriminant analysis,a naive Bayesian classifier based on multiple discriminant analysis,DANB(Discriminant Analysis Naive Bayes),is proposed.
通过分析朴素贝叶斯分类器的分类原理,并结合多重判别分析的优点,提出了一种基于多重判别分析的朴素贝叶斯分类器DANB(D iscrim inantAnalysis Naive Bayesian c lassifier)。
5) multivariate discrimination analysis
多元判别分析
1.
Based on the real data sets which involves different periods and different sizes of cities from national commercial banks, this paper applied the methodologies of Multivariate Discrimination Analysis, Logistic Regression, Decision Tree and Neural Network to accomplishing the detailed empirical research.
本文应用多元判别分析、logistic回归、决策树和神经元网络等4种有代表性的分类方法,对国内两组不同时期、不同规模城市商业银行的实际数据进行了全面的实证分析。
6) multi-population discriminant analysis
多总体判别分析
补充资料：判别分析预测法(见发生量预测)
判别分析预测法(见发生量预测)
discriminatory analysis for forecast
判别分析预测法(diseriminatory analysisfor foreeast)又叫分辨分析法，是用判别函数预测害虫发生量的方法。其步骤为:将预报因子和预报量分为2级或多级，对预报因子进行线性组合，构成一个判别函数;先确定一个临界值作分辨指标，然后计算判别函数式中的系数，求出临界值;应用时，将预报因子的实查值代入判别函数式，求出预报值，将此值与临界值相比较，可预报害虫的发生量。 判别函数通式将预报因子的数据进行线性组合: 尸y~习c、·x、(1) 左=l式中夕为预报量;P为预报因子个数;x、(k二1，2，……，尸)为预报因子;c、为系数。二级判别法中的x分为2级，故(l)式为:〕一clxl+cZxZ(2)则y值亦分2级，可确定一个y。为分辨指标，当夕)yc时为A级，夕
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条