导读:本文包含了多重判别分析论文开题报告文献综述、选题提纲参考文献，主要关键词:线性,机械学,年龄组,极值,程度,缺失,样本。
多重判别分析论文文献综述写法
秦记东,彭华峰[1]（2017）在《基于多重判别分析和Zernike矩的目标分类算法》一文中研究指出针对图像目标分类中Zernike矩特征维数过高的问题,提出一种基于多重判别分析的特征压缩方法。首先对目标图像进行预处理并计算图像的Zernike矩特征,然后采用多重判别分析方法求得投影矩阵并压缩特征,最后依据最小Euclidean距离对数据分类,同时总结了常见的特征压缩评价标准。理论分析和实验结果表明,在计算量相当的情况下,文章方法可获得比主成分分析法更佳的分类效果。(本文来源于《信息工程大学学报》期刊2017年06期）
黄大荣,陈长沙,孙国玺,赵玲,米波[2]（2017）在《复杂装备轴承多重故障的线性判别分析与反向传播神经网络协作诊断方法》一文中研究指出由于复杂装备运行工作环境恶劣,导致其轴承多重故障诊断的准确率不高,为此提出一种基于线性判别分析(LDA)与反向传播(BP)神经网络协作下复杂装备轴承数据驱动的多重故障诊断方法。将无量纲指标作为轴承多重故障数据的反映指标,利用LDA对轴承多重故障的无量纲指标数据进行线性映射降维处理;通过拉格朗日极值法获得最佳投影向量,沿着该方向将轴承多重故障数据投影到类别最易区分的方向;将经投影处理后的样本作为BP神经网络的输入样本,通过训练测试网络,实现轴承多重故障的预测分类。对某型装备大型旋转机械机组进行仿真实验,验证了所提方法能够有效对轴承多重故障进行降维映射,并且能较好地实现多重故障分类诊断,具有良好的有效性和实用性。(本文来源于《兵工学报》期刊2017年08期）
王伟[3]（2015）在《基于判别分析的多重插补影响因素研究》一文中研究指出在进行统计调查的过程中，往往基于各种不同的原因导致调查数据存在不同程度的缺失。近年来，随着大数据的发展和大型数据库的成熟，无论从数据的样本量和数据的维度的扩增角度还是数据记录在时间维度的精细化程度加深，缺失值产生的概率越来越难以避免，并且数据缺失的形式也更加多样化。然而，缺失值的存在对统计分析具有很大的影响。一方面来讲，缺失值的存在增加了统计分析过程的难度，其原因在于成熟的数据分析方法都是基于完整数据集的前提假设。另一方面则是缺失数据的存在会影响数据分析的结果，进而导致分析的结论有可能因为数据不具有代表性而丧失实用的价值。因此，研究缺失值的插补具有很重要的意义。目前，国内外对缺失值插补的关注度比较高，尤其是多重插补思想的提出及其在实践中表现出的优点，更加成为各学者研究的重点。在数据调查中，调查问卷内容的不同往往也会导致调查数据的缺失值表现出不同的形态。缺失值的缺失机制、缺失模式、缺失程度及与其他相关变量的情况等都会对缺失值的插补方法和缺失效果产生一定的影响。本文研究了随机缺失模式下单变量随机缺失和多变量的插补情况，重点讨论了多重插补的插补情况。分别分析样本量、缺失率程度及相关负责辅助变量等对基于判别分析模型下的多重插补插补效果的影响情况。全文共分五个章节，文章在第一个章节首先介绍选题背景和研究意义，总结了国内外关于缺失值插补，尤其是多重插补的研究现状及研究成果。第2章则主要阐述了缺失值产生的原因和缺失机制，并指出虽然缺失值插补可以弥补部分数据缺失的不足但事前控制不可缺少。第3章细致的介绍了多重插补的相关理论基础和及对比分析了多重差插补的优缺点。文章的第4章则给出了基于不同样本量、缺失程度和相关辅助变量情况下，单变量缺失和多变量缺失的多重插补实证分析。第5章则是对研究内容的总结和展望，并指出研究内容的不足。(本文来源于《河北经贸大学》期刊2015-03-01）
唐智灵,杨小牛,李建东[4]（2012）在《基于多重判别分析和分形维的数字调制样式自动识别》一文中研究指出为了正确自动识别数字通信调制样式,提出一种基于信号形态特征的调制样式分类算法。算法首先用离散小波去噪的方法处理含噪采样信号,然后将采样信号重组成为2维数据阵列,并计算阵列的多重分形维作为调制样式特征量,最后通过多重判别分辨分析将特征矢量投影到Fisher超平面,用最大似然方法识别调制样式。仿真结果表明,在信噪比从-3 dB到20 dB的动态范围内,可以获得很高的正确识别率。(本文来源于《四川大学学报(工程科学版)》期刊2012年02期）
刘笑嶂,冯国灿[5]（2009）在《多重核线性判别分析及其权值优化》一文中研究指出为了提高非线性分类精度,借鉴在支持向量机(SVM)框架下发展起来的多重核学习方法,针对基于核的线性判别分析(KLDA)构造多重核。进而,使用拉格朗日乘子法优化最大边缘准则(MMC),提出了多重核权值优化算法。在FERET和CMUPIE人脸图像库上的实验表明,与基于单个核的LDA相比,多重核线性判别分析能够达到更高的分类性能。(本文来源于《计算机应用》期刊2009年09期）
秦仁重[6]（2008）在《多重判别分析法下的上市公司财务困境预警研究》一文中研究指出经济体制改革和资本市场的逐渐发展和完善,对公司财务困境预测研究的需求日益增加。它需要一种完善的经济预测体系和方法来进行有效的综合预警,本文分析预警的最大特点是事前分析我国财务困境公司的现状,从而对ST公司的总体情况有所了解,从财务指标环节入手,完成对上市公司财务的综合预警研究。我国目前有关预警研究的实证性文章有很多,本文试图通过一定的处理,运用多种判别方法进行分析,并且进行比较分析,力图使结论更加全面、可靠,并能作用于客观实践活动。本文共分四个部分。第一部分是财务预警研究的综述。该部分分析国内外财务预警管理研究有关理论,对国内外在权威刊物上发表的财务预警实证性文章做出介绍和分析。第二部分在对财务困境公司的现状及财务困境研究对象的界定进行分析。第叁部分将利用统计方法建立预警的基本评价模型,并对模型有效性进行分析和检验。第四部分比较几种不同的预测方法的效果。研究表明,本文所选取的22个财务指标中有15项预测指标具有判定和解释财务困境的信息含量,但各个指标的信息量不同,预测财务困境的准确率不同。在单变量分析中,主营业务利润率的判定效果较好,多变量判定模型优于单变量判定模型。比较上述几种方法,主成分预测模型在预测上市公司财务困境方面具有较好的预测能力。(本文来源于《西南交通大学》期刊2008-05-01）
李旭升,郭耀煌[7]（2005）在《基于多重判别分析的朴素贝叶斯分类器》一文中研究指出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).将该分类方法与朴素贝叶斯分类器(Naive Bayesian c lassifier,NB)和TAN分类器(Tree Augm ented Naive Bayesian c lassifier)进行实验比较,实验结果表明在大多数数据集上,DANB分类器具有较高的分类正确率.*(本文来源于《信息与控制》期刊2005年05期）
周太忠[8]（1994）在《运用人口学和心理描述选择准则对不同年龄组大学非教学人员和教学人员的多重判别分析》一文中研究指出本文的目的是利用多重判别分析研究不同年龄组教学人员和非教学人员在人口学和心理描述变量上的差别。非教学人员包括从事服务工作（从秘书到行政事务工作人员）的人。资料是借助对设在美国东南部一所大学的工作人员进行问卷调查搜集的。制定了3个判别模型：一个模型、用的是(本文来源于《管理科学文摘》期刊1994年06期）
多重判别分析论文开题报告范文
（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：
由于复杂装备运行工作环境恶劣,导致其轴承多重故障诊断的准确率不高,为此提出一种基于线性判别分析(LDA)与反向传播(BP)神经网络协作下复杂装备轴承数据驱动的多重故障诊断方法。将无量纲指标作为轴承多重故障数据的反映指标,利用LDA对轴承多重故障的无量纲指标数据进行线性映射降维处理;通过拉格朗日极值法获得最佳投影向量,沿着该方向将轴承多重故障数据投影到类别最易区分的方向;将经投影处理后的样本作为BP神经网络的输入样本,通过训练测试网络,实现轴承多重故障的预测分类。对某型装备大型旋转机械机组进行仿真实验,验证了所提方法能够有效对轴承多重故障进行降维映射,并且能较好地实现多重故障分类诊断,具有良好的有效性和实用性。
（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。
多重判别分析论文参考文献
[1].秦记东,彭华峰.基于多重判别分析和Zernike矩的目标分类算法[J].信息工程大学学报.2017
[2].黄大荣,陈长沙,孙国玺,赵玲,米波.复杂装备轴承多重故障的线性判别分析与反向传播神经网络协作诊断方法[J].兵工学报.2017
[3].王伟.基于判别分析的多重插补影响因素研究[D].河北经贸大学.2015
[4].唐智灵,杨小牛,李建东.基于多重判别分析和分形维的数字调制样式自动识别[J].四川大学学报(工程科学版).2012
[5].刘笑嶂,冯国灿.多重核线性判别分析及其权值优化[J].计算机应用.2009
[6].秦仁重.多重判别分析法下的上市公司财务困境预警研究[D].西南交通大学.2008
[7].李旭升,郭耀煌.基于多重判别分析的朴素贝叶斯分类器[J].信息与控制.2005
[8].周太忠.运用人口学和心理描述选择准则对不同年龄组大学非教学人员和教学人员的多重判别分析[J].管理科学文摘.1994