导读:本文包含了判别矩阵论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:矩阵,光谱,关系,压缩性,特征,正交,心衰。
判别矩阵论文文献综述
陈利艳[1]（2019）在《正交表交互作用列矩阵象判别法的应用》一文中研究指出利用矩阵象的概念确定正交表交互作用列的投影矩阵形式,并将其应用于压缩性替换,从而构造更多的混合正交表。(本文来源于《安阳工学院学报》期刊2019年06期）
张亚蕾[2]（2019）在《有限集合上二元关系性质的矩阵判别法》一文中研究指出从定义出发去判断集合A上的二元关系是否是自反、反自反、对称、反对称、传递比较困难。基于此,本文从二元关系的关系矩阵出发,总结了一种二元关系性质判断的矩阵判别法,并给出了相应的证明。(本文来源于《知识窗(教师版)》期刊2019年06期）
刘鹏,叶宾[3]（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）
关晋瑞,任孚鲛[4]（2019）在《广义严格对角占优矩阵的一种判别法》一文中研究指出广义严格对角占优矩阵是一类很重要的特殊矩阵,在理论与实际中具有广泛的应用,有关它的判别一直是人们研究的重点.本文给出广义严格对角占优矩阵的一种迭代判别法,证明了相应的收敛性理论,并用数值算例展示了该判别法的有效性.(本文来源于《应用数学》期刊2019年03期）
戴滨林[5]（2019）在《有关Clifford矩阵群的几个离散性判别准则》一文中研究指出研究了Clifford矩阵变换群的离散性质,给出了几个判别离散群的不等式和定理.(本文来源于《数学年刊A辑(中文版)》期刊2019年02期）
黄晓伟,杭仁龙,孙玉宝,刘青山[6]（2019）在《基于稀疏图正则矩阵判别分析的高光谱图像分类》一文中研究指出光谱和空间信息的联合使用是高光谱图像分类领域的研究热点之一.本文在已有的矩阵判别分析(MDA)模型的基础上,提出了一种基于稀疏图正则的改进模型.在有效融合高光谱图像光谱-空间信息的同时,能充分挖掘无标签样本的信息,从而提升了模型的分类性能.为了验证本文算法的有效性,在两个高光谱数据集上,与多种方法进行了对比.实验结果表明,本文提出的算法优于其他同类算法.(本文来源于《南京师大学报(自然科学版)》期刊2019年01期）
单慧勇,曹燕,赵辉,杨仁杰,杨延荣[7]（2019）在《二维相关红外光谱与支持向量机和灰度共生矩阵统计法相结合判别掺杂牛奶》一文中研究指出应用二维相关红外光谱与支持向量机(SVM)和灰度共生矩阵统计方法相结合对分别掺杂有尿素、叁聚氰胺和葡萄糖的牛奶进行判别。以质量浓度为外扰,建立掺杂牛奶的二维相关红外光谱图,选择角二阶矩、主对角线惯性矩、相关系数、熵的均值和标准差作为图像纹理特征并分别建立3种掺杂牛奶的SVM判别模型。结果表明:在对同步谱的分析中,上述3种掺杂牛奶样品中,掺杂尿素的牛奶样品训练集分类准确率为91.7%,预测集的准确率为85.0%;掺杂叁聚氰胺和葡萄糖的牛奶的训练集分类准确率和预测集分类准确率分别为96.7%,90.0%和91.7%,100%。用同步谱和异步谱相结合的方法对准确率较低的掺杂尿素的牛奶做进一步试验,两种准确率分别提升为98.1%和92.3%;这一数据的提升是由于两者相结合提供了更大的信息量,有利于掺杂牛奶的判别。据此认为,此方法对掺杂牛奶的判别是可行的。(本文来源于《理化检验(化学分册)》期刊2019年03期）
陈钊志,李冬冬,王喆,阮彤,高炬[8]（2019）在《基于下采样的局部判别矩阵型分类的心衰死亡率预测》一文中研究指出不平衡分类问题的特征是样本集中每类样本个数相差较大,导致分类结果偏向多数类样本,少数类样本被忽视。而在不平衡分类问题中,少数类样本需要更多的关注。本文基于上海曙光医院提供的心衰医疗数据,提出了一个针对心衰病人死亡率预测的框架,为心衰的辅助治疗和诊断提供有效的信息。心衰医疗病例属于典型的不平衡分类问题,心衰病人在总的病人数量中只占少数,在检查中,应尽可能重点关注心衰病例。本文提出的框架采用下采样方法调整样本的比例,使类与类之间的规模平衡;使用主成分分析方法对高维数据进行特征选择;并在采样后的数据集上训练局部敏感判别矩阵型分类器,提高局部样本的关注度以获得更好的分类性能。实验结果表明,该框架能对心衰医疗数据提供较好的预测结果,与同类算法比较,表现出了更好的性能,是一个有效且实用的方法。(本文来源于《华东理工大学学报(自然科学版)》期刊2019年01期）
章安,郝婉吟,黄雯楠[9]（2018）在《特征根全部为整数的整矩阵的判别及其应用》一文中研究指出利用西尔维斯特定理以及整矩阵的上叁角化引理证明了一个整矩阵的特征根全部为整数的充要条件是该整矩阵可表示为若干个特殊整矩阵的和.应用这个结论可以构造有特定特征值的整矩阵以及判断一个矩阵是否与整矩阵相似.(本文来源于《大学数学》期刊2018年06期）
蔡竞,王万良,郑建炜,罗志坚,申思[10]（2018）在《基于Fisher判别分析的增量式非负矩阵分解算法》一文中研究指出增量式非负矩阵分解算法是基于子空间降维技术的无监督增量学习方法.文中将Fisher判别分析思想引入增量式非负矩阵分解中,提出基于Fisher判别分析的增量式非负矩阵分解算法.首先,利用初始样本训练的先验信息,通过索引矩阵对新增系数矩阵进行初始化赋值.然后,将增量式非负矩阵分解算法的目标函数改进为批量式的增量学习算法,在此基础上施加类间散度最大和类内散度最小的约束.最后,采用乘性迭代的方法计算分解后的因子矩阵.在ORL、Yale B和PIE等3个不同规模人脸数据库上的实验验证文中算法的有效性.(本文来源于《模式识别与人工智能》期刊2018年06期）
判别矩阵论文开题报告
（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：
从定义出发去判断集合A上的二元关系是否是自反、反自反、对称、反对称、传递比较困难。基于此,本文从二元关系的关系矩阵出发,总结了一种二元关系性质判断的矩阵判别法,并给出了相应的证明。
（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。
判别矩阵论文参考文献
[1].陈利艳.正交表交互作用列矩阵象判别法的应用[J].安阳工学院学报.2019
[2].张亚蕾.有限集合上二元关系性质的矩阵判别法[J].知识窗(教师版).2019
[3].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
[4].关晋瑞,任孚鲛.广义严格对角占优矩阵的一种判别法[J].应用数学.2019
[5].戴滨林.有关Clifford矩阵群的几个离散性判别准则[J].数学年刊A辑(中文版).2019
[6].黄晓伟,杭仁龙,孙玉宝,刘青山.基于稀疏图正则矩阵判别分析的高光谱图像分类[J].南京师大学报(自然科学版).2019
[7].单慧勇,曹燕,赵辉,杨仁杰,杨延荣.二维相关红外光谱与支持向量机和灰度共生矩阵统计法相结合判别掺杂牛奶[J].理化检验(化学分册).2019
[8].陈钊志,李冬冬,王喆,阮彤,高炬.基于下采样的局部判别矩阵型分类的心衰死亡率预测[J].华东理工大学学报(自然科学版).2019
[9].章安,郝婉吟,黄雯楠.特征根全部为整数的整矩阵的判别及其应用[J].大学数学.2018
[10].蔡竞,王万良,郑建炜,罗志坚,申思.基于Fisher判别分析的增量式非负矩阵分解算法[J].模式识别与人工智能.2018
论文知识图
