鸢尾花数学建模论文技术总结.docVIP

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
大连海事大学2014年数学建模竞赛 丙组论文 鸢尾花的分类研究 姓 名 学 号 学 院 专业班级 仇实 2220141486 物理系 应用物理学2014-1 郭杨喆 2220143245 物理系 应用物理学2014-1 张逸凡 2220143115 物理系 应用物理学2014-1 2014年月日 摘要 加拿大加斯帕半岛上生长着三类不同的鸢尾属的花朵,他们分别是Setosa(刚毛)、Versicolor(变色)和Virginica(弗吉尼亚)。植物学家从三类鸢尾花中各选15株,分别测量了它们的花瓣长(Pl)、花瓣宽(Pw)、花萼长(Sl)、花萼宽(Sw)。通过分析数据设计用于鸢尾花识别的数学算法,识别这15株花朵的类属。 本论文分析如何通过花瓣长、花瓣宽、花萼长、花萼宽建立数学模型对测试样本进行准确分类。经过对数据的分析以及查阅资料,本题可以通过判别分析的Fisher判别模型进行计算分类,由此我们想到了利用SPSS软件对数据进行处理,最终得到Fisher线性判别函数成功地解决了对鸢尾花的分类问题。 关键词:判别分析 Fisher判别模型 SPSS软件 Fisher线性判别函数 目录 摘要 1 一、问题重述 3 二、问题分析 3 三、建立费歇尔模型 3 四、检验 7 五、测试样本的分类结果 7 六、参考文献 8 七、附录(SPSS的操作过程) 8 一、问题重述 本题是根据观测样本中刚毛、变色、弗吉尼亚的四个度量花瓣长(Pl)、花瓣宽(Pw)、花萼长(Sl)、花萼宽(Sw)对测试样本的鸢尾花进行分类。 二、问题分析 根据这个问题,我们可以按照一定的判别准则,建立一个或多个判别函数,用观测样本数据确定判别函数中的待定系数,并计算判别指标,据此可以确定测试样本中的某一样本属于何类。这类问题属于判别分析问题。 三、建立费歇尔模型 1.数据分析 在建立模型之前进行一些数据处理。包括:平均向量、协方差、先验概率、错分成本,这样费歇尔判别函数的期望错判率能达到最小化。 A.组间均值分析: H0组间均值是相等的 H1组间均值是不等的 表1 组均值的均等性的检验 Wilks 的 Lambda F df1 df2 Sig. 花瓣长 .450 25.715 2 42 .000 花萼长 .058 341.453 2 42 .000 花萼宽 .055 359.293 2 42 .000 花瓣宽 .660 10.820 2 42 .000 表1是对各类均值是否相等的检验。由表1可以看出,在0.01的显著性水平上拒绝H0的假设,即H1成立,即花萼长、花萼宽、花瓣长、花瓣宽在三组的均值是有显著性差异的。 B.协方差阵分析 H0各组协方差阵是相等的 H1各组协方差阵是不等的 表2 检验结果 箱的 M 61.126 F 近似。 2.629 df1 20 df2 6331.980 Sig. .000 对相等总体协方差矩阵的零假设进行检验 表2是对各总体协方差阵是否相等的统计检验。在0.05的显著水平下拒绝原假设,即各总体协方差阵不相等。 C.确定非标准化典型判别函数 表3 典型判别式函数系数 函数 1 2 花瓣长 -.018 -.165 花萼长 .161 .044 花萼宽 .507 .127 花瓣宽 -.301 .320 (常量) -1.991 -3.300 非标准化系数 y1=-1.991-0.018*花瓣长+0.161*花萼长+0.507*花萼宽-0.301*花瓣宽 y2=-3.300-0.165*花瓣长+0.044*花萼长+0.127*花萼宽0.320*花瓣宽 D.函数的显著性检验 表4 特征值 函数 特征值 方差的 % 累积 % 正则相关性 1 54.908a 99.6 99.6 .991 2 .243a .4 100.0 .442 a. 分析中使用了前 2 个典型判别式函数。 表5 Wilks 的 Lambda 函数检验 Wilks 的 Lambda 卡方 df Sig. 1 到 2 .014 171.764 8 .000 2 .805 8.804 3 .032 表4和表5是典型判别函数。表4反映了判别函数的特征值、解释方差的比例和典型相关系数,第一判别函数解释了99%的方差,第二判别函数解释了1%的方差,两个判别函数解释了全部的方差。表5是对两个判别函数的显著性检验。由 Wilks‘Lambda检验,两个判别函数在0.05的显著水平上拒绝原假设,认为函数是显著的。 E.对因素

文档评论(0)

2226657222 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档