数学建模识别方法及其应用-讲座.docVIP

统计聚类分析 多元统计的基本概念 随机向量： 总体，样本，观测值。。。 分布函数： 离散型， 连续型，密度函数 数字特征： 期 望 方 差 协方差矩阵 自协方差阵 相关矩阵 统计距离 欧氏距离 点与总体的欧氏距离 缺点：距离的大小与度量有关 两点之间的马氏距离 点与总体的马氏距离 优点：距离的大小与变换无关 距离 的公里体系 特殊情形：欧洲各国文字的相似程度 距离定义：两种语言10个数量词的第一个字母不相同的个数。 距离判别—聚类分析 两总体和的情形， 是一个样本 若 ， 若 ， 若 ，无法确定 一般可用判别函数： 马氏距离： 注意： 表示期望 表示协方差矩阵 正态分布，假设检验 多总体的情形 判别函数： 判别准则：是否属于第个样本 贝叶斯判别---总体的情形 个总体的密度函数为 个总体的先验分布为 样本误判为的损失为 损失概率为 平均损失为 目的：最小， 确定划分 判别：若落入， 则， 费歇判别---总体的情形 思想：选取投影向量.同一类别尽量聚拢, 不同类别尽量分开。 来源：多元方差分析，将数据投影到一个方向向量， 投影数据的组间距离、投影数据的组内距离， 对应矩阵和 目的：组间平方和《==》 尽量大 组内平方和《==》 尽量小 达到最大值为方程的最大特征值 特征值对应特征向量 注意：若不能很好判断，可继续选取对应特征向量 数学模型竞赛题解 MCM 1989问题A??蠓虫分类 表4-4 Af 类触角和翅膀长度 x 1.24 1.36 1.38 1.38 1.38 1.40 1.48 1.54 1.56 y 1.27 1.74 1.64 1.82 1.90 1.70 1.82 1.82 2.08 表4-5 Apf 类触角和翅膀长度数据 x 1.14 1.18 1.20 1.26 1.28 1.30 y 1.78 1.96 1.86 2.00 2.00 1.96 现需要解决三个问题: 根据原始资料15 对数据,被称之为学习样本)制定一种方法,区分两类蠓虫; 依据确立的方法,对题目提供的三个样本：(1.24,1.80)，(1.28,1.84)，(1.40,2.04)加以识别; 设Af是宝贵的传粉益虫,Apf是某种疾病的载体,是否应该修改分类方法。 问题的转化： 两类蠓虫(Af与Apf)《==》 平面两个点集合（样本点） 改进：更加细致的分类 2000 A题　DNA序列分类 2000年6月,人类基因组计划中DNA全序列草图完成,预计2001年可以完成精确的全序列图,此后人类将拥有一本记录着自身生老病死及遗传进化的全部信息的“天书”。这本大自然写成的“天书”是由4个字符A、T、C、G按一定顺序排成的长约30亿的序列,其中没有“断句”也没有标点符号,除了这4个字符表示4种碱基以外,人们对它包含的“内容”知之甚少,难以读懂。破译这部世界上最巨量信息的“天书”是二十一世纪最重要的任务之一。在这个目标中。研究DNA全序列具有什么结构,由这4个字符排成的看似随机的序列中隐藏着什么规律,又是解读这部天书的基础,是生物信息学(Bioinformatics)最重要的课题之一。虽然人类对这部“天书”知之甚少,但也发现了DNA序列中的一些规律性和结构。例如,在全序列中有一些是用于编码蛋白质的序列片段,即由这4个字符组成的64种不同的3字符串,其中大多数用于编码构成蛋白质的20种氨基酸。又例如,在不用于编码蛋白质的序列片段中,A和T的含量特别多,于是以某些碱基特别丰富作为特征去研究DNA序列的结构也取得了一些结果。此外,利用统计的方法还发现序列的某些片段之间具有相关性,等等。这些发现让人们相信,DNA序列中存在着局部的和全局性的结构,充分发掘序列的结构对理解DNA全序列是十分有意义的。目前在这项研究中最普通的思想是省略序列的某些细节,突出特征,然后将其表示成适当的数学对象