距离判别分析程序设计流程图.docVIP

流程图 距离判别分析程序设计流程图（1） 开始 开始 按提示输入各经验样本数据 由样本数据进行相关计算 由样本数据估计各总体参数 由输入判断总体个数 是否等于2 是 否 两总体距离判别分析 多总体距离判别分析 结束 流程图（1） 说明：对于两总体距离判别和多总体距离判别的详细流程请见下页——流程图（2） 流程图（2）——两总体距离判别和多总体距离判别的详细流程 距离判别分析 距离判别分析 两总体距离判别分析 多总体距离判别分析 正态异协方差阵情形 正态同协方差阵情形 正态异协方差阵情形 分别计算样品到两总体的马氏距离 计算判别函数系数及常数项 据相应判别规则代入判别 输出相应判别结果果 分别计算样品到各总体的马氏距离 据规则，则判别 结束 是 否 流程图（2） 费希尔（Fisher）判别分析程序设计流程图（1） 开始 开始 按要求输入经验样本数据据 调用函数计算各样本均值与总离差阵 计算组内离差阵B 进行统计检验 接受 ？ 否 是 判别无意义 进行Fisher判别分析 结束 输入方法具体请见程序使用说明 由样本数据进行相关计算 由样本数据估计各总体参数 判别前的准备工作（为下面输出调用做准备） 是 否 判断总体 参数是否 已知 检验总体或样本的均值是否有显著性差异 流程图（1） 说明：统计检验与Fisher判别分析两部分的详细流程图分别见下面流程图（2）、（3） 流程图（2）——统计检验部分详细流程图 F检验统计量： F检验统计量： 两总体之间的马氏距离： 结束 Wilks检验统计量： 显著 不显著 统 计 检 验 近似服从 检验假设： 检验假设： 各总体均值差异的显著性？ 给定显著水平 判别无意义 各总体两两均值差异是否显著 显著水平 是 否 合并总体 Fisher判别分析：建立判别函数 流程图（2） 流程图（3）——Fisher判别分析部分详细流程图 开始 开始 计算离差阵的逆阵与B的乘积 计算上述乘积矩阵的最大特征值及其对应特征向量 确定第一判别函数系数系数 判别方法一：加权重排法 判别方法二：最小马氏距离法 输出判别结果 结束 Fisher判别分析 数据准备 判X属于新i类，判X属于新i+1类 则判断 另取判别函数： 计算样品到各总体的马氏距离 流程图（3） 贝叶斯（Bayes）判别分析程序设计流程图——（1） 开始 开始 按要求输入经验样本数据据 调用函数计算各样本均值与总离差阵 计算组内离差阵B 进行统计检验 否 是 判别无意义 进行Bayes判别分析 结束 输入方法具体请见程序使用说明 由样本数据进行相关计算 由样本数据估计各总体参数 判别前的准备工作（为下面输出调用做准备） 是 否 判断总体 参数是否 已知 检验各总体的均值是否具有显著性差异 流程图（1） 说明：统计检验与Bayes判别分析两部分的详细流程图分别见下面流程图（2）、（3）。 流程图（2）——统计检验部分详细流程 F检验统计量： F检验统计量： 两总体之间的马氏距离： 结束 Wilks检验统计量： 显著 不显著 统 计 检 验 近似服从 检验假设： 检验假设： 各总体均值差异的显著性？ 给定显著水平 判别无意义 各总体两两均值差异是否显著 显著水平 是 否 合并总体 Bayes判别分析：建立判别函数 流程图（2） 流程图（3）——Bayes判别分析部分详细流程图 开始 开始 计算离差阵与组内离差阵B的和 求与马氏距离有关的矩阵C 确定判别函数系数及常数项 输出判别结果 结束 Bayes判别分析 数据准备 判别规则 若 当X落入，则 样品归类 直观化 流程图（3） 逐步判别分析程序设计流程图 开始 开始 输入数据表 计算组内离差矩阵Lxx 计算总的离差矩阵W Y N 找出最小 入选 原分类无意义 对Lxx，W做紧凑变换 得Lxx1，W1 找出最小 Y Y 入选 只应有一个变量 N 比较和 选出最大的，并计算相关的F Y 都保留 N 剔除比较时较大的变量 对矩阵继续进行紧凑变换 重复以上步骤，直到五变量剔除为止 计算最后结果： 聚类分析程序设计流程图