投影寻踪模型中投影指标的改进

针对文本分类问题及投影寻踪降维的特点,对投影寻踪模型中投影指标进行改进,给出了新的投影指标.对不同的投影指标进行相应的对比实验,实验结果表明:改进的指标不仅充分利用投影寻踪降到超低维的特点,而且对文本分类的性能有了较大地提高.     

免疫进化的投影寻踪模型在文本分类中的应用

投影寻踪是通过寻找最能反映原高维数据的结构或特征的投影方向,把高维数据投影到低维子空间上,从而实现在低维空间上研究分析高维数据的目的.针对文本分类中维数灾难问题,采用投影寻踪模型,将高维的文本数据降到超低维.投影寻踪的关键是构造能够找到最佳投影方向的有效算法,本文根据免疫进化的思想提出了免疫进化的投影寻踪模型,该模型能...     

基于K-Means动态聚类的投影寻踪分类模型

投影寻踪分类模型作为一种多因素影响问题的综合评价方法,已经被研究者广泛应用在各个领域并取得了良好的效果.然而模型本身还存在密度窗宽不确定以及模型无分类规则等尚需解决的问题.针对这些问题,提出一个基于K-Means动态分类的投影寻踪分类模型,定义了一个新的投影指标.实证分析说明了该模型的可靠性和可操作性.     

高光谱遥感波段选择的非线性投影寻踪方法

针对高光谱遥感波段选择问题，提出了一种非线性投影寻踪指标，构造了投影寻踪迭代算法．对植被高光谱遥感图像的实验分析表明，该方法所选出的三个特征波段基本上相当于三个主成分方向所包含的信息量，特别是提高了易混类别的分类精度．     

一种基于PSO的投影寻踪聚类算法

文章提出一种基于粒子群方法的投影寻踪聚类算法.该算法利用粒子群算法的全局寻优能力搜索投影方向,以及利用投影寻踪算法将高维数据投影到低维,从而能有效地揭示多因素复杂数据的线性和非线性结构的特点,得到较直观的聚类模式.通过两个实例,验证了算法的可行性和有效性.     

基于MapReduce的粒子群投影寻踪模型的设计与实现

利用MapReduce模式设计并实现了粒子群投影寻踪算法的并行化,以提高算法的效率.在分类阶段使用了基于MapReduce的KNN分类算法并行,实验结果表明:基于MapReduce实现的粒子群投影寻踪模型能够有效地寻找到较好的投影方向,确保分类效果;并且与其串行算法相比,在实现效率上有较大的提高.     

基于加速遗传算法的投影寻踪评价模型在边坡稳定性评价中的应用

文章针对边坡稳定性评价的多因素问题,建立了基于加速遗传算法的投影寻踪评价模型,并给出了相应的算法和步骤.用加速遗传算法进行投影寻踪方法建模,可以优化投影寻踪方法的计算过程;实例表明该评价模型是有效可行的和通用的,可以应用于其他评价问题.     

超晶格中BOSON-FERMION耦合效应与非绝热效应竞争的计算机投影寻踪回归模拟分析

对准一维Ⅶ-Ⅷ族变价化合物低温畸变超晶格，采用计算机投影寻踪回归模拟技术，对由位 移变换和ＨＦ平均场近似方法得到的多维序参量积分方程组，进行投影寻踪回归模拟，得到了系统的超晶格 －正常态转变相图和序参量变化关系．     

基于免疫算法优化的投影寻踪水质评价模型

以地下水各聚类指标水质级别国家标准值为评价标准，建立投影寻踪技术模型，将评价模型运用于韩城矿区桑树坪煤矿水环境质量现状评价中，并与其它方法的结果进行比较．实例应用表明：投影寻踪技术用于水环境质量评价具有较好的客观性和实用性，亦可用于其它环境质量的综合评价．     

基于投影寻踪回归文本自动分类的模型

文本被表示为向量空间模型后,是维数非常高的数据,对其进行维数约简是必要的.投影寻踪正是一种稳健的、非参数化的维数约简方法.提出了一种基于投影寻踪回归的文本自动分类模型.应用该模型,可以真实地描述高维数据的客观内在规律,从而达到提高文本分类精度的目的,岭函数拟合函数的合理选择是提高分类精度的关键,故对拟合函数的选取做了初步的研究.采用标准文档集Reuters-21578进行了分类实验,同时在相同的预处理条件下,与目前常用的方法进行了对比实验.实验结果表明,该模型对文本自动分类具有较高的召回率和准确率.     

不同灌溉方式下水稻产量构成因素投影寻踪评价方法

为寻找出对水稻产量具有突出贡献的因子,采用投影寻踪技术,选择产量构成因素作为评价指标,提出了水稻产量构成因素投影寻踪评价方法,并用该方法对黑龙江6个试验站2004~2006年试验数据进行了分析.分析结果表明,常规灌溉条件下对水稻产量影响较大的产量构成因素是穗粒数和结实率,控制灌溉条件下则为穗粒数和单位面积成穗数.     

Approach to Weighted Geometric Evaluation Based on Projection Pursuit

Weighted geometric evaluation approach based on Projection pursuit （PP） model is presented in this paper to optimize the choice of schemes. By using PP model, the multi-dimension evaluation index values of schemes can be synthesized into projection value with one dimension. The scheme with a bigger projection value is much better, so the schemes sample can be an optimized choice according to the projection value of each scheme. The modeling of PP based on accelerating genetic algorithm can predigest the realized process of projection pursuit technique, can overcome the shortcomings of large computation amount and the difficulty of computer programming in traditional projection pursuit methods, and can give a new method for application of projection pursuit technique to optimize choice of schemes by using weighted geometric evaluation. The analysis of an applied sample shows that applying PP model driven directly by samples data to optimize choice of schemes is both simple and feasible, that its projection values are relatively decentralized and profit decision-making, that its applicability and maneuverability are high. It can avoid the shortcoming of subjective weighing method, and its results are scientific and objective.     

用FCM聚类和非参数回归方法推断基因调控网络

采用FCM方法对基因表达的微阵列数据进行聚类分析,应用核回归和PP回归相结合的方法设计预报器,利用决定系数遴选父代基因集合.将这种新的组合设计方法的分析结果与相关文献的结果进行对比分析,得出了较好的推断结果;可以将这种组合方法运用于致病基因簇的搜寻.     

On Grey Relation Projection Model Based On Projection Pursuit

Multidimensional grey relation projection value can be synthesized as one-dimensional projection value by using projection pursuit model. The larger the projection value is, the better the model. Thus, according to the projection value, the best one can be chosen from the model aggregation. Because projection pursuit modeling based on accelerating genetic algorithm can simplify the implementation procedure of the projection pursuit technique and overcome its complex calculation as well as the difficulty in implementing its program, a new method can be obtained for choosing the best grey relation projection model based on the projection pursuit technique.     

基于投影寻踪的组合评价方法研究

以理想解法和灰色关联度分析法为基础进行组合,得到的组合评价方法能够提高评价结果的有效性。在该组合评价方法的研究中,常规的作法是对指标组合权重的运用主观赋值法,组合的偏好系数、灰色关联度的分辨系数采取人为赋值法,没能充分挖掘组合评价方法的优势。针对此问题,提出用投影寻踪法构建处理组合评价法的优化模型,运用实码加速遗传算法处理该非线性优化问题,所得的指标权重为客观权重,同时得到确定组合评价法组合偏好系数和灰色关联度分辨系数的新方法。实例表明,基于投影寻踪的组合评价方法具有科学性和客观性。     

基于KCCA的特征匹配方法

特征匹配问题是计算机视觉和模式识别中一个关键步骤,在很多领域都有着重要的应用。借助核典型相关分析思想,提出了一种基于空间相关性的特征匹配方法,该方法通过核典型相关分析,将特征点集投影到核空间中,并将投影向量作为匹配特征,根据投影向量之间的相似性进行匹配。仿真实验结果表明,该算法优于基于谱分解的特征匹配算法,在图像含有噪声和存在结构误差的情况下,算法具有较高的匹配率。     

数控机床质量投影寻踪综合评价方法

针对数控机床质量评价指标多维性问题,提出了基于投影寻踪(projection pursuit,PP)模型的综合评价方法。引入正弦余弦算法(sine cosine algorithm,SCA)计算数控机床质量评价指标的客观权重,结合专家经验利用层次分析法(analytic hierarchy process,AHP)得到各指标的主观权重,基于最小信息熵原理将客观权重与主观权重相结合得到数控机床质量评价指标的组合权重,最后由投影寻踪投影值算法得出综合评价值。实例研究表明该方法可行。     

基于投影寻踪模型的企业核心竞争力理论研究

企业发展过程中其内在的实力对企业的持续发展起到非常重要的作用,关于企业竞争力的研究近年来多趋向于核心竞争力的研究,针对核心竞争力的定义、特点以及在企业中的实际表现,根据量化分析以及企业核心竞争力的特点引入量化分析工具——投影寻踪模型,根据投影寻踪模型的处理数据和处理结果,在理论上将投影寻踪模型与企业核心竞争力相结合,系统的构建出企业核心竞争力的切合实际应用的量化分析体系。     

基于循环矩阵投影的Nyström扩展

不同于采样矩阵近似方法,设计了一种基于随机循环矩阵投影来实现矩阵的近似。首先,利用随机采样得到一个初始矩阵的近似轮廓,然后构造循环嵌入矩阵,将该循环矩阵作为投影矩阵,从而将输入数据空间的初始轮廓嵌入到一个低维的特征子空间上,最后在特征子空间上进行奇异值分解,从而扩展了传统的Nyström方法。与其他典型的矩阵近似方法相比,所设计的Nyström方法具有时间复杂度低、重构精度高的优点。最后通过实验证实了所设计的循环矩阵投影方法的有效性,可以实现对传统Nyström方法的有效扩展。     

基于连接函数的投影寻踪主成分分析

基于连接函数的相依度量,提出了一种探索连续型随机向量之间相关关系的方法．通过连接函数构造的投影指标函数可以给出高维随机向量的投影寻踪主成分分析,并且可以证明这样得到的最优样本投影方向具有强相合性．此外,又给出了两个以上随机向量之间的典型相关分析．结果表明所提出的方法具有优良的理论性和实用前景．