基于多元统计—神经网络的教学质量评估模型

给出了基于多元统计—BP神经网络的教学质量评估模型,先采用相关分析、主成分分析对其影响因子作评价和预处理分析,然后以BP神经网络模型作预测,并在Matlab中实现.结果表明,基于多元统计—BP神经网络的教学质量评估模型,既克服了在评估过程中的主观因素,又得到了满意的评估结果,具有广泛的适用性.     

基于PCA-LVQ神经网络的教学质量评价模型研究

为了进一步提高教学质量评价准确率,提出一种基于主成分分析(PCA)和学习矢量量化神经网络(LVQ)相结合的教学质量评价模型.使用层次分析法(AHP)建立教学质量评价体系,再用主成分分析提取初始评价指标体系的特征信息,将经过降维处理后的特征信息输入到LVQ神经网络,并对网络模型进行训练和泛化能力测试.实验结果表明,与单一的LVQ和BP神经网络相比,PCA-LVQ网络模型的结构更为简化,学习能力更强,收敛速度更快,评价准确率更高且泛化能力强.     

基于核主成分KPCA的LS-SVM的算法分析

主成分分析（PCA）是一种重要的特征抽取方法,而核主成分分析（KPCA）是在此基础上结合核函数提出来的主成分分析法,在多维回归分析中具有重要的作用。最小二乘支持向量机（LS-SVM）是SVM的一种改进算法,将KPCA与LS-SVM结合起来建模,并试验说明较之单独用最小二乘支持向量机（LS-SVM）建模方法具有更良好的推广性。     

基于PCA-RF模型的冲击地压预测

为了提高冲击地压危害预测的准确性,基于主成分分析法和随机森林算法,构建了由主成分分析方法优化的随机森林模型,分析静态冲击地压数据并处理异常值,通过数据标准化处理、计算相关系数矩阵及累计方差贡献率,提取出5个主要特征.利用优化的随机森林模型训练冲击地压数据集,使模型参数不断得到优化.以混淆矩阵中的准确率作为评估指标,将优化的随机森林模型与单一随机森林模型进行比较分析.实验结果表明,优化的随机森林模型比单一随机森林模型具备更好的效果,其准确率达到了88.9%,高于单一的随机森林模型,进而得出结论,即优化的随机森林模型能有效地对冲击地压危害进行预测,通过随机森林优化模型,一定程度上有效缩减冲击地压危害预测的时间.     

基于非线性主成分分析法的SWOT战略定位模型研究

文章构建了基于非线性主成分分析法(NLCPA)的SWOT战略定位模型,实现了SWOT定性分析与非线性定量分析的有机结合,充分考虑了影响战略定位SWOT子因素间的关联性.该模型通过引入非线性主成分分析法,避免了AHP-SWOT等基于线性均值SWOT战略定位模型的缺点,提高了分析结果的科学性和可信度.运用该模型对中航工业某飞机装备有限公司战略定位的SWOT因素进行综合评估,采用得到的综合主成分的指标代替原来较多的指标,将主成分的方差贡献率作为权重,以主成分的线性加权值作为SWOT因素的综合评价结果,提高了该公司战略绩效管理定位的效度,并与基于线性均值分析法的SWOT战略定位模型应用结果进行了验证比较.     

数控机床多变量关联热误差组合模型及其实验验证

针对主要基于受综合因素影响的机床本体温度所建立的热误差模型鲁棒性较差的问题.综合考虑机床本体温度、动力源转速、冷却液温度及环境温度提出了多变量关联热误差组合模型.将最小二乘支持向量机(LS-SVM)的方法运用到热误差建模中,并利用偏最小二乘(PLS)方法提取输入变量的主成分作为LS-SVM的输入,形成PLS-LSSVM组合热误差模型.此外根据数控加工过程及材料热变形原理,将相对起始温度的差温值作为温度输入,使热误差补偿更加准确.在某型号精密加工中心进行实验验证,结果表明:PLS-LSSVM模型比LS-SVM更稳定,比PLSR预测精度高;考虑差温多变量的PLS-LSSVM模型较单纯考虑机床本体测量温度值的PLS-LSSVM~*模型,热误差预测值的均方根误差(RMSE)平均减少了5.5μm.     

应用主成分法评估教学质量

本文论述了教学质量中评估的重要性，并讨论限应用主成分法评估教学质量的方法。     

集成综合评价法的终端区管制运行效率评估

终端区管制运行效率评估中指标信息间具有差异性且量纲不统一的特点.针对传统的主成分分析法对数据做标准化处理时会消除指标间差异性的不足,基于改进的主成分分析法并结合熵值法的客观性提出了一种终端区管制运行效率的集成综合评估模型.该模型运用均值化代替标准化处理指标数据,借助SPSS23软件分别得出改进的主成分分析法和熵值法评估排序结果.将两种评估结果通过一致性检验得到最终的终端区管制运行效率集成综合评估值及排序结果.算例结果表明,所建立的评估模型可以更高效的评估终端区管制运行效率.     

基于黎曼度量的最小二乘支持向量机模型选择

针对最小二乘支持向量机(LS-SVM)模型选择效果不稳定、易于过学习的问题,提出了一种基于黎曼度量的模型选择方法.首先,基于信息几何理论,证明了LS-SVM模型泛化能力受样本点二阶协变张量的影响;其次,进一步证明了同时最小化所有样本点的黎曼度量之和与权重向量的L2范数即可提高模型泛化能力;在此基础上,将LS-SVM模型选择转换为一个多目标优化问题,引入多目标粒子群算法选取最优超参数.采用仿真与真实UCI数据集对所提方法进行了对比实验,结果表明,与传统LS-SVM与基于留一法模型选择的LS-SVM相比,所提方法可以取得更小的泛化误差,同时数值稳定性更好.     

基于主成分分析的教师教学质量综合评价

针对目前高校教学质量测评指标多、工作量大这一问题给出了基于主成分分析的综合评价方法。首先经过矩阵变换、降低维数以提取评价指标的主要特征,然后利用主成分分析理论建立了教学质量综合评价模型,并利用统计分析软件SPSS实现了模型的求解。最后通过实例分析表明,在有用信息损失较小的前提下,应用该方法能够提炼评价信息而不影响分析结果。     

基于GIS和RS技术的高等级公路边坡护坡植被适应性的研究

以涿廊高速公路为例,在GIS的支持下,以2008年Landsat ETM遥感数据和ASTER GDEM为主要数据源,结合气象数据和调查数据,基于主成份分析和层次分析法构建高等级公路边坡植被适应性评价模型进行分析与评价,并根据综合评价结果对研究区的植被适应性进行统计分类。在此基础上,在空间分布上对结果进行定量化分析。结果表明：适应性良好的区域、基本适应区域和基本不适宜用区域所占的比例分别为：49．27％,30．37％和20．35％。在较大尺度范围内,利用GIS和RS技术、基于主成份分析和层次分析法对高等级公路边坡护坡植被适应性的评价是可行的。     

基于张量子空间的三维模型特征提取及检索方法

为提高三维模型的检索效率, 针对三维模型特征提取方法进行了研究, 在多线性主成分分析(MPCA:Multi-Linear Principal Component Analysis)的基础上, 提出了一种加权多线性主成分分析(WMPCA: Weighted Multi-Linear Principal Component Analysis)方法, 并将其应用于三维模型特征提取中。 该方法首先将三维模型转化为多角度的二维投影图像, 然后从多方向上通过张量进行特征提取, 最后将提取到的特征应用到三维模型检索中。 对 Princeton Shape Benchmark 的实验表明, 该特征提取方法比经典的形状分布方法平均检索效率提高7%, 比传统的 MPCA 特征提取方法的平均检索效率提高 3%。     

基于OPCA-IGAFNN的NQI综合服务 信息平台服务质量评价

针对传统模糊神经网络（FNN）评价模型在国家质量基础设施（NQI）综合服务信息 平台的服务质量评价中存在收敛速度慢、易陷入局部最优解等问题,提出一种基于优化主成 分分析法（OPCA）与改进遗传算法（IGA）的模糊神经网络智能评价方法. 为提高FNN的网络收 敛速度,利用OPCA根据评价指标间的相关性,删除冗余指标因素,减少网络输入量,实现对网 络输入的降维处理;将 IGA与 FNN相结合,利用自适应的交叉与变异概率对 FNN隶属函数的 系数进行全局搜索,克服 FNN在智能评价时容易陷入局部极值问题 . 基于我国实际的 NQI综 合服务信息平台服务质量调研数据开展试验分析,结果表明,OPCA-IGAFNN评价模型具有高 效、准确的评价效果.     

基于网络的教学质量评价模式的探索研究

教学质量的评价是学校对教学监控的手段之一,是教学评价过程中的一个重要环节．本文对教学质量网络评价模式与传统的以问卷为主的教学质量评价模式相比较,对基于网络的教学质量评价模式的方法、优势以及推行的意义和价值进行了探索研究．     

基于灰色熵权聚类的实训教学质量评价模型研究

文章以PDCA质量改进模型为基础,构建了实训教学评价指标体系;依据灰色熵权聚类理论,建立了实训教学质量评价模型。实证研究表明,基于灰色熵权聚类的实训教学质量评价模型,权重结果客观,评价效果良好,可有效衡量实训教师的综合教学水平,对提升教师实训教学能力有促进作用,对完善高校实训教学体系有参考价值。     

果酒品质评价的自适应量子粒子群LS-SVM模型

针对BP神经网络和遗传算法对果酒品质预测存在速度慢和精度低的缺点,建立了一种基于量子行为粒子群算法(QPSO)的最小二乘支持向量机(LS-SVM)的果酒品质预测模型。模型通过引入粒子的进化度和聚合度,动态调整收缩扩张因子,从而实现了算法的动态自适应性。仿真结果表明:基于自适应量子粒子群的LS-SVM果酒品质评价预测模型优于所比较的BP神经网络和最小二乘支持向量机两种模型,具有较好的泛化性能和预测精度。     

基于PCA＋2DPCA的人脸识别方法分析

阐述了基于主成分分析（Principal Component Analysis,PCA）和二维主成分分析（2DPCA）的人脸识别方法,分析了该方法在矩阵理论中的来源和算法,提出了PCA＋2DPCA分析方法,并采用2DPCA求出特征向量,PCA进行最优压缩,从而降低了维数.     

基于结构方程模型的区域旅游产业竞争力评价

关于区域旅游产业竞争力的评价方法主要有层次分析法、数据包络分析、主成份分析、模糊聚类分析等,而将结构方程模型应用于区域旅游产业竞争力的评价还很少见．这里基于结构方程模型下的区域旅游产业竞争力“五因素模型”的实证研究结果,构建了区域旅游产业竞争力定量评价模型,并通过案例说明该评价模型的使用方法．模型不但能对区域的旅游产业竞争力进行定量的评价,而且为提升区域旅游产业竞争力提供理论依据．     

基于Labview和PCA分析方法的电子鼻设计

为解决电子鼻在食物品质评价中的应用问题, 设计了基于金属氧化物半导体型气体传感器阵列和\{Labview\}虚拟仪器的电子鼻系统。该系统通过对不同样品进行信号采集建立气味数据库, 信号采集系统由STM32微控制器和24位模数转换器AD7794构成, 采集的信号通过串口被传输到PC(Personal Computer), PC接收数据后, 使用在Labview平台下搭建的上位机软件, 通过内嵌的Matlab脚本对数据进行整理, 最终利用PCA(Principal Component Analysis)对数据进行分析, 获取气味指纹。该系统通过对5种不同种类食用酱的挥发气体进行检测, 建立气味数据库, 进而实现对未知酱品的检测,最终实现了对不同种类的食用酱准确区分的方法。     

基于主成分分析的安徽省区域产业结构优化效率评价

通过运用主成分分析法,对安徽省2007~2012年产业结构调整和产业结构优化效率进行实证分析.首先,建立安徽省区域内产业结构调整的综合评价体系.其次,利用主成分分析模型研究安徽省内产业结构调整中,省内不同城市和地区在经济结构调整、技术进步、生态污染等不同角度所产生的综合效果,并据此对安徽省内不同城市的产业结构优化效率进行综合评价.最终提出相应的解决方案.