基于主成分分析的管理学核心期刊评价研究

针对我国目前科技期刊评价中存在的学科划分不够严谨、指标权重人为选取等问题,以管理学核心期刊为研究对象,提出了基于主成分分析的期刊评价方法,对CNKI文献数据库中19种管理学核心期刊进行了分析和评价,给出期刊排名,并与影响因子及总被引频次的评价结果进行对比,表明了主成分分析方法的可靠性和客观性。     

分块主成分分析在文本特征抽取中的应用

为了降低原始文本特征空间的维数,获得较高的分类精度与执行效率,对多种文本特征提取方法进行了研究,如卡方、互信息、信息增益、主成分分析(PCA)等。针对传统文本特征抽取方法存在的精度不高、执行效率低等问题,提出了一种基于分块主成分分析的文本特征提取算法。该算法通过K-均值词聚类进行特征词分块,再对各分块实施PCA操作抽取出更具代表性的特征项,最后使用支持向量机分类器对文本进行分类。实验结果表明:分块主成分分析的分类指标F_(β=1)达到了88.7%,执行时间为353 s,能够有效提高文本分类精度与执行效率。     

循环作用对马蹄寺石窟群岩体性能的影响

马蹄寺石窟群地处河西走廊中部,气候条件十分恶劣。由于常年受到温度、湿度、酸碱盐等作用的影响,石窟岩体性能出现了不同程度的劣化现象。通过开展室内模拟试验,研究以上多种恶劣环境的循环作用对于岩体抗压强度、波速、质量的影响规律,同时使用X射线衍射仪(X-ray diffraction,XRD)、X射线荧光光谱(X-ray fluorescence,XRF)和扫描电子显微镜(scanning electron microscope,SEM)对循环作用过程中样品的矿物组分、元素含量和微观形貌进行分析研究。研究结果表明,循环作用使样品中的长石类矿物和方解石含量降低,黏土类矿物含量增加,胶结程度下降,孔隙逐渐发展成为横向微裂隙,导致样品的性能出现不同程度的劣化现象。循环作用对岩体性能的影响程度从大到小依次为冻融循环、耐盐循环、耐碱循环、耐酸循环和温湿循环。     

钢瓶供给氢气和空气的气相色谱法测定室内环境中的苯和TVOC

室内挥发性有机化合物(VOC)中的苯是强致癌、致残、致畸性的有毒污染物。为保证人体健康,住建部对室内环境中的苯和TVOC有严格的标准限量。采用热解析直接进样的气相色谱法分别测定,但两个测定苯的方法结果可比性差。按"规范"的定义,采用Tenax-TA管采样,250℃下热解析、优化色谱仪的测定条件,建立了测定苯和TVOC的气相色谱法。新方法操作简便,费用低,结果重现性好,更合理准确。     

高温大曲中一株产香细菌的筛选及香气成分分析

该研究旨在从高温大曲中筛选得到产酱香风味的细菌菌株,用于高温大曲的增香提质。以仁怀地区酱香大曲为原料,采用嗅闻法筛选获得1株产香细菌XJ-12,通过菌株形态、生理生化特性,结合16SrRNA序列分析,鉴定该菌株为地衣芽孢杆菌(Bacillus licheniformis)。对细菌XJ-12进行耐受性测试,发现XJ-12生长较为迅速,18 h左右进入稳定期,能在55℃下生长,pH值为3.5时出现抑制,耐受8%的乙醇、17%的NaCl和25%的初始糖度。通过顶空固相微萃取-气质联用分析,检出固态发酵挥发性风味物质39种,主要有2,3,5,6-四甲基吡嗪、乙偶姻、苯乙醇、苯酚、苯乙酸乙酯等。结果表明细菌XJ-12有较好的耐受性,并能产生多种香气成分。     

基于正交局部慢性特征的故障检测方法

为提高化工行业中数据驱动故障检测的效果,该文针对实际工业系统中闭环控制导致的过程动态特性和数据流形中蕴含的局部信息,提出了一种基于局部时空正则慢特征提取(local time-space regularized slow feature extraction, LTSS)的方法进行故障检测。首先,构造基于局部时空正则的目标函数得到投影矩阵,进而得到预提取特征S,则S张成的空间中包含了静态信息,而S的一阶差分张成的空间中包含了动态信息。其次,基于独立成分分析(independent components analysis, ICA)方法,分别为2个空间构建对应的S~2和SPE统计量进行监控,用于实时故障检测。在TE (Tennessee Eastman)过程上的案例研究可以证明所提方法的有效性。     

对数变换主成分分析的图像识别

为了进一步提升现有鲁棒主成分分析(PCA)算法处理含有异常样本数据的性能,提出了对数变换的PCA算法。为降低异常样本对目标函数值的影响,根据对数函数的性质建立了对数变换PCA算法的目标函数,证明了所提目标函数值小于标准PCA算法的。之后,给出了求解所提目标函数的一种优化算法,即为所提算法。通过迭代计算对角矩阵和进行特征值分解进行优化,证明了所提算法可以近似收敛于所提目标函数的最优解。分析证明了所提算法具有旋转不变性。为了更好地比较各算法处理异常样本数据的能力,使用AR数据库中的原样本作为异常样本,在其他数据库中人为添加了异常样本。与标准PCA算法、鲁棒PCA算法、包括贪婪求解的基于l1范数的PCA算法、非贪婪求解的基于l1范数的PCA算法、基于l2,p范数的PCA算法和基于最大相关熵的PCA算法在AR、Extended Yale B、CMU PIE这3个人脸数据库和MNIST这1个手写字符数据库进行了实验对比,结果表明:所提算法均得到了最低的重构误差和最高的识别精度;所提算法具有良好的收敛性能,一般迭代5到6次即可收敛。