基于主成分分析和聚类分析的烤烟质量评价模型构建

为了建立更为科学、客观的烟叶质量评价方法,采用外观质量评价与常规化学成分评价相结合的方法,研究8个外观质量指标和8个化学成分指标,建立了基于主成分分析和聚类分析的Fisher判别函数的烟叶质量评价模型,并对河南省平顶山市42个烟叶样品进行了分类。采用主成分分析方法共提取了6个主成分,并对各个样品6个主成分得分进行聚类分析,同时根据6个主成分得分和聚类分析结果进行判别分析,对比Fisher判别函数和聚类分析的结果,两者有较好的一致性。因此,可以利用这个烟叶评价模型对烟叶进行质量评价。这使得烟叶质量评价方法更加客观,也开辟了烟叶质量评价的新途径。表5,参16。     

一种基于主成分分析的评标方法

招投标广泛应用于建筑市场,通常采用的投标方法除具有主观性外,还忽略了评标指标之间的相关性.针对这一问题,该文提出了一种基于主成分分析的评标方法.     

基于核函数的主成分分析及应用

给出一种采用核函数的主成分分析方法，它为解决大规模非线性数据的特征提取问题提供一条可行的途径。     

一种鲁棒主成分分析(PCA)算法

主要研究了改善主成分分析（ＰＣＡ）算法鲁棒性的一种实现途径,以提高ＰＣＡ的精度。讨论了ＰＣＡ鲁棒性问题的两种提法。修正ＰＣＡ算法能够在运行过程中自动地识别样本集之中的“劣点”,从而通过迭代计算加以适当处理来排除对运算精度的影响。对比仿真实验结果表明,鲁棒ＰＣＡ算法较之传统的基于特征值分解的ＰＣＡ算法在鲁棒性上有了较大的改善。     

基于改进主成分分析方法的复杂环境系统质量评价模型

针对多元统计中主成分分析方法在复杂环境系统质量综合评价应用中的局限性,在对传统方法进行一系列改进的基础上,建立了主、客观指标赋权方法优点相结合的环境质量综合评价分层构权PCA模型,并基于该模型方法给出47个中国国家环境保护重点城市的污染与环保现状的评价实例.实证分析的结果表明这是一种适合于复杂系统环境质量综合定量评价、稳定性较好且切实有效的方法模型.     

我国蔬菜总产的主成分回归模型的构建及预测

运用主成分分析法把影响我国蔬菜总产的13个因素简化成几个综合的因素，并建立了蔬菜总产的主成分回归模型，为我国蔬菜总产的预测建立了一个简单而又有效的数学模型。表5，参5。     

基于主成分分析和组合神经网络的短时交通流预测方法

提出一种将主成分分析和组合神经网络相结合的方法来预测短时交通流量.将预测路段历史流量及其相关路段的历史流量进行主成分分析,分析结果作为组合神经网络的输入数据,这样不仅减少了输入变量个数,减小网络规模,而且保留了原始变量的主要信息,消除变量之间的相关性.给出了一个说明该方法有效性的例子,用同一组数据比较该方法与典型BP网络的预测效果,结果表明该方法明显优于BP网络.     

基于概率主成分分析表观模型的视觉跟踪

在粒子滤波框架下,提出了一种基于概率主成分分析（probabilistic principal component analysis, PPCA）表观模型的视觉跟踪算法。该算法采用在线学习的PPCA表观模型获得目标的子空间描述,并引入遗忘因子增加最近的观测在模型中的权重,使得新算法对场景光照变化和目标表观变化的适应能力大为增强。同时考虑到遮挡发生的空间邻近关系,提出对目标区域进行分块处理,以提高算法在目标遮挡情况下的鲁棒性。真实场景下的实验结果表明,该算法在目标位姿变化、光照变化以及遮挡情况下具有更强的稳健性。     

基于主成分分析的置信规则库结构学习方法

为了解决前提属性过多时置信规则库规模的组合爆炸问题,提出了基于主成分分析的置信规则库结构学习方法. 首先将前提属性转化为新的空间中的若干个主成分,再利用载荷矩阵反推出对于各主成分贡献较大的关键前提属性. 以某装甲装备体系综合能力评估作为示例分析,对比研究了在单方案和多方案条件下结构学习方法与RIMER方法,验证了本文提出的结构学习方法的有效性. 示例分析结果显示本文提出的结构学习方法可大幅约减置信规则库的规模,与RIMER 方法的计算结果一致,并且具有较强的鲁棒性.     

基于主成分线性加权综合评价的信用评分方法及应用

基于我国商业银行现有的信用卡评分标准和信用评分方法，提出一种基于主成分线性加权的综合评价的信用评分方法。其优点在于能够实现指标项权重的客观性、能方便地适应我国不同地区由于经济文化的差别而带来的信用环境不同以及一个地区由于人口漂移快而带来的评分变化。实证检验表明模型训练结果符合信用卡风险管理实际，测试结果显示有较好的应用前景，与现有银行评分标准对比的研究表明，本文的方法具有明显优势。     

简约指标体系下的区域创新能力评价——基于主基底变量筛选和主成分分析方法

在设计区域创新能力评价初始指标体系的基础上,采用基于主基底分析的变量筛选方法对初始指标体系进行变量筛选,构建了区域创新能力评价体系的简约变量集合,在保证原始变量信息损失尽可能小的前提下,排除所有的冗余信息,避免了变量之间的多重相关性;再利用主成分分析对简约变量集合进行二次降维,构建综合评价模型,对我国30个地区的创新能力进行排序及分析评价,得到了较好的评价结果。     

宏观物流成本评价指标分析

在相关统计数据的基础上,论证了以铁路、公路和水路货物运输业来衡量中国物流业发展水平的合理性;采用主成分分析法,分析宏观物流成本评价指标--社会物流总费用与GDP的比例与各影响因素之间的关系,得到该指标受经济结构影响显著,不能充分反映实际的物流业发展水平的结论;在此基础上,提出新的评价指标--社会物流总费用与社会物流总额的比例,分析结果表明,该指标受经济结构影响小于其它因素,更能直接反应物流业发展水平,可以作为不同经济结构情形下宏观物流成本评价指标.     

基于独立成分分析和模糊支持向量机的人脸识别方法

成分分析(PCA)只能从2阶上去消除数据的相关性，传统支持向量机在解决多类问题时会出现分类的盲区问题，针对这两种情况，首先采用独立成分分析(ICA)方法解决了高阶上的数据相关性问题；同时在传统支持向量机中引入模糊隶属度函数，用模糊支持向量机解决了传统支持向量机在多类数据识别中的盲区问题。通过实验证明了该方法在人脸识别率上取得了显著提高。     

基于主成分分析和归一化RBF神经网络优化的财务综合评价

提出基于主成分分析和归一化RBF神经网络优化相结合的财务综合评价方法,克服传统神经网络财务分析中的评价指标偏少、存在局部极小等不足,为公司财务评价提供新的思路和方法,并利用神经网络模型对我国钢铁业上市公司2007年财务状况进行仿真实验,为分析者决策提供准确、可靠的参考依据。     

基于多元统计和AHP的青藏高原牧区可持续发展评价模型与应用

通过综合运用主成分分析和层次分析方法,建立系统综合评价的AHP变量加权主成分分析模型.在构建青藏高原牧区可持续发展评价指标体系的基础上,基于该模型方法对青海省内的30个牧区县给出发展现状的评价实例.最后,讨论了模型方法使用中的若干改进方法思路,以提高评价稳定性和效果.     

基于主基底分析的两阶段变量筛选方法

在实际系统分析及建模中,人们往往需要保留一些特别重要的分析变量。本文改进了基于主基底的变量筛选方法,分两个阶段来筛选系统分析所需变量。用重要变量构建初始主基底超平面,作为筛选其他普通变量的起点。该方法既结合了人们的定性分析经验,又保留了基于主基底分析的变量筛选方法能够自动筛选系统分析所需最简变量集合的特点,达到了数据降维目的。实际案例分析验证了该方法的有效性。     

基于主成份分析的仿射不变特征图像匹配方法

从理论和实验上分析比较了尺度不变特征图像匹配方法和仿射不变特征图像匹配方法的异同,为提高图像匹配的速度和图像特征描述的准确性,提出了一种利用主成份分析对仿射不变特征匹配特征描述向量降维的方法。实验结果表明该方法能加速仿射不变特征图像匹配方法,在不降低匹配效果的前提下,将128维特征向量降低至15维。     

企业环境友好行为驱动因素的实证分析

目前大部分关于企业环境友好行为驱动因素的探讨都是定性的,对于各个因素的影响程度,争议不一。本文通过对制造企业的问卷调查,用SPSS 13.0进行因子分析,得出了关于企业环境友好行为的10个因子,在此基础上,建立了10个因子间相互作用的结构方程模型,并运用AMOS 7.0对模型进行了检验,定量分析了不同的驱动因素对企业环境友好行为的作用路径和效果。