灌溉条件对春小麦和小黑麦主成份分析与聚类分析的影响

对９个本区推广种植的春小麦品种和７个新引入的小黑麦材料进行生育期灌溉和不灌溉处理，测定产量和经济性状，采用主成份分析和聚类分析，结果表明不灌溉处理有４个主成份性状，第１为单株干重，第２为分集粒重，第３为株高，第４为千粒重；灌溉处理有５个主成份性状，第１为单株干重，第２为单株有效茎数，第３为株高，第４为第１节间长，第５为产量。春小麦品种和小黑麦各自之间的欧氏距离校近，基本归于一类，但也有交错，尤其在不灌溉条件下表现的品种数目更多，说明栽培条件对品种的聚类结果有影响，不同条件下，表现品种特性的性状也不同。     

归一化主成份及应用

本文提出了归一化主成份的概念和计算方法，并介绍了它的性质． 利用归一化主成份可以解决一类带有约束条件的降维问题． 最后给出了一个应用实例．     

归一化主成份及应用

本文提出了归一化主成份的概论的计算方法，并介绍了它的性质，利用归一化成份可以解决一类带有约束条件的降维问题，最后给出了一个应用实例。     

主成份和最小成份抽取的新算法

给出了用于主成份分析和最小成份分析的神经网络学习算法，两者之间仅差一个符导，即刻生成份分析算法经改变符号后又是一个最小成份分析算法，两算法不仅能计算主成份空间和最小成份空间，而且学习所得的子空间以及主向量／最小向量的左奇异向量，数值模拟证实了算法是有效的。     

营销因素的主成份分析

运用主成分分析法对市场营销的诸多因素进行分析,把影响市场营销的诸多因素,简化成几个综合成分,从而为营销人员和管理人员提供参考,为企业的发展和调整提供一个简单有价值的方法。     

调制解调器选择的主成份分析法

将数理统计的主成份分析法及专家评估结合起来，进行调制解调器的定量评价与选择。     

个股评析中的主成份应用

本文利用主成份分析方法,对证券市场上20种股票进行综合评价,通过使用统计软件SAS进行计算和分析,提出用第一主成份作为个股业绩的度量,得到了这些股票2005年上半年的财务状况的排列次序。     

缺失信息的主成份分析

关于缺失的信息的主成份分析已经受到越来越多学者的关注.针对此问题,文中提出了一个新模型.通过对原模型做等价变形,转化成可分凸规划.然后,考虑到其具有特殊结构,采用交替方向法求解.该方法的优点是可以充分利用问题的特殊结构,使得求解过程中每个子问题都具有显式解.仿真结果证明该方法与一些经典的一阶方法相比更加有效.     

普通甜荞产量的主成份分析

对来自内蒙古自治区内外不同地区的24个普通甜荞品种,7个主要经济性状,进行了方差分析、相关分析、主成份分析．结果表明,新品种的选配应从株粒数、丰产株型和千粒重为主要依据．     

主成份分析在教学评估中的应用

本文利用多元统计的主成份分析方法对教师的教学水平进行综合评价综合评价，通过计算和分析，找出影响教学质量的主要因素。     

用主成份-聚类分析方法研究河水、沉积物和土壤腐植酸红外光谱的特征与差异

测定了采用自黑龙江、黄河和长江河水、沉积物及流域土壤中的腐殖酸的富里叶红外谱图。用主成份分析和聚类分析方法研究了它们的特征和差异。根据12个主要吸收峰相对强度的主成份分析结果,可将方差分量的主体部分归入前两个主成份:其一代表含氧官能团在分子骨架上的取代,另一个则表现了样品中酮醛羰基的相对丰度。可以根据实测谱和积分谱,用聚类分析方法将不同种类(胡敏酸和富里酸)以及不同起源(水生、沉积物和土壤)样品红外谱图区分开来。     

基于主成分的手机满意度聚类分析

针对国内外20种手机品牌的通话质量、外观、价格等消费者普遍关注的10个因素问卷调查,通过对数据信息的挖掘,提取了人们关注因素的主成分因子,利用主成分因子对手机满意度进行了层次聚类分析,构建了谱系聚类图,为广大消费者和生产者提供决策参考。     

基于主成分聚类分析的采矿方法优选

 采矿方法优选涉及到多指标体系的分类及综合评价问题,利用主成分分析简化了指标结构,将主成分分析与聚类分析相结合,提出了主成分聚类分析法,并基于该方法对来自某矿山的15个试样的采矿方法进行了优选。在此过程中,针对传统主成分分析方法的缺点和应用中可能出现的误区,通过均值化改进了主成分分析的特征提取,通过以主成分得分为新的数据基础做聚类分析改善了综合评价效果;对主成分含义给出了较为明确的解释;对主成分聚类、第一主成分得分、主成分综合得分的排序结果进行了对比分析。研究表明,主成分聚类分析法则既可以对多变量数据进行合理地分类,又能对各类优劣程度做出综合评价,能充分反映矿山的实际情况,终选出的采矿方法在工业试验后成效显著,验证了该决策方法是切实可行的。     

基于主成分的手机满意度聚类分析

针对国内外20种手机品牌的通话质量、外观、价格等消费者普遍关注的10个因素问卷调查,通过对数据信息的挖掘,提取了人们关注因素的主成分因子,利用主成分因子对手机满意度进行了层次聚类分析,构建了谱系聚类图,为广大消费者和生产者提供决策参考。     

应用主成份分析法评判湖泊营养类别

采用主成份分析法对１８个湖泊的是总磷、总氮、耗氧量、生物量、透明度进行了分析，并对湖泊营养类别进行了评判。分析结果表明，湖泊营养状态是总磷、总氮，耗氧量、生物量、透明度综合作用的结果，其中总磷的作用最大，其次是总氮。     

主成份分析在教学质量评价中的应用

木文运用多元统计中的主成份分析原理,给出了教师的综合能力评价的计算公式——Y=0.513X_1 0.580X_2 0.510X_3 0.262X_4 0.247X_5,指出了今后一段时期内,教师应把教学中 X_1、X_2、x_3方面的工作做为自己的努力方向.     

基于主成份分析法的手机软件性能分析

本文选用2013年7月中国各移动终端应用类别性能测试结果,运用主成份分析的方法[1],对样本的特征性指标进行分类分析[2]。分析结果表明:移动终端应用软件的特征性指标主要由应用软件的平均安装卸载成功率,平均运行稳定成功率,平均内存消耗为主要指标;平均启动时长,平均CPU消耗为次要指标影响;此结论基本上是正确合理的,对用户选择移动设备应用软件具有一定的指导作用。     

基于主成分的模糊聚类分析及应用

提出了基于主成分的模糊聚类分析方法的明确步骤,并以实际问题为例,验证了此方法的可行性.该方法不仅克服了实际分类问题中的模糊性,同时又克服了由于样本分类指标过多,而引起的计算量增大,特别是由于指标间的相关性可能造成分类不准确等问题.     

用主成份提取进行数据库聚类预处理

按照相关性最小原则提出数据库主成份提取的聚类预处理方法(DCP PCE)对高维数据进行降维,以数据对象变异最大方向的投影作为特定数据对象集的主成份,实现分层次主成份聚类提取.用DCP PCE方法验证主成份对于原有信息全面覆盖的特性,同步解决了综合变量覆盖和降维问题,降低了数据对象集合的相异度和维度,实现了数据对象集合的聚类归约．将聚类分析引入高校数据资源的预处理环节,给出应用实例,为深入探索相关模式提供有效的分析方法．     

基于主成份分析的Bagging集成学习方法

机器学习中数据集的冗余特征会影响学习器的泛化能力,一些流行方法如支持向量机和集成学习也难免于此．研究了利用主成份分析进行特征变换对Bagging集成学习算法的影响,提出一种称为PCA—Bagging的算法,并与其它算法比如单个支持向量机、支持向量机Bagging集成、带有特征变换的单个支持向量机等进行了性能比较．在多个UCI标准数据集上的实验表明PCA—Bagging算法具有更好的性能,这说明即使是泛化能力很强的集成学习方法其学习的数据也需要进行适当的特征变换。