石灰石脱硫特性指标体系的建立与综合评价

采集１８个产地的石灰石样品,对其进行了脱硫特性三项指标Ａ（热重分析测试）、Ｋ（模拟实验台测试）、Ｇ（模拟实验台测试）的测定,分别按着各项活性指标的大小,把石灰石脱硫特性的优劣分为四级,并且建立了石灰石主要化学成分与各项活性指标的预测模型;利用主成分分析对各项活性指标赋权,通过与理想点的贴近度给出各样品关于三项活性指标的综合得分,从而对石灰石脱硫特性的优劣进行综合评价,以便应用于锅炉烟气脱硫系统。     

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。     

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。     

能源型城市主导产业选择的理论模型及其实证研究

依据可持续发展、生产资源密集度、区位优势、关联带动这四个原则构建了一个能源型城市主导产业选择的两层指标体系.在此基础上,为解决PCA不适合多指标综合分析中非线性主成分分析的问题,采用KPCA建立了一个能源型城市主导产业选择的理论模型.最后以陕西省铜川为例,证明了KPCA不仅适用于非线性问题,而且具有优秀的主元提取功能.     

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.     

用主成分分析法建立系统评估指数的限制条件浅析

讨论了用主成分分析方法建立系统评估指数的基本原理。并通过案例研究说明构造此类评估指数所必须注意的限制条件.     

基于改进PCA的导弹装备健康表征参数提取方法

针对导弹装备健康状态信息复杂且相互交融、健康表征参数难以提取的问题,提出一种基于改进主成分分析(principal component analysis, PCA)的装备健康状态低维敏感表征参数的确定方法。该方法先开展装备扩展故障模式及影响分析,构建初始高维特征参数集,再利用改进PCA对参数集进行降维处理,在最大化高维表征参数全局特征方差的目标下,提取出非线性表征参数子集。将该方法应用到导弹舵机健康评估实验中,使用故障注入模拟设备进行验证。结果表明,采用所提方法提取的健康表征参数对舵机健康状态识别准确率高,说明所提方法在提取导弹装备健康表征参数中具有明显的优越性。     

基于作业成本法的参数成本估算模型与方法研究

指出了目前参数成本估算对生产耗用资源市场价格的波动考虑不充分、所用历史成本数据缺乏真实性与可比性、对成本形成原因不能识别和反馈控制等缺陷.依据作业成本法“产品消耗作业,作业消耗资源”的思想,建立了从产品属性确认开始,经过作业动因、资源动因、再到作业成本、产品成本的参数成本估算模型.给出了运用主成分分析对产品主要特性指标降维的方法,运用径向基函数神经网络构建了作业估算关系(AER),并进行了案例分析.     

一种新的基于NGA/PCA和SVM的特征提取方法

提出了一种使用小生境遗传算法(NGA)和主成分分析(PCA)对支持向量机(SVM)进行封装的方法来选择特征子集。该方法首先使用PCA得到特征向量,然后产生若干随机特征向量子集,从而得到新的特征空间,将所有训练样本映射到这个特征空间来训练支持向量机,再使用支持向量机的半径间隔方法对每个特征向量子集的性能进行评价,最后使用小生境遗传算法来共享适应度,以及进行选择、交叉和变异操作得到新的特征向量子集,重复这个过程直至得到最优的特征向量子集。使用UCI数据集进行了相关的实验,实验结果表明了该方法可以减少特征的数量以及提高分类正确率。     

视频语义分类特征选择算法

提出一种将连续特征数字量化后进行特征选择的算法(ABFSA)。利用样本集中的先验信息选择出特征值域中最具类间区分意义的区域,将其作为完整量化区间。采用向后式的启发搜索策略,搜索合并后能使贝叶斯分类错误率降低的相邻量化区间。合并搜索得到的两相邻量化区间,量化的级数降低一阶。重复搜索和合并过程,直至贝叶斯分类错误率不再降低为止。所有特征搜索、合并完成后,总的特征量化阶数得到大幅降低。用UCI仿真数据集及真实视频数据进行实验,对比结果表明该算法能有效选取视频语义概念分类的重要特征,其综合性能较优。     

基于特征选择的脱机签名模糊鉴定建模与仿真

在建立脱机签名鉴定模型的过程中,首先设计提取了签名的静态特征和伪动态特征,并提出了一种基于离差测度的新的选择准则用于特征选择.另外,在鉴定模型中引入模糊理论,通过模糊集合来表征特征的不确定性,并采用隶属度函数构造权重系数作用于模糊规则的输出来进行鉴定.仿真实验对于中、英文两种签名数据库分别取得了大约9.2%和10.5%的平均错误率,其中,英文数据库的平均错误率较现有文献的结果降低了大约3%.     

与特征选取和离散化集成的决策规则挖掘方法

利用粗糙集理论可以从已知数据中挖掘决策规则 .对于连续取值的特征属性必须先对其离散化 .从给定的特征属性集合中去除冗余的特征属性 ,选取有用的属性子集有助于简化决策规则 .我们利用基于信息熵的规则不确定性量度函数构造了一个决策规则挖掘的遗传算法 ,将规则挖掘与特征选取和连续属性的离散化集成在一起 .实验结果说明了这种方法的有效性.     

基于主元分析和免疫聚类的双向特征数据压缩方法

针对诊断特征数据中的重复或相似事例样本和特征参量之间可能存在的相关性，提出并实现了一种有效的特征数据双向压缩预处理方法，从而在不损失数据隐含的特征知识的前提下，有效降低学习机器的学习负担。在进行样本参量的降维处理时，采用基于主元分析的横向数据压缩方法，有效地去除了各特征参量之间的相关性。在压缩样本数量时，综述和比较了现有的各种聚类算法，基于竞争和自组织原理，对借鉴生物体的自然免疫系统中克隆选择以及免疫网络自稳定等有关机理的常规免疫聚类压缩算法，作了重要改进，提出了基于主元核相似度的亲和力定义方法，增加了抗原数据归一化、近似样本直接去除等处理步骤，使算法具有更高的执行效率和更广的适应性。并以国际上通用的过程控制仿真对象“Tennessee Bastman”工厂的实际数据进行仿真实验，验证了所提方法的有效性。     

遗传神经网络特征提取及在分类中的应用

将遗传算法和神经网络结合应用于乳腺癌细胞分类,首先利用遗传算法随机提取训练集的属性特征,然后用提取特征后的训练集训练神经网络,最后得筑必要的特征子集优化网络结构,仿真实验结果表明,遗传神经网络不仅可以优化神经网络的权值和阈值,还能有效地找出线性可分离特征子集,从而达到降低数据维数并提高分类精度的目的。     

基于竞争策略的链式智能体遗传算法用于特征选择的研究

针对特征选择问题,提出了基于竞争策略的链式智能体遗传算法(LAGA).该LAGA算法包含链式智能体网络结构,邻域竞争,自适应交叉,自适应变异,优良个体替换策略,自适应结束等部分,该算法能较好的保持智能体的多样性,在进化中既较佳的继承了优良个体的基因,又有效地搜索了新的空间.多组实验结果表明,通过该算法选择得到的最优特征子集具有较好的稳定性,较高的识别准确率和较低的网络分类器维数复杂度.     

基于特征依赖图的语义特征造型建模的研究

针对传统的基于历程的特征造型中设计意图和设计结果容易前后不一致问题,采取基于完全双向语义约束的变量化特征造型,并提出用特征依赖图的数据模型来保存和维护设计中的各种特征信息及其之间的关系。它的形成是基于特征间的各种依赖关系而不是基于特征创建的先后顺序,并且根据依赖关系完成特征实体和约束的添加,编辑,删除等操作。使得特征信息随时根据相关特征信息协调变化,特征语义能够始终保持一致。最后展示了一个实例。     

故障特征选择与诊断规则提取的VPRS模型方法

针对实际工程系统故障诊断过程中故障特征和诊断规则难以提取的问题，提出了一种基于变精度粗糙集(VPRS)模型的故障特征选择和诊断规则提取的新方法。该方法通过选取适当的分类误差参数β，运用知识约简简化知识系统。它不仅能从实测数据中提取出最佳的故障特征参数，还可得到简化的诊断规则。对滚动轴承故障诊断的仿真实例表明，该方法有效地简化了特征参数和诊断规则，提高了故障诊断的准确率，减低了诊断成本，具有比基本RS方法更广的适用性。