基于主成分分析法的中小企业成长性评价模型及其应用

利用多元统计中的主成分分析法,建立了一种新的中小企业成长性评价模型,并对18家中小企业进行了实证分析。结果表明,该评价模型更能科学、合理地反映出我国中小企业的成长能力。     

灰色主成分评价模型的构建及其应用

在梳理和分析主成分分析用于社会科学评价中存在的问题的基础上,将主成分评价拓展到灰色系统领域,构建了灰色主成分评价模型,以灰色相对关联度矩阵代替传统的协方差矩阵或者相关矩阵来进行主成分分析和评价.此外,根据目前主成分评价中权重引起的重复加权问题做一定的讨论,以因子负荷量作为主成分权重合成的重要依据,解决了重要性权对数据的影响问题.最后,构建了两个案例证明所提思想的合理性和有效性.     

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.     

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。     

主成分投影法在企业技术创新动力评价中的应用

建立了以外部和内部创新动力为二级分指标的企业技术创新动力评价指标体系;采用基于格栅获取法的模糊Borda数分析法对各评价指标赋权,突出了各指标重要程度的优序关系;利用主成分投影法对我国某行业31家大中型企业的技术创新动力进行了评价与分析,经验证,评价结果与实际情况基本相符。     

加权主成分分析法在可变限速系统综合评价中的应用

以可变限速系统(VSL)项目为研究对象,运用加权主成分分析法设计了VSL项目社会经济影响综合评价模型,并通过基于交通仿真软件模拟设计的评价方案给出了评价案例.评价结果表明,利用加权主成分分析法评价VSL项目可以将主成分分析法的客观分析和层次分析法的主观分析有机地相结合,有效地评判出不同交通流量下的最佳限速控制值,其评价结果更加全面、更加符合客观实际情况.     

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。     

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.     

基于主元分析的气体膜分离过程RBFNN建模

构建一个基于主元分析的气体膜分离过程的RBF神经网络软测量模型,研究氢回收过程中一些难以测量的重要性能参数。在炼厂气氢回收研究中提出的通过测量间接变量建立软测量模型方案的基础上,融入主元分析思想,先对间接测量变量进行主元分析,得到为主导变量提供关键信息的变量,再建立RBF神经网络对目标变量进行研究分析。基于实验数据和RBF神经网络模型,利用MATLAB软件平台对氢回收过程的重要性能参数分析研究,仿真结果证明了此模型的正确性和理论分析的合理性。主元分析的融入简化了气体膜分离过程重要性能参数在线检测的研究过程。     

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。     

基于PCA和SVM的控制图失控模式智能识别方法

控制图是在线质量控制的重要工具,而利用控制图进行异常过程模式识别却是个困难问题。该文在分析现有控制图识别技术在实际应用中存在缺陷的基础上,提出了一种基于主元分析(PCA)和支持向量机(SVM)的控制图失控模式识别方法。首先,将控制图作为信息图用于趋势模式数据集提取;然后,通过对数据集的高维特征进行线性组合并向低维空间投影的方法,降低了分类器的输入维数,提高了各维特征的敏感性;最后,为了克服神经网络方法速度慢和泛化能力弱的缺陷,利用SVM小样本学习能力,有针对性地设计SVM多分类器进行模式识别。用一个含有6种趋势的20维特征仿真数据集对该方法进行检验,通过主元分析后,数据集的特征被降到了3维并保留了88%的分类信息。进一步的识别结果表明,该方法相对现有的BP、SLFM识别方法达到更高的识别率和识别速度,适合质量控制图在线实时识别。     

基于核主元分析的非线性动态故障诊断

核主元分析是一种非线性主元分析方法，充分利用核函数来解决非线性映射问题，在高维特征空间中确定主元，具有很好的非线性逼近能力。同时，利用非线性最小二乘法实现核主元分析的变量重构，来识别故障源。将核主元分析应用于连续搅拌釜式反应器系统（CSTR）的故障诊断过程中，仿真结果表明该方法对于故障的检测和故障源的识别都优于线性主元分析法的诊断效果。     

相对主元分析方法及其在故障检测中的应用

通常情况下利用传统的主元分析方法虽然可以对系统进行故障检测和诊断，但是如果数据标准化以后呈“均匀”分布时，由于很难选取主元，或者选取出主元时没有考虑随机向量分量的物理意义，使得主元没有代表性。在分析了主元分析方法的基础上，我们提出了一种相对主元分析的方法，给出了相对主元的几何意义，同时还提出了相对化变换，分布“均匀”等概念。在处理分布“均匀”数据时，应用新概念和新方法，可有效地克服传统的主元分析（PCA）在数据压缩和故障检测与诊断时的不足。仿真结果验证了算法的有效性。     

PROJECTION-PURSUIT BASED PRINCIPAL COMPONENT ANALYSIS： A LARGE SAMPLE THEORY

The principal component analysis （PCA） is one of the most celebrated methods in analysing multivariate data. An effort of extending PCA is projection pursuit （PP）, a more general class of dimension-reduction techniques. However, the application of this extended procedure is often hampered by its complexity in computation and by lack of some appropriate theory. In this paper, by use of the empirical processes we established a large sample theory for the robust PP estimators of the principal components and dispersion matrix.     

基于主成份分析思想的金融衍生证券定价伪蒙特卡罗模拟改进技术

在伪蒙特卡罗模拟应用于金融衍生证券定价过程中，标准维纳过程的构造方法对模拟估计的效果具有十分重要的影响。本文首先对现有的传统标准维纳过程构造和布朗桥构造方法进行简要分析。在此基础上，基于主成份分析基本思想，对能够用于有效减少实际问题维数的主成份构造方法及其在高维衍生物证券定价问题中的应用进行了深入研究探讨，为进一步改进蒙特卡罗模拟在金融衍生物定证券定价中的应用效果提供了有效途径。