基于主成分分析的股票投资策略

本文利用主成分分析方法对沪深股市3个主流板块的股票进行分析,从中选取各个板块具有高成长和盈利能力的股票组成股票池,并对股票池中的股票再次进行主成分分析,得到上市公司成长与盈利能力的综合排名.基于上面的客观分析结果,提出了股票投资策略.     

基于主成分分析法的房地产投资环境分析

房地产投资环境的影响因素众多,而且关系错综复杂.在对影响房地产投资因素进行定性的基础上,运用主成分分析法,分析各投资环境的差异,为房地产决策提供重要的理论依据.     

基于模糊点数据的核主成分分析

在核主成分分析中,给每个训练数据赋予一个置信权重,将训练数据视为样本空间的模糊点,研究了基于模糊点数据的核主成分分析.数值模拟表明,该方法能够有效控制异常点对主成分的影响.同时,该方法也为数据先验信息的利用提供了一个可行的途径.     

基于核主成分分析的人脸识别

核主成分分析方法是主成分分析的改进算法,其采用非线性方法提取主成分.把核主成分分析应用到人脸识别中,利用核主成分分析方法选择合适的核函数在高维空间提取人脸图像的主成分.核主成分分析与传统主成分分析相比,可以得到更好的适合分类的特征.基于ORL人脸库,识别核主成分分析提取出的主成分的相关性系数.实验结果表明,核主成分分析不仅实现了降维,而且能取得比传统主成分分析更好的识别性能,正确识别率为92.5%.     

一种基于核主成分分析的人脸识别方法

针对主成分分析（PCA）算法中存在不能提取非线性特征的问题,提出了利用KPCA提取图像特征,最近邻法分类的人脸识别改进方法。基于ORL数据库的相关实验表明,这样的系统能够取得比传统PCA更好的识别性能。     

基于主成分分析与BP网络的房地产投资风险预测

房地产投资具有投资金额大,回收期长,投资风险受多种因素影响等特点,通过主成分分析法将众多指标进行综合,消除样本间的信息重叠,降低BP网络的输入维数。针对房地产投资风险系统的非线性特征,运用BP网络的高度非线性映射能力,对房地产投资风险进行预测,并且与直接用BP网络方法作了对比分析,结果表明：基于主成分分析与BP网络预测结果更精确。     

基于主成分分析的投资决策评价

以上市公司为例,利用主成分分析方法借助SAS软件对企业的获利能力,偿债能力,经营能力等多项财务指标进行综合分析,为投资者的投资决策提供了客观科学的依据。     

基于糖尿病相关因素的主成分分析

基于主成分分析的理论,对与糖尿病发病率相关的一些因素（如民族因素、平均气温、平均气压、相对湿度）之间的关系进行主成分分析。     

基于主成分分析的上市公司经营绩效评价

基于主成分分析法,建立了绩效评估模型,对2008年至2011年期间的16家钢铁行业上市公司的经营绩效进行评分以及排名,得出钢铁行业总体绩效是增长的,但发展并不稳定,两极分化现象依旧严重的结论。     

基于主成分分析的自适应天线研究

在投影渡束形成的基础上,提出了一种基于主成分分析神经网络的波束形成算法.该方法利用自适应迭代形式获得了波束形成的权向量,避开了投影算法对相关阵特征值分解的计算过程,因而减少了计算量,获得了相对快速的波束形成图,提高了自适应能力.经数值模拟仿真,验证了该方法的正确性.     

基于模糊点数据的主成分分析

主成分分析是数据压缩和特征提取的非常有效的统计方法.在经典的主成分分析中,每个训练数据在构建主成分时的作用是相同的.然而,在许多实际问题中,每个训练数据的意义和作用是不同的,对于重要的数据我们应给予充分的重视,而对于不可信数据(可能是异常数据)应限制其作用.文中给每个训练数据赋予一个置信权重,将训练数据视为样本空间的模糊点,研究了基于模糊点数据的主成分分析.数值实验表明,该方法能够有效控制异常点对主成分的影响,同时,该方法也为数据先验信息的利用提供了一个可行的途径.     

股票投资策略的选择理论和方法

首先分析和归纳影响股票市场的基本因素,给出建立模型的理论基础及其可行性;然后,结合统计学和物元变换的相关知识形成股票投资策略的选择理论和相应模型来描述股市风险状况;最后形成相应的方法并做实证分析证明此投资策略的正确性和可行性.     

Community Detection in Disease-Gene Network Based on Principal Component Analysis

The identification of communities is imperative in the understanding of network structures and functions.Using community detection algorithms in biological networks, the community structure of biological networks can be determined, which is helpful in analyzing the topological structures and predicting the behaviors of biological networks. In this paper, we analyze the diseasome network using a new method called disease-gene network detecting algorithm based on principal component analysis, which can be used to investigate the connection between nodes within the same group. Experimental results on real-world networks have demonstrated that our algorithm is more efficient in detecting community structures when compared with other well-known results.     

基于三元泛函主成分分析和聚类分析的MRI图像分类研究

一元泛函主成分分析(FPCA)已经在fMRI上成功进行了应用,但是目前很少有研究运用多元FPCA对MRI进行探索.本研究将一元FPCA推广到三元并应用于MRI的图像特征提取,并对提取的特征进行了后续研究,提出了一整套MRI病理及正常图像的分析方法.该方法的主要流程是先对MRI图像进行预处理(图像配准和图像分割),得到脑脊液图像,然后运用三元FPCA对脑脊液进行特征提取,再对提取的特征进行选择,随后利用k-means聚类算法对特征进行聚类,来判断图像所属的类别(正常或异常),从而达到颅脑MRI图像病变筛查的目的.将该方法应用于颅脑MRI快速自旋回波T2加权像中,结果发现,相比于传统PCA,三元FPCA展现出更好的特征提取能力,可以有效提高图像分类的准确率.     

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。     

基于动态加权差分主成分分析的故障检测

针对工业过程中存在的动态特性和多模态特性问题,提出一种动态加权差分主成分分析法(dynamic weighted differential principal component analysis,DWDPCA)。首先通过设置合理的时间窗描述系统的时序特性;其次对时间窗内的样本寻找第一近邻和第一近邻的近邻集,使用加权差分法对数据进行处理,解决数据中心漂移问题;最后利用处理好的数据建立主成分分析(principal component analysis,PCA)模型进行故障检测。该方法可解决数据动态、中心漂移问题。使用该方法对数值例子和TE(tennessee eastman)过程进行故障检测验证所提出方法的有效性。     

基于函数型主成分分析方法的用水量数据分析

以全国用水量的离散数据为例,根据分析目的把它构造成函数化数据,然后对函数化的数据进行函数型主成分分析,即对全国不同用水量区域进行分析研究,从而得到不同区域的主成分得分,找到用水量不平衡因素所在,为制订政策的决策者提供相应的参考。     

基于主成分分析的粒子滤波器目标跟踪方法

提出一种基于主成分分析的粒子滤波器目标跟踪新方法． 该方法将主成分分析法和传统的粒子滤波方法相结合, 避免了传统粒子滤波器的过度重采样, 提高了目标跟踪精度． 实验结果表明, 该方法对单个目标跟踪精度高, 且对多障碍物下的目标跟踪精度也较高, 适用于复杂背景下的人脸跟踪． 与传统粒子滤波方法相比, 该方法提高了目标跟踪的精度和鲁棒性, 避免了粒子退化和粒子贫化．