主成分分析在图像压缩中的应用

阐述了主成分分析(Principle Component Analysis,PCA)的严格数学定义、特性以及应用领域,提出了基于PCA的图像压缩算法,PCA对于特征提取和数据压缩具有非常重要的意义.其主要特点是在高压缩比条件下能达到高信噪比.采用著名的"lena"图像作为试验数据,试验结果表明该算法性能良好,重构质量高.     

当归药材中无机元素的主成分分析和聚类分析

通过测定10批不同产地当归药材中16种无机元素的含量,分析当归药材主要无机元素含量与其道地性之间的关系.测定数据利用SPSS15.0软件分析.结果显示,镍(Ni)、钒(V)、铬(Cr)、锰(Mn)、铁(Fe)、钾(K)、镉(Cd)是当归无机元素的主成分,并可作为其特征元素.同时,来自不同道地产区的当归样品表现出一定的聚类性特征;以及岷县当归无机元素在含量与特征上与其他地域当归产品存在差异.     

综合评价的聚类分析方法

运用多元统计分析的方法，给出作为定量分析的综合评价向量的聚类分析，为消除人为数量的影响，利用主成分方法将方差贡献率作为指标权重。可对样本综合评价值排序，亦可进行极差分割法寻求最优分割聚类，并进一步给出了此方法的应用实例。     

基于PCA及FCM的C波段无线电信号分类方法

提出了一种基于模糊C均值聚类分析以及主成分分析的无线电异常信号分类方法,该方法利用主成分分析对信号数据进行降维并通过模糊C均值对信号数据进行分类,对目前常用的通过专家经验进行信号特征选取的方法进行了改进.实验结果证明了该方法的有效性,能快速高效地判断异常信号的类别.     

基于指标变换值的主成分投影法在水质评价中的应用

针对水环境系统中水质指标较多,容易出现信息重叠,评价单元在不同时间或空间整体比较和排序,各项指标赋权需要构造众多评价函数等问题的基础上,采用指标变换值的主成分投影法对大连市重点饮用水源地水质进行评价,并通过单因子评价法和灰色关联分析的评价结果作对比验证。结果表明,主成分投影法与单因子评价法、灰色关联分析评价级别不同的测点在英那河、松树、大西山上,主成分投影法在这3个断面的评价级别为Ⅳ、Ⅱ、Ⅲ,灰色关联分析的为Ⅴ、Ⅲ、Ⅲ,单因子评价法的为Ⅴ、Ⅲ、Ⅳ级,主成分投影法的评价结果与其他两种评价方法相比还具有一定差异性。为此采用蒙特卡罗方法在考虑随机观测误差下对评价结果进行修正。修正后碧流河、英那河、卧龙、松树、洼子店、北大河、大西山、鸽子塘、朱隈子这9个监测点的水质级别分别为Ⅴ、Ⅴ、Ⅴ、Ⅲ、Ⅴ、Ⅴ、Ⅳ、Ⅴ、Ⅴ。     

基于Shearlet域各向异性扩散和稀疏表示的图像去噪

为了更有效地去除图像噪声,同时更好地保留图像边缘细节信息,提出了一种基于shearlet 域各向异性扩散和稀疏表示的图像去噪方法. 首先对含噪图像进行非下采样shearlet 变换(nonsubsampled shearlet transform, NSST),将图像分解为低频分量和多个高频分量. 低频分量中包含图像信号的主要能量以及少量的噪
声,而高频分量中含有大部分噪声和图像边缘信息. 然后,利用K-奇异值分解(K-singular value decomposition,K-SVD) 算法去除低频分量中的噪声,各个方向的高频分量则通过核各向异性扩散(kernel anisotropic diffusion,KAD) 算法进行去噪. 最后,对处理过的低频分量和高频分量进行非下采样shearlet 反变换(inverse nonsubsampled shearlet transform, INSST),得到重构图像,从而有效地去除图像噪声,保留图像边缘细节. 实验结果表明,与小波扩散去噪法、shearlet 硬阈值去噪法、K-SVD 稀疏去噪法、小波域稀疏去噪法相比,该方法的去噪能力更强,并能更好地保留图像纹理细节特征,改善图像视觉效果.     

主成分聚类法对武汉城市圈经济发展分析

本文采用主成分法对数据进行了分析并用聚类法对其进行了分类,将武汉及其周边城市共9个卫星城市作为研究对象,选取能够量化反映一个城市经济综合发展水平的评判指标,从武汉城市圈的统计年鉴中的工农业发展水平、各市人口土地等基本情况、社会保障及消费、经济发展趋势和人民生活情况等方面选取了30项经济指标,利用多元统计分析方法进行主成分分析,再根据其结果进行聚类分析将9个城市分类,就武汉城市圈各城市的经济综合发展方向给出了一些建议。     

主成分分析与系统聚类法在评估经济效益中的应用

本文提出了综合性评价企业经济效益的一种方法．在评价中将多元统计方法中的主成分分析法与系统聚类法进行综合运用，以增强评价结果的客观性．     

基于主成分分析的商业银行信贷决策模型

信贷管理事关银行的生存和社会的稳定,各国的商业银行对信贷管理都极为关注.综合运用了主成分分析方法创建了信贷决策的模型,并从企业的盈利情况、偿债能力、资产管理能力、负债管理能力和对国家和社会的贡献等几个方面设计了相应的评价指标体系,并将此模型在实例中进行了应用,解决了贷款对象选择这一信贷决策中的重要问题.     

一种基于主成分分析的时间序列趋势预测方法

在分析现有时间序列预测方法的基础上,提出了一种利用主成分分析实现时间序列趋势预测的方法.算例表明,该方法能够具有一定的适用性.     

基于主成分分析法对海南省财政收入问题的研究

利用主成分分析法,研究了2000至2008年海南省第三产业产值、税收收入、农业总产值、总人口、固定资产投资及工业总产值诸多因素对海南省财政收入的影响,借助EViews6.0及spss17.0软件计算,建立了相应的数学模型,得出对海南省财政收入的主要影响因素是第三产业产值,次要因素是税收收入,并对2009年海南省的财政收入做了预测,结果表明模型短期预测精度较高.     

基于主成分分析和马氏距离的测井曲线自动分层方法

采用主成分分析与判别分析相结合的方法对测井曲线进行自动分层。首先对所有井进行数据预处理,通过程序比较字符串的方式提取出其中的公共曲线,然后对处理过的数据用R编程实现主成分分析,选择主成分代替原来的数据,达到降维的目的。最后以标准井提供的分层结果作为样本进行距离判别分析,对剩下井进行自动分层,并与手工分层的结果比对,给出最终处理的分层结果。     

基于R下的主成分分析及应用

探讨主成分分析在统计软件R下的实现过程,并利用主成分分析研究安邦河湿地浮游植物数量与环境因子相关性,解读分析结果,与覃雪波等的研究进行对比,为实现主成分分析的广泛应用提供新的参考．     

基于SPSS的主成分分析法在松花江哈尔滨段的水质评价

主要介绍了主成分分析方法在SPSS中的操作,并运用此法对松花江哈尔滨段的水质进行评价,以及在实际水质评价中的应用.     

基于主成分分析的BP神经网络长期预报模型

MATLAB是进行神经网络系统设计及多元统计分析的有力工具．利用MATLAB6.5对月平均降水量的前期预报因子进行主成分分析,实现样本的最优压缩,从而降低样本的维数,建立起基于主成分分析的神经网络广西北部地区5月平均降水预测模型．计算结果表明,基于主成分分析的神经网络模型在预测中与多元回归模型相比有较好效果．     

基于主成分分析法的石佛寺人工湿地水质评价与分析

本文采用主成分分析法,对石佛寺人工湿地2009—2015年汛期和非汛期的入口断面、库中及出口断面水质等级进行评价.结果发现,出口断面水质好于入口断面,表明石佛寺人工湿地对水质的净化作用明显;经过湿地净化后,水质级别满足III类水质要求.通过指标权重值分析,笔者得出,TP、TN、NH3-N为主要污染指标.当前,人们可以有...     

分组主成分法的应用

分别利用正交因子法和分组主成分法,对2010年江苏省13个市的经济发展水平进行对比分析,发现分组主成分法分析的结果更加合理,并分析了原因,最后对江苏未来的经济发展提出了建议,供有关部门决策参考.     

基于不同分组稀疏先验的降噪方法

稀疏组Lasso已经被证明是一种强大的回归技术,可以通过使用两层不同分组稀疏正则同时发现不同组的稀疏特性.但是在大量的应用中,由于正则项的复杂性给计算带来了巨大的挑战.针对多层不同分组稀疏的组Lasso提出了一种合理有效的方法,称为DGDN-OGS算法.把信号处理中的信号看作为样本或者特征进行不同的交叠稀疏分组,然后将多个不同的交叠稀疏分组分别编码成正则项,最后再利用Proximal映射及MM算法的框架进行迭代求解,这也说明了该方法可以应用到信号降噪领域当中.此外,该求解方法避免了之前方法中需求解对偶问题的最优解所带来的困难,并对算法的收敛性进行了分析,说明了所提出方法的合理性.     

基于Eviews主成分分析法的广西水资源产业态势分析

利用Eviews计量经济学软件对广西水资源产业用水指标进行主成分分析,结果表明,与传统手算相比,Eviews能快速实现数据降维,筛选出影响水资源产业态势的主要因素,大大简化分析计算过程,快速对广西区水资源可持续利用进行评价。     

主成分回归分析的直接实现——基于SPSS二次开发

利用统计软件SPSS二次开发功能,结合C#开发出主成分回归模型的独立分析模块,为在该软 件中消除变量共线性提供一条解决方案,为减少手工计算提出一种思路.为了方便交流和进 一步的开发,发布分析模块以供下载.