综合评价指标的选择方法及实证分析

首先通过聚类分析对评价指标的相关性进行分析,其次运用主成分分析法剔除相关性高及不重要的指标,提出了适宜于不同地区企业评价的指标选择方法,最后对宁夏先进企业的综合实力进行了实证分析.     

基于客货分离的十车道高速公路车道管理适用条件研究

针对十车道高速公路复杂的交通环境,考虑交通量及货车比例双重因素影响,采取全面试验设计方法,利用VISSIM交通仿真软件对4种车道管理方案开展仿真模拟研究,以平均车速、路段通行能力、冲突数为评价指标,采用主成分分析法构建车道管理方案评价方法,基于多组合交通条件下的车道管理方案评分提出十车道高速公路不同车道管理方案适用条件。结果表明：针对十车道高速公路,当交通量≤1 000 pcu/(h·车道数)时,宜在左侧一条车道禁行货车;当交通量>1 000 pcu/(h·车道数)且货车比例≤30%时,宜在左侧三条车道禁行货车;当交通量>1 000 pcu/(h·车道数)且货车比例>30%时,宜在左侧两条车道禁行货车。     

基于PCA的道路运输企业安全评价研究

对基于主成分分析法的道路运输企业安全评价的可行性进行了分析,构建了道路运输企业安全评价指标体系,建立了道路运输企业安全评价主成分分析模型,并通过SPSS进行模型计算.最后通过5家企业安全评价算例,演示了应用模型的详细过程,验证了模型与算法的可行性.     

一种多指标综合评价中确定指标权重的方法

通过对主成分分析法赋权原理的讨论，提出了如何把主观赋权法融入其中，从而实现了指标定权过程中主客观方法的有机结合，使赋权结果更理想，并以企业经济效益评价为例作了具体应用。     

主成分分析模型的多指标综合评价方法

在多指标综合评价中,为改进加权和的不足,采用主成分分析法,依据评价对象在主成分上的得分综合进行评价.此方法完全可以应用到多指标的综合评估考核中.     

基于主成分分析的客货滚装服务质量主要维度构成

为衡量客货滚装企业服务质量维度的构成以便进一步研究各维度对顾客满意、顾客忠诚的影响,提高其竞争优势,在PZB服务质量评价SERVQUAL量表的基础上,结合Schmenner四种服务企业类型划分研究成果,采用主成分分析法对客货滚装企业服务质量维度构成进行探索。结果表明:客货滚装服务质量有五个构成维度:安全性及有形性、关怀性、反应性、可靠性、企业社会责任;其中企业社会责任维度为其行业所特有。该成果对客货滚装企业进行服务质量管理具有一定的参考价值。     

改进的基于PCA的软件缺陷预测方法

为了避免在变量多重情况下基于PCA的软件缺陷预测出现明显失误,对传统PCA方法的缺陷加以改进,利用UML软件工程组织网站上公布的某中等规模软件公司项目功能点数据,采用改进的PCA方法对项目综合性能进行软件缺陷预测,并与传统PCA方法的预测结果进行了对比．结果表明,改进的PCA方法对软件系统的综合性能有较好的预测能力．     

对多指标综合评价的主成分分析方法的改进

国内关于应用生成分分析方法进行综合评价的案例很多。但在众多的案例研究中我们发现，主成分分析的应用也还存在一些问题．问题之一：究竟应选取多少个主成分来对样本进行综合评优排序；问题之二：对主成分的经济含义有时难以作出合乎客观实际的解释，这有碍于对定量综合评价作定性分析。本文拟结合实例对这两个问题作些探讨。一、主成分个数选取对此问题的见解有两神观点。一是只用第一主成分。英国统计学家肯德尔认为：第一主成分能够最大限度地反映样本问的差异，是概括指标差异信息的最佳线性函数。［’1因此，只能用第一主成分对样本…     

上市公司财务状况评价的统计和神经网络方法

根据上市公司的财务报表对上市公司的财务状况进行综合评价对投资者的投资和监管部门的监管活动具有重要的指导意义．本文利用主成分分析方法对产生于财务报表的各种财务比率指标进行优化处理，形成新的主成分指标，并以主成分作为输入变量，使用竞争学习网络进行聚类分析．最后用广泛采用的综合评分方法得出每一类企业的财务特征，清晰直观的表达了企业的财务状况．     

基于PCA和信息增益的肿瘤特征基因选择方法

针对肿瘤基因数据因维度高和冗余基因较多而导致分类精度低的问题,提出一种基于PCA和信息增益的肿瘤特征基因选择方法.该方法首先使用PCA算法剔除冗余基因,获得预选特征基因子集;然后利用信息增益算法对预选特征基因子集进行优化选取,得到特征基因子集;最后采用不同分类模型对特征基因子集进行仿真实验.实验结果表明,所提方法提高了基因表达谱的分类精度,从而表明致病基因被有效地选取出来.     

客货分离式高速公路主线与匝道协同控制算法研究

为保障高速公路的高效运行,提出适用于客货分离式高速公路主线与匝道协同控制算法.选取被广泛应用的ALINEA模型作为匝道控制的基本模型,再依据高速公路主线上下游交通流的变化进行入口匝道调节,确保入口匝道下游主线的占有率接近期望占有率,使高速公路主线在接近最大交通容量时充分考虑主线上游交通量对匝道调节率的影响,从而实现主线与匝道协同控制.利用Vissim软件进行仿真,结果表明,在运行效率方面,采用协同控制策略的客货分离形式高速公路优于传统ALINEA控制策略的客货分离式高速公路,远优于客货混行、无控制策略的高速公路.     

基于PCA和DC的信息系统需求变更管理方法研究

用户需求变更问题是信息系统需求工程研究的重要内容.影响需求变更的因素指标非常多,选取一个好的需求变更管理方法比较困难.针对这一问题,提出基于主分量分析(PCA)和动态聚类(DC)的信息系统需求变更管理方法.     

基于Labview和PCA分析方法的电子鼻设计

为解决电子鼻在食物品质评价中的应用问题, 设计了基于金属氧化物半导体型气体传感器阵列和\{Labview\}虚拟仪器的电子鼻系统。该系统通过对不同样品进行信号采集建立气味数据库, 信号采集系统由STM32微控制器和24位模数转换器AD7794构成, 采集的信号通过串口被传输到PC(Personal Computer), PC接收数据后, 使用在Labview平台下搭建的上位机软件, 通过内嵌的Matlab脚本对数据进行整理, 最终利用PCA(Principal Component Analysis)对数据进行分析, 获取气味指纹。该系统通过对5种不同种类食用酱的挥发气体进行检测, 建立气味数据库, 进而实现对未知酱品的检测,最终实现了对不同种类的食用酱准确区分的方法。     

一种新的加权主分量分析方法

提出了一种新的加权主分量分析方法,该方法和传统主分量分析的区别在于考虑了训练样本分布情况,给出了一种新的均方差矩阵估计方法,再进行特征抽取和识别.在ORL人脸数据库上的试验结果表明,所提出的方法在识别性能上优于主分量分析.     

基于QSAR和PCA方法的硝基芳烃综合毒性评价

化学品的风险评价与管理应该关注基于多种生物体效应的综合毒性。为了评价毒性数据稀缺化合物的综合毒性,以50种硝基芳烃为研究对象,收集了它们的多种生物毒性数据,建立了稳健的定量结构活性相关(quantitative structure-activity relationship,QSAR)模型,预测缺失毒性数据,解释了硝基芳烃的致毒机理——硝基芳烃与生物受体分子的亲电反应活性是决定其毒性的主要因素。然后应用主成分分析(principle componentan alysis,PCA)方法对基于QSAR模型计算获得的50种硝基芳烃的各种生物毒性数据进行分析,计算综合毒性因子(integrated toxicity index,ITI),对综合毒性因子进行QSAR分析,得到可直接由硝基芳烃结构参数预测综合毒性因子的单参数QSAR模型。结果表明,QSAR与PCA方法的结合可以成功地评价和预测硝基芳烃的综合毒性。     

矿井设计方案评价与优选的DEA方法

DEA方法是评价具有多投入多产出决策问题相对有效性的有效方法。它不受指标性质和因次量的限制。本文利用该文法对矿井设计方案进行了评价和优选,取得了非常理想的结果。     

一种基于支持向量机的PCA分析方法

提出一种更简洁的用于主要成分分析 (PCA)及其非线性分析的公式 .给出一个含有规则化项的原始权空间的约束最大优化问题 ,应用核技巧来解决其对偶问题 .该公式同最小二乘支持向量机 (LS SVM )分类器相似 .遵循常规的SVM方法 ,将输入空间的数据映射到高维特征空间 ,然后使用核技巧 ,利用主对偶约束最大优化来解释线性和非线性PCA分析问题 .其优点在于对偶问题适用于高维输入空间 ,而原始问题在N很大时能被更好地解决 .     

基于PCA与RBF的建筑能耗预测建模

由于建筑能耗因子间存在非线性和高度冗余特性,传统预测方法很难消除数据之间冗余和捕捉非线性特征,导致预测精度较低.为了提高建筑能耗预测精度,提出一种将主成分分析(principal component analysis,PCA)和径向基函数(radial basic function,RBF)神经网络相结合的建筑能耗预测方法(PCA-RBF).利用PCA消除建筑能耗高维变量数据的相关性,并按累积贡献率提取主成分,将主成分作为RBF神经网络的输入进行训练学习.通过PCA避免了模型过多的输入导致的训练耗时长及预测精度较低的不足.通过将PCA-RBF模型方法应用于某办公建筑能耗的预测中,并与RBF神经网络及BP神经网络模型相比,实验结果表明PCARBF模型方法能有效提高建筑能耗预测精度.     

基于故障重构的PCA模型主元数的确定

基于故障重构理论研究了PCA模型主元数的确定方法,应用累积方差贡献率以及复相关系数对主元模型性能进行分析·在基于PCA理论进行故障诊断中,故障变量可根据故障的方向向量进行重构,未重构方差(VRE)可分别投影于主元子空间(PCS)和残差子空间(RS)·确定最优重构是使两空间的VRE之和达到最小,与此相对应的主元数即为最优主元数(PCs)·应用累积方差贡献率以及复相关系数对主元模型性能进行评价,结果表明确定的PCA模型PCs保证了PCS中的信息存量·对于工业PVC聚合反应过程的故障诊断说明了上述方法的合理性与有效性·     

基于核PCA与SVM相结合的电子鼻模式识别算法研究

将核主元分析(PCA)与支持向量机(SVM)相结合并将其应用到电子鼻模式识别单元中,实现了数据降维和改善分类器性能。实验结果表明与单纯的应用支持向量机方法进行分类相比,此方法具有更高的识别率。