主成分分析法应用中原始数据的标准化辨析

主成分分析法对原始数据的标准化处理非常敏感,基于原始数据和标准化数据的主成分分析结果往往大相径庭。为了深入探讨主成分分析法应用于体育科学研究中如何对待原始数据的标准化问题,本文分析了原始数据的标准化处理对主成分分析结果的影响;结合体育工作中运用主成分分析的目的,讨论了原始数据的标准化处理在主成分分析法应用中的使用策略。     

集成综合评价法的终端区管制运行效率评估

终端区管制运行效率评估中指标信息间具有差异性且量纲不统一的特点.针对传统的主成分分析法对数据做标准化处理时会消除指标间差异性的不足,基于改进的主成分分析法并结合熵值法的客观性提出了一种终端区管制运行效率的集成综合评估模型.该模型运用均值化代替标准化处理指标数据,借助SPSS23软件分别得出改进的主成分分析法和熵值法评估排序结果.将两种评估结果通过一致性检验得到最终的终端区管制运行效率集成综合评估值及排序结果.算例结果表明,所建立的评估模型可以更高效的评估终端区管制运行效率.     

基于数据分布特征的分层无量纲化方法及其均衡性分析

分层无量纲化方法能够有效去除指标量纲影响的同时解决异常指标造成的数据分布不均衡、区分度低等问题.然而，该方法的使用需要人为指定区间数，使得无量纲化结果受人为因素的干扰，失去客观性.针对该问题，考虑原始数据的分布特征，提出了密度分层无量纲化方法.该方法按照数据分布的疏密程度进行区间划分，客观确定分层级数，同时兼顾分层无量纲化方法的优点，计算相对简单且减少了人为干扰.此外，通过随机模拟发现，该方法对于异常值具有较好的抗干扰性，且无量纲化结果的均衡性受原始数据规模影响.     

主成分分析在棉田质量评价中的应用

运用主成分分析法对农七师125团棉田进行质量评价。随机选取50块耕地共10个变量(评价项目)，对各变量进行数据标准化处理，再进行主成分分析。分析结果表明，第Ⅰ～Ⅲ主成分代表了评价指标的87.91％信息。根据主成分的综合得分划分棉田等级，分析结果与其它评价方法得出的结论一致。     

指标无量纲化方法对熵权法评价结果的影响——以期刊学术影响力评价为例

为了研究指标无量纲化方法对熵权法评价结果的影响,以期刊学术影响力评价为例,采用熵权TOPSIS法,对比分析了标准化和均值化两种方法对评价结果的影响。结果显示,两种方法所得熵权和评价结果均存在一定差异。其中,均值化方法可以保持原始数据的差异信息,评价结果更符合实际,更利于有效区分评价对象。标准化方法改变了原始数据的差异信息,有可能导致评价结果偏离实际。因此,该文建议在使用熵权法时,采用均值化方法处理原始数据。     

混杂纤维轻骨料混凝土配合比优选研究

随着轻骨料混凝土的广泛应用,对其性能进行综合评价凸显出必要性。主成分分析法是通过降维的过程,在保证原始数据信息损失最小的条件下,用较少的综合变量代替原有多维变量对混凝土的综合性能进行评价。试验选取了聚丙烯纤维、木质素纤维和粉煤灰为变量,并选取轻骨料混凝土的其他5项主要测试指标,采用主成分分析法对这些指标进行数值处理,得出了评价轻骨料混凝土综合性能的数学模型。     

一种对无统计环境测量模型缺省值进行预测的新方法

采用模式识别中的K最近邻法(KNN方法)对不满足于统计模型的数据阵中的缺省值进行预测，预测以样本值作为预测参照．由于原始数据阵没有训练集，故采用对原始数据进行最大似然主成分分析(MPCA)，获得的结论与KNN方法处理后的数据的主成分分析结论相比较，结果表明，两套数据分析得出的主因子数、因子负载阵基本一致，而因子得分阵有细微的差别，预测较缺省值处理可获得更详尽的信息．     

基于改进的主成分分析和集成综合评价法的水质评价

针对传统主成分分析对非线性数据处理的不足,提出了一种改进的主成分分析方法：首先利用对数变换对原始非线性数据进行线性化,然后利用均值化进行无量纲化处理,所得结果尽可能最大保留原始信息,同时大大降低了数据维数.同时,改进综合评价函数,结合熵值法,提出了集成综合评价方法：即首先利用传统主成分分析得到综合评价值,再利用熵值法得...     

基于灰色关联度的科研项目风险评价方法

以大型科研项目管理中的风险管理问题为研究对象,提出了基于灰色关联度的科研项目工艺路线选择及分阶段风险影响评价方法.通过对原始数据进行量纲为1化和累加处理,求取灰色关联度得到关联矩阵,从而找到风险影响最小的工艺路线. 在此基础上,通过求取关联系数得到各风险源在项目进展各阶段的影响,并通过实例进一步阐明了灰色关联度评价方法的步骤和实际意义.该方法为小样本、贫信息的科研项目风险的评价问题提供了可行的数学分析工具.     

企业安全评价分析方法及应用

依据某机车车辆厂的特点，建立了安全性评价指标体系，并用主成分分析法对数据进行分析处理，求出指标综合表达式和排序结果，通过对数据进行简化处理，能够找出指标间的相互关系，从而得到指标的客观权重，能更客观地反映企业的安全生产状况，并指出了主成分法应用于安全评价中的特点。实例分析表明，该方法是一种切实可行的方法。     

主元分析及数据重构在过程监控中的应用

利用主元分析方法，通过矩阵运算、降低维数以提取过程变量的主要特征，实现对工艺数据的压缩，既可解决过程变量间的相关问题，同时还有清除测量噪声的效果．化工吸附分离过程监控的应用实例表明，主要过程变量可由15个缩减为6个，累积解释程度为98%．     

基于主成分分析与BP神经网络相结合的机床主轴热漂移误差建模

为提高数控机床热误差模型的预测精度,提出了将主成分分析与BP神经网络相结合的主轴热漂移误差的建模和预测方法.使用主成分分析法对多个温度变量进行降维处理或重新组合,将处理后所得较少的主成分变量作为样本输入BP神经网络进行训练而得到主轴热漂移误差模型,并与经过测点优化后以关键点温度作为输入的BP神经网络模型进行对比分析.结果表明：基于主成分分析与BP神经网络相结合的主轴热漂移误差模型的拟合精度较高,残差较小;由于BP神经网络的输入变量较少而使所提出的模型训练速度快、迭代次数少.     

用主成分分析法作综合评价时数据的预处理问题

针对传统的主成分分析在处理数据的多重相关性、无量纲化、线形化等方面存在的缺陷,讨论并改进了主成分分析时对数据多重相关性、无量纲化及线形化等方面的预处理问题。     

用主成分分析法作综合评价睚数据的预处理问题

针对传统的主成分分析在处理数据的多重相关性、无量纲化、线形化等方面存在的缺陷,讨论并改进了主成分分析时对数据多重相关性、无量纲化及线形化等方面的预处理问题。     

Dimensioning a stockpile operation using principal component analysis

Mineral processing plants generally have narrow tolerances for the grades of their input raw materials, so stockpiles are often maintained to reduce material variance and ensure consistency. However, designing stockpiles has often proven difficult when the input material consists of multiple sub-materials that have different levels of variances in their grades. In this paper, we address this issue by applying principal component analysis(PCA) to reduce the dimensions of the input data. The study was conducted in three steps. First, we applied PCA to the input data to transform them into a lower-dimension space while retaining 80% of the original variance. Next, we simulated a stockpile operation with various geometric stockpile configurations using a stockpile simulator in MATLAB. We used the variance reduction ratio as the primary criterion for evaluating the efficiency of the stockpiles. Finally, we used multiple regression to identify the relationships between stockpile efficiency and various design parameters and analyzed the regression results based on the original input variables and principal components. The results showed that PCA is indeed useful in solving a stockpile design problem that involves multiple correlated input-material grades.     

岩石组分逐点求取方法设计与应用

 在进行较复杂岩性储层的测井评价时,岩石组分的逐点求取非常重要.为快捷而准确地逐点获取岩石组分信息,以泌阳凹陷白云岩储层为例,探讨了一种岩石组分逐点模糊聚类求取方法.首先,利用主成分分析对多种测井参数进行降维处理,其中对分析样本进行常规标准化、均值处理标准化、对数变换标准化后,前3个主因子的累计方差贡献率分别为86.07%、96.97%、96.71%.进而对降维后的分析样本进行聚类处理,并对k-均值聚类算法中类别数目的确定进行了探讨.最终,构建隶属度表达 式,利用模糊数学的思想,实现了利用常规测井资料的岩石组分逐点自动化定量求取.将计算结果与实验结论对比,表明该运算方法针对性强、限制条件少、效果良好.值得一提的是,该方法可在测井新技术资料缺乏的情况下使用.     

基于图像特征的卷积核初始化方法

针对当前卷积核初始化方法易导致网络不稳定及主成分分析算法对网络结构限制的问题, 提出一种基于图像特征的卷积核初始化方法. 该方法先结合模糊处理技术和边缘处理技术对图像进行采样, 再将采样后的数据随机分组, 使用主成分分析算法提取各组数据的主成分, 初始化卷积核. 将该方法应用于数据集Cifar-10和Corel-1000, 并与Gauss初始化方法和He初始化方法进行对比测试, 实验结果表明, 该方法性能优于其他卷积核初始化方法.     

甘薯水分关系的主分量分析

运用多元统计数学中主分量分析的方法计算和比较了甘薯离体叶片的水势、相对含水量、束缚水、水分饱和亏缺、质膜透性、丙二醛和游离脯氨酸含量等植物水分生理指标的变化。结果指出：水势、相对含水量和丙二醛等对水分胁迫作出反应的敏感程度较高。表明主分量分析方法是综合评价甘薯抗旱生理指标的一种好的研究方法。     

基于KPCA和模糊核Fisher判别的语音情感识别

针对语音情感识别率不高和实时性差的问题,提出一种基于KPCA核主成分空间的模糊KFD算法,应用于语音情感识别。首先采用KPCA对语音情感特征向量降维去噪,根据转换矩阵得到核主成分空间,然后在该特征空间利用模糊C均值聚类计算语音特征向量的隶属度,进而对LDA算法中的类间离散度和类内离散度重新定义,生成模糊KFD分类器进行语音情感识别。仿真实验结果表明,提出的方法相比于传统SVM和核Fisher判别算法具有较高的识别率和良好的抗噪性能,是一种行之有效的语音情感识别新方法。