主成分分析在企业经济效益评价中的应用

主成分的概念首先是由Karl parson在1901年引入,后又由Hotelling于1933年将这个概念推广到随机向量,主成分分析是一种将多个指标化为少数互相无关的综合指标的多元统计方法。运用多元统计分析中的主成分分析法,设法将原来众多的具有一定相关性的指标,重新组合成一组新的相互无关的综合指标来代替原来指标。通常数学上的处理是将原来指标作线性组合,从中选取方差最大的作为第一主成分,并结合北京某机械厂几年来生产中经济效益变化状况的相应指标,进行了综合分析,给出了相关的评价。     

主成分分析与因子分析之间关系分析

在学习多元统计分析时,讲到主成分与因子分析两种统计方法,一般课本都是分开讲述的。那么这两种方法是不是有一定的联系和区别呢？本文根据这两种分析方法的知识,具体讲解其区别和联系。     

主成分分析法在商业银行绩效评价中的应用

目前商业银行的绩效评价体系存在一些缺陷,主要表现在评价指标过多,指标具有明显的相关性,指标权重赋值具有明显的主观性和固定性,指标体系缺乏动态性等。本文在传统绩效评价的基础上,引入主成分分析方法,旨在利用主成分方析,对原评价体系进行简化指标,客观赋值和动态评价的优化。     

基于主成分分析的综合评分法在质量控制图中的应用

本文主要是用多元统计分析中综合主成分分析方法,改进了传统质量控制中需要利用包括均值—极差控制图、均值—标准差控制图、中位值—极差控制图等多张控制图才能进行对生产过程进行质量控制的缺点,得到用一张生产质量综合评分控制图来对生产过程进行质量控制.     

函数性数据分析中的主成分分析

通过对比多元统计分析方法与函数性数据分析方法,分析函数性主成分分析的原理、方法,并在此基础上通过实例来说明函数性数据分析的应用,其中的数据分析结果使用MATLAB软件编程所得.     

主成分分析在中国各省经济发展综合评价中的应用

主成分分析是一种将多个指标化为少数相互无关的综合指标的多元统计分析方法。运用主成分分析法对2009年我国31个省市经济发展的基本状况进行综合分析,并作出综合评价,为制定相关经济发展政策提供依据。     

宜居城市的主成分分析与评价

运用主成分分析方法对山东半岛城市群宜居状况进行评价,并结合该地区宜居性实际状况进行了比较分析．研究结果证明：主成分分析结果与客观实际情况基本一致,且比后者更为科学、详尽,更有实际指导意义,值得在今后的研究中推广应用．     

全局主成分分析模型及其在环境评价中的应用

文章对多维动态数据系统给出全局主成分分析模型，对这种时序立体数据表进行立体式的综合与简化，最后应用于环境评价，结果比较满意。     

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.     

灰主成分分析研究及其应用

针对主成分分析方法对于具有时间序列数据的处理存在的不足,根据灰系统中数据具有时间序列的特性,将灰色系统思想与经典主成分分析相结合,提出一种新的模型,即灰主成分分析。时间序列分析不仅可以从数量上揭示某一现象的发展变化规律,还可从动态的角度刻画某一现象与其他现象之间的内在数量关系及其变化规律。灰色系统理论通过序列的生成和开发,致力于现实规律的探讨,而数理统计则致力于统计历史规律的研究。将两种方法的优点结合到一起,用于解决时间序列问题,并利用面向对象程序设计的方法进行了系统实现。将该方法应用到我国国债风险指标的综合评价中,突出了新的时间序列数据对整个数据的影响性,分析结果能够为决策者提供有价值的决策依据。实验结果表明,采用灰主成分分析的效果更优越,能较真实地反映出时间对于样本数据的影响。     

主成分分析在疾病检测中的应用

主要从某医院测得100例疾病患者的18项症状出发,通过SAS软件利用主成分分析,得出影响判断各类肝病的主要症状,并通过患者的症状对其所患的肝病类型进行判断.     

营销因素的主成份分析

运用主成分分析法对市场营销的诸多因素进行分析,把影响市场营销的诸多因素,简化成几个综合成分,从而为营销人员和管理人员提供参考,为企业的发展和调整提供一个简单有价值的方法。     

主成分分析法在教学评价中的应用

将多元统计分析的主成分分析方法应用于教学评价中，通过计算和分析，找出影响教学质量的主要因素．并结合具体实例加以验证说明．     

主成分分析法在大气环境质量评价中的应用

利用主成分分析法对福州市大气环境质量进行了综合评价,并将结果与其他方法进行了比较,证明了其在大气环境质量评价中的可行性,从而为环境质量监测、污染控制、探索污染源等方面提供一定的科学参考依据.     

主成分分析在经济可持续发展研究中的应用

阐述了主成分分析的基本原理,并借助统计分析软件SAS对河北省2003年11个地区的经济可持续发展状况进行了数量分析.其中对各主成分的经济意义作了详细解释,并在此基础上得出11个地区的经济可持续发展水平评估的综合排名,同时对各市区经济可持续发展状况进行了综合评价.     

Multivariate Statistical Process Monitoring Using Robust Nonlinear Principal Component Analysis

The principal component analysis （PCA） algorithm is widely applied in a diverse range of fields for performance assessment, fault detection, and diagnosis. However, in the presence of noise and gross errors, the nonlinear PCA （NLPCA） using autoassociative bottle-neck neural networks is so sensitive that the obtained model differs significantly from the underlying system. In this paper, a robust version of NLPCA is introduced by replacing the generally used error criterion mean squared error with a mean log squared error. This is followed by a concise analysis of the corresponding training method. A novel multivariate statistical process monitoring （MSPM） scheme incorporating the proposed robust NLPCA technique is then investigated and its efficiency is assessed through application to an industrial fluidized catalytic cracking plant. The results demonstrate that, compared with NLPCA, the proposed approach can effectively reduce the number of false alarms and is, hence, expected to better monitor real-world processes.