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%.     

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。     

广义主成分分析

广义主成分分析是以主成分分析为基础发展起来的。主成分分析是将多个指标化为少数几个指标的一种分析方法。若有n个样品,每个样品测得p个指标,共有np个数据。由于指标之间往往互有影响,从p个指标中找出几个综合性指标并对其进行分析来达到目的。笔者对广义主成分分析的一般处理方法,三维二次的广义主成分分析(在三维空间中进行二次主成分分析),变量标准化问题,主成分数目的一般确定方法,对于所取主成分赋予实际意义的解释等问题,结合实例在文中作了介绍。     

基于主成分聚类分析的采矿方法优选

 采矿方法优选涉及到多指标体系的分类及综合评价问题,利用主成分分析简化了指标结构,将主成分分析与聚类分析相结合,提出了主成分聚类分析法,并基于该方法对来自某矿山的15个试样的采矿方法进行了优选。在此过程中,针对传统主成分分析方法的缺点和应用中可能出现的误区,通过均值化改进了主成分分析的特征提取,通过以主成分得分为新的数据基础做聚类分析改善了综合评价效果;对主成分含义给出了较为明确的解释;对主成分聚类、第一主成分得分、主成分综合得分的排序结果进行了对比分析。研究表明,主成分聚类分析法则既可以对多变量数据进行合理地分类,又能对各类优劣程度做出综合评价,能充分反映矿山的实际情况,终选出的采矿方法在工业试验后成效显著,验证了该决策方法是切实可行的。     

基于地理加权主成分的经济发展综合评价研究——以江苏省为例

地理加权主成分分析可判别各主成分的方差贡献的空间变动,并诊断出影响各主成分空间变化的变量.本文在结合传统主成分分析与地理加权主成分分析技术,选取经济发展水平综合评价指标,对江苏省63个县、市的经济特征进行主因子提取.得到以下主要结论：主成分分析提取得到3个主成分,分别表征经济增长方式、经济结构与经济动力;蒙特卡罗检验在0.05水平下,显著性拒绝主成分的特征值与因子载荷在空间变化上的平稳性假设;地理加权主成分的因子载荷主导着不同地区的经济结构特征,且呈集中连片分布特性,地理加权主成分的方差贡献率存在着明显的南北分异态势.可见,地理加权主成分分析可以有效识别各主成分的局域空间变化效应,诊断出影响地区经济特征空间变化的主要变量,有利于深化对社会经济要素空间的分异特征和内在机理的认知与理解.     

基于一种非凸罚函数的稀疏主成分分析方法

稀疏主成分分析方法剔除了与主成分关系不密切的原始变量,保留了与主成分关系密切的原始变量,克服了经典主成分分析方法的不足.在稀疏主成分分析的基础上,用一种收缩算子所对应的非凸罚函数替代稀疏主成分分析中的L1罚,提出了基于非凸罚函数的稀疏主成分分析方法,并给出了阈值迭代算法.结果表明,该方法相对于稀疏主成分分析方法,不仅提高了总方差贡献率,而且增加了主成分载荷的稀疏度,即更加凸显主成分与某些原始变量的关系.     

灰色主成分及其实证分析

创建了灰色主成分分析法．在灰色绝对关联分析的基础上，建立了灰色主成分分析的基本理论，定义了灰色主成分的贡献率，并对济南市出观经济的一致指标作了灰色主成分景气指数的实证分析．     

主成分分析在居民消费价格分类指数中的应用

在进行消费结构变动的分析时,由于指标多且指标体系中各指标之间存在着多重共线性,这是影响模型稳定的重要因素,使所得的模型中出现了不符合经济学原理的现象。为此采用主成分分析来消除这种多重共线性,建立主成分回归模型。运用主成分回归分析方法,建立了关于我国居民消费价格指数变动的主成分回归模型,消除了多重共线性,使模型达到了很高的拟合优度,体现了主成分分析在消除回归模型中的多重共线性的优越性。     

十二种常用中草药中微量元素的主成分分析

在已有实验数据的基础上,采用主成分分析法,对12种常用活血化瘀类中草药微量元素与质量之间的关系进行综合评价。本文计算获得了3个主成分及相应的主成分方程,表明主成分分析和因子得分可以用于12种中草药质量的综合评价,分析结果可以为药品研制和应用提供科学依据。     

新疆48个春小麦品种农艺性状的聚类分析及主成分分析

对新疆４８个春小麦品种选取的１０个农艺性状，按照离差平方和法进行系统聚类分析，将其共分为１２类；通过进行主成分分析，选取能代表全部遗传信息９０％以上的五个主成分，并对各性状在相应主成分中的贡献进行分析，明确了根据系统聚类分析结果，结合主成分分析在选取育种材料时应遵循的基本原则，即入选亲本时，应以第二主成分较高，第一、第三、第四主成分居中，而第五主成分不宜高为宜，有利于达到使株粒重、收获指数、克草粒重、千粒重、穗粒数得到提高，而使无效小穗、无效分蘖减小的目的。     

区域经济社会发展综合评价与预测

针对主成分分析(PCA)在多指标综合评价中非线性分析上的不足,提出了综合评价的核主成分分析(KPCA)方法.利用核函数将原空间映射到高维特征空间,在高维空间进行线性主成分分析;通过对核参数的适当选取,可使得最大特征值的贡献率达到或接近85%,避免了多个主成分的不同组合而导致评价结果不一致.在此基础上,利用最小二乘法建立核主成分回归方程--KPCR,并将其应用于区域经济社会发展综合评价与预测.     

无声语音接口中超声图像的混合特征提取

在基于超声的无声语音接口实现中,通常使用主成分分析或离散余弦变换提取舌部超声图像的特征。为了保留图像的关键信息,该文提出3种混合特征提取方法:使用主成分分析从小波系数中提取特征(Wavelet PCA)、分块离散余弦变换主成分分析(block DCT-PCA)和分块Walsh Hadamard变换主成分分析(block WHT-PCA)。根据能量选取适量的离散余弦变换或WHT变换系数,使用主成分分析提取选定系数的特征。实验结果表明:该文提出的混合特征提取方法优于主成分分析或离散余弦变换,其中block DCT-PCA方法最优。     

基于均值化主成分分析的城镇居民消费性支出应用研究

均值化主成分分析是在传统主成分分析法的基础上,采用均值化方法对数据进行预处理的一种改进方法。利用均值化主成分分析法对全国各地区城镇居民的人均消费支出情况进行分析,并使用Matlab平台进行仿真,最终提取出反映消费支出的主成分,为下一步的研究工作提供必要的决策支持。     

焊接质量控制的主成分分析人工神经网络

介绍了主成分分析方法及人工神经网络技术在相关因素分析和质量控制的建模与估计中的应用.以大电流MAC焊熔宽控制为例.通过对6个焊接过程参数进行主成分分析,提取出影响熔宽的4个主要因素,讨论了提取的主成分与原始过程参数间的关系.以主成分得分作为新的训练样本集,送入神经网络进行计算.结果表明,基于主成分分析的神经网络无论在收敛速度,还是在训练精度上,都远远优于基本BP神经网络。     

主成分logistic回归分析在底板突水预测中的应用

为对矿井底板突水进行预测,采用结合主成分分析法和logistic回归分析法的分析模型.利用主成分分析法对突水主控因素进行降维处理得到主成分,并计算出主成分在样本中的得分值;应用logistic回归分析法对确定好的主成分得分值进行logistic回归分析;把主成分转变回底板突水各主控因素,得到矿井各主控因素对于底板突水影响的回归模型.研究结果表明:可见模型的拟合优度很好,正确率达到90%以上;主成分logistic回归分析在底板突水预测中的应用是可行的.     

分组主成分法在综合评价中的应用

基于传统的主成分分析法和因子分析法在综合评价中存在的不足之处,运用分组主成分法进行改进,即先用因子分析法对变量进行分组,然后再分别对各组变量进行主成分分析。将改进后的方法用于评价经济效益的实际问题中,并与传统方法进行了比较,实证分析结果表明分组主成分法能更合理地反映评价结果。     

主(小)成分分析的实时算法

在图像处理、通讯技术等信息处理领域中,主成分分析(PCA)和小成分分析(MCA)是很常用的一种方法.给出能同时得到主成分分析或小成分分析所要求的特征值和特征向量的实时算法.     

体育科研中运用主成分综合评价法所面临的风险

针对主成分综合评价法在体育科研中究竟能否使用的问题,本文基于对综合评价的要求和主成分分析方法特点的分析,讨论了运用主成分综合评价法所面临的风险.结果显示:用主成分分析法精简评价指标,不能控制价值信息的损失;评价指标的主成分未必反映价值信息;主成分的方差贡献率难以代表权重系数;各个主成分的加权代数和很难反映综合价值量.而且,一般情况下这些风险难以规避.结论认为,主成分综合评价法不适合作为一种固化的综合评价方法,建议在体育综合评价中不要使用.     

基于PCA-SVM算法在岩性识别中的应用

针对岩性识别中传统方法识别率低且信息冗余的问题,建立PCA-SVM(主成分分析与支持向量机组合)岩性识别模型,即先利用主成分分析(PCA)进行参数处理,整合冗余,降低维数,后将处理得到的主成分作为支持向量机(SVM)测量模型输入的分类方法。在此过程中,优化主成分分析和支持向量机的参数,使模型具有较高的训练精度。结果表明,与传统的基于主成分分析的判别分析方法相比,预测结果与实际结果相比具有较好的一致性,识别准确率达100%。     

基于改进M5′-主成分模型树的高心墙堆石坝沉降变形预测

针对高心墙堆石坝沉降变形过程动态非线性特点,建立基于改进M5'-主成分模型树的高心墙堆石坝沉降变形分析模型,在采用相关性分析甄选沉降变形影响因素和采用主成分分析将高维影响因素空间进行降维的基础上,利用该全局分段非线性模型对高心墙堆石坝沉降过程进行分析。通过与沉降量实测值对比,验证了改进M5'-主成分模型树的有效性。通过绝对差值和均方根误差2个指标对比分析改进M5'-主成分模型树与M5'模型树、多元线性回归模型、主成分回归分析模型的预测结果,表明改进M5'-主成分模型树预测沉降量具有更高的精度。