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。     

基于子空间特点的高维数据分类方法分析

结合主成分分析法与子空间聚类法对高维数据进行分类处理。通过主成分分析法去除噪音信息,再分别用K-means算法和模糊C-聚类算法进行子空间聚类,最后通过ROC曲线进行敏感性分析,得到简单、准确的数据分类方法。通过聚类结果图可以看出,我们的分类效果是较好的,这也为高维数据处理提供了有效的方法。     

基于KPCA-GG的火力发电设备状态诊断方法

为了解决具有非线性特征的设备状态诊断问题,提出一种基于核主成分分析和Gath-Geva模糊聚类相结合的多元时序分割算法.根据Gath-Geva模糊聚类算法得到聚类结果,利用核主成分分析算法提取非线性特征,从而构造KPCA分析模型.将聚类类簇在该模型空间中的距离作为类簇相似性分析及合并的标准,以提升方法的分割效果.实验结果表明,基于KPCA的Gath-Geva模糊聚类算法能识别数据的非线性信息,更准确地分析数据特征,其分割效果优于基于主成分分析的聚类算法的分割效果.通过提取的非线性特征对数据进行分割有助于识别设备状态的转换,可用于解决一类具有非线性特点的火力发电设备过程状态诊断问题.     

基于核熵成分分析的热轧带钢自适应聚类分析

为提高热轧带钢力学性能离线检测的针对性和生产过程控制的实时性,提出利用聚类分析方法实现生产状态的聚类,对错分或离群样本进行力学性能的重点检测.常用的高斯核主成分聚类分析中假设数据服从正态分布,以方差大小提取核主成分,而实际生产数据分布复杂,拟采用核熵主成分分析,并自适应选取核参数和聚类数,实现生产状态的自适应聚类.利用实际生产数据进行方法验证,与核主成分聚类分析相比具有更好的聚类结果,聚类正确率从86.23％提高到96.51％,更加有效地提高了质量检测的针对性.     

基于因子与聚类分析的中国31省市的就业情况

数据深度作为一种多维的排序方法,已经被广泛应用于多元回归、聚类判别、风险度量等众多领域.基于《中国统计年鉴》(2010)的数据,在主成分分析的基础上,定义了新的深度函数作为评价准则对中国31省市的就业情况进行了综合排序.进一步以主成分的方差贡献率为权重,运用加权欧氏距离进行了主成分聚类.总结出4个层次的地区就业情况的总体特点与差异,并对其差异的形成原因进行了简要分析.     

黑龙江省各城市综合竞争力统计分析

针对黑龙江省各城市的12项指标,利用SPSS统计软件进行分析,采用因子分析法对指标提取主成分因子,得到主成分因子得分,对主成分得分进行排序,利用聚类分析法对排序后的城市进行分类,根据数据显示的结果,提出发展意见。     

基于主成分分析和模糊聚类的水文分区

水文分区有各种方法,文章提出了集模糊聚类与主成分分析方法的各优点组合的水文分区方法,首先采用主成分分析法获得水文特性主成分属性,然后运用模糊聚类算法NFC(Net Fuzzy Cluster)进行模糊聚类.利用主成分分析法对分区指标进行降维处理,简化了计算.应用NFC模糊聚类,在一定程度上解决了FCM算法局部极值问题且具有良好的聚类性能,实现了聚类的科学化与自动化.对安徽省淮河流域的124 716个原始水文数据进行实验,结果表明,与传统分区方法相比,所提出的方法有效地改善了时间性能,提高了求解精度,所得结果为水文站网规划提供了理论依据.     

PCA-KDKM算法及其在微博舆情中的应用

针对K-means算法因随机选取聚类中心而易造成聚类结果不稳定的问题,提出PCA-KDKM算法。该算法使用主成分分析法对数据集的属性降维,提取主属性;利用k′dist曲线自动获取k值;计算平缓曲线上所含数据对象的均值并选取其中一值,作为首个初始聚类中心;利用基于密度和最大最小距离的算法思想进行聚类;结合类间距离和类内聚类提出聚类质量评价函数。将该算法与K-means、KNE-KM、QMC-KM、CFSFDP-KM在UCI数据集上进行聚类比较,结果表明该算法聚类结果稳定,聚类准确率高。将PCA-KDKM算法应用在微博舆情分析中,抓取不同类别的数万条数据进行聚类分析。实验结果表明,PCA-KDKM算法在微博舆情分析中有更高的准确性和稳定性,有利于及时发现热点舆情。     

基于KM-PCA稀疏信号的盲源分离算法

欠定盲信道估计是欠定盲源分离的关键组成部分,其估计精度直接影响到源信号的估计精度.基于充分稀疏假设,在K均值聚类的基础上,提出一种新的欠定盲信道估计算法——K均值与主成分分析方法(KM-PCA算法).该算法首先对观测数据进行K均值聚类,然后对聚类分析结果分别进行主成分分析,修正其聚类中心,从而提高混叠矩阵的估计精度.采...     

我国城市建设水平研究

基于《中国统计年鉴》最新数据,运用稀疏主成分方法及聚类分析方法,对2017年和2018年我国各地区城市建设水平的差异进行了研究;稀疏主成分分析在降维的同时,通过惩罚函数方法,对载荷矩阵进行稀疏化处理,其分析结果相较于主成分分析具有较强的可解释性;此外,对我国各地区进行了聚类分析,聚类结果验证了稀疏主成分法排名的合理性,...     

基于主成分和聚类分析的汽车行驶工况构建

基于城市汽车实际道路行驶采集的数据,运用主成分和K-means聚类分析,对汽车行驶工况进行构建并分析误差.首先,对5种类型的原始数据,依次进行时间不连续数据、尖点数据、毛刺噪声数据以及怠速异常数据等预处理;其次基于预处理后的数据,对运动学片段进行划分,同时引入14个相关的运动特征指标,采用主成分分析进行降维处理并选取了具有代表性的5个主成分,基于K-means聚类分析算法将其运动学片段按照拥堵路况、一般拥堵路况和通畅路况分为3类,再根据聚类结果选取最优工况片段,从而得到最终的工况曲线.最后,对汽车行驶工况与所采集数据源的各运动特征值进行误差分析,验证了所构建的汽车行驶工况的合理性.     

化学计量学中的主成分分析

主成分分析是对多变量数据进行降维处理的一种线性投影方法，它在尽可能保留原有信息的基础上将高维空间中的样本映射到较低维的主成分空间中，使数据矩阵简化，降低维数，寻找少数几个由原始变量线性组合的主成分(也称潜变量)，以揭示数据结构特征，提取化学信息．主成分分析是化学计量学中的基础方法，广泛用于化学实验数据的统计分析，进行数据降维、变量提取与压缩、确定化学组分数、分类和聚类，以及与其他方法联用进行数据处理．     

基于聚类评分的暴雨/冰雹分类模型

针对暴雨和冰雹2种强对流天气的区分问题,研究了主成分分析联合线性鉴别分析对雷达图像中提取的冰雹及暴雨特征降维和去相关的作用,设计了基于聚类评分的暴雨/冰雹分类模型,采用K均值聚类评分的办法确定具有高分类性的主成分,并以此主成分设计分类器对暴雨和冰雹进行区分.结果表明:主成分分析联合线性鉴别分析进行特征处理能够在降维的同时保留大部分分类性信息,基于聚类评分的分类模型有利于提高冰雹识别的命中率并降低其误警率,且对一般类型公共数据分类问题有效.     

基于加权主成分分析和改进密度峰值聚类的协同训练算法

[目的]针对协同训练算法在视图分割时未考虑噪声影响和两视图分类器对无标记样本标注不一致问题,提出了基于加权主成分分析和改进密度峰值聚类的协同训练算法.[方法]首先引入加权主成分分析对数据进行预处理,通过寻求初始有标记样本中特征和类标记之间的依赖关系求得各特征加权系数,再对加权变换后的数据进行降维并提取高贡献度特征进行视...     

基于Box-Cox变换的多元分层课堂教学评估模型

对课堂教学评估问卷的数据进行Box-Cox非线性变换;对变换后的数据进行指标聚类,建立多层指标体系;在每一指标类内实施主成分分析,建立了一种基于Box-Cox变换的多元分层课堂教学评估模型.将分析结果与未作Box-Cox变换的结果进行比较.结果表明:Box-Cox变换后的主成分分析给出的指标分类意义更明显,并且能够将原始数据中无法分开的高分数据更好地加以区分.     

地区经济发展的聚类分析和实例判别

针对我国各省（直辖）市的2003年度经济数据，选取18个经济指标进行主成分分析，得到资本类、人力类、知识类、制度类和生活类共5类经济类别指标；再对经济类别指标进行系统聚类分析，得到我国3类不同的地区经济类型；在阐明聚类结果的直观意义后，利用实例进行判别分析，以确认聚类效果．聚类结果为制订有针对性的地区经济发展战略提供依据．     

基于局部线性嵌入的时间序列聚类

时间序列聚类是时间序列数据挖掘中重要的研究内容之一。由于时间序列的维数比较大,直接对时间序列原始数据进行聚类性能不理想,如何有效的对时间序列进行维数约简,并且保持原数据集本质特征,是本论文的主要研究点。首先使用局部线性嵌入(LLE)对时间序列样本维数约简,在低维空间对维数约简后的数据进行聚类,然后将它的聚类性能与已有方法如主成分分析(PCA)、分段聚合近似(PAA)进行比较。实验表明,使用LLE更能提高聚类性能。     

基于主成分分析和优化聚类算法的行驶工况研究

针对模糊C均值聚类算法容易陷入局部最优以及传统的主成分分析法没有完全体现出用数量较少的综合指标来代替多个指标的问题,提出了一种改进的主成分分析和利用遗传模拟退火算法优化后的模糊C均值聚类算法相结合的聚类算法(GSA-FCM),从而构建汽车行驶工况图:首先,利用改进的主成分分析法对特征参数矩阵进行处理;然后,采用GSA-...     

主成分分析法在成年男性体型聚类中的应用

针对GB/T1335.1-1997男装号型标准中,体型分类指标单一,体型分类不够细致的现状,利用三维人体扫描技术采集了成年男性长度、围度、宽度、厚度等方面的人体数据,采用主成分分析从中提取了不同体型聚类指标,进行了相应的体型聚类分析.所得结果表明,应用主成分分析法进行成年男性体型聚类可改进当前国标体型分类指标单一的不足,达到细化体型分类的目的,完全符合大规模量身定制时代对体型分类的要求.     

基于主成分、聚类分析对我国各个地区幸福指数的研究

本文采用主成分分析和聚类分析,利用Matlab和Spss软件对我国2011年各地区有关幸福指数的指标进行分析。将相关性指标用同一个主成分表示,然后求取各个地区的综合值,最后利用聚类的方法对这些地区进行聚类,得出结果可以为各地区提供建议,从而提高当地居民的幸福感。