基于时序全局主成分分析的广西经济发展动态描绘

选取广西1990～2005年的地区生产总值、第一产业产值、第二产业产值、第三产业产值、财政收入、社会消费品零售总额、固定资产投资等7个指标16年的数据,利用时序全局主成分分析方法动态描绘广西1990～2005年的经济发展历程.描绘结果显示,1998年以前广西的经济发展速度较慢,1998年以后,广西经济发展有所加快,尤其是2001～2005年经济发展保持持续快速发展的势头.描绘结果与广西经济发展实际情况基本吻合,时序全局主成分分析方法可以综合评价国民经济的发展状况.     

环境质量评价中的主成分分析与全局主成分分析方法

给出在环境质量评价中对即时性平面数据的主成分分析方法与对多维动态数据系统的全局主成分分析方法,着重介绍了对时序立体数据表进行立体式的综合与简化,并应用于具体的实例,得到很好的结果.这两种方法对环境质量的评价和治理工作都有积极的指导作用与重要的应用价值.     

基于主成分分析的上市公司财务危机预警模型研究

建立了主成分分析预警模型,该模型可以用来对企业财务困境进行预测.经实证研究得出,该模型对检验样本的预测正确率为70%,说明主成分分析方法对上市公司的财务危机具有较好的预测效果.     

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%.     

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.     

一种基于核主成分分析的人脸识别方法

针对主成分分析（PCA）算法中存在不能提取非线性特征的问题,提出了利用KPCA提取图像特征,最近邻法分类的人脸识别改进方法。基于ORL数据库的相关实验表明,这样的系统能够取得比传统PCA更好的识别性能。     

基于非线性主成分分析的综合国力评价模型研究

如何构建一种定量的综合国力评价模型具有重要意义。当前评价综合国力的方法不多,一般方法易受主观因素影响。本文给出非线性主成分分析综合评价方法,有较好的稳定性和可靠性。利用该方法,本文对世界主要国家的综合实力进行了评价。     

基于主成分分析的股票投资策略

本文利用主成分分析方法对沪深股市3个主流板块的股票进行分析,从中选取各个板块具有高成长和盈利能力的股票组成股票池,并对股票池中的股票再次进行主成分分析,得到上市公司成长与盈利能力的综合排名.基于上面的客观分析结果,提出了股票投资策略.     

基于主成分分析的投资决策评价

以上市公司为例,利用主成分分析方法借助SAS软件对企业的获利能力,偿债能力,经营能力等多项财务指标进行综合分析,为投资者的投资决策提供了客观科学的依据。     

基于糖尿病相关因素的主成分分析

基于主成分分析的理论,对与糖尿病发病率相关的一些因素（如民族因素、平均气温、平均气压、相对湿度）之间的关系进行主成分分析。     

基于主成分分析的上市公司经营绩效评价

基于主成分分析法,建立了绩效评估模型,对2008年至2011年期间的16家钢铁行业上市公司的经营绩效进行评分以及排名,得出钢铁行业总体绩效是增长的,但发展并不稳定,两极分化现象依旧严重的结论。     

区域经济动态发展水平的全局主成分分析方法

时序立体数据表全局主成分分析方法能够为动态评价区域经济发展水平提供一种高效科学的量化工具,是一种多指标综合评价分析方法.运用该方法从地理空间和时间变化的角度动态描述区域经济差异,并对内蒙古各盟市区域经济发展水平的现状进行分析评价,得到了与实际情况非常一致的结果.     

基于主成分分析的股票投资策略

本文利用主成分分析方法对沪深股市3个主流板块的股票进行分析,从中选取各个板块具有高成长和盈利能力的股票组成股票池,并对股票池中的股票再次进行主成分分析,得到上市公司成长与盈利能力的综合排名。基于上面的客观分析结果,提出了股票投资策略。     

基于动态加权差分主成分分析的故障检测

针对工业过程中存在的动态特性和多模态特性问题,提出一种动态加权差分主成分分析法(dynamic weighted differential principal component analysis,DWDPCA)。首先通过设置合理的时间窗描述系统的时序特性;其次对时间窗内的样本寻找第一近邻和第一近邻的近邻集,使用加权差分法对数据进行处理,解决数据中心漂移问题;最后利用处理好的数据建立主成分分析(principal component analysis,PCA)模型进行故障检测。该方法可解决数据动态、中心漂移问题。使用该方法对数值例子和TE(tennessee eastman)过程进行故障检测验证所提出方法的有效性。     

基于主成分分析的磨矿旋流器机理模型

针对我国以螺旋分级机为1段分级设备的两级磨矿流程，进行了磨矿过程旋流器机理模型的研究.首先，分析了磨矿过程，并结合主成分分析方法确定对系统运行起主要作用的变量用于建模.然后，建立磨矿旋流器机理模型，采用规则推理确定模型参数.最后，应用某选矿厂磨矿分级生产数据设计并进行仿真实验.结果表明，该模型对旋流器溢流粒度分布的仿真与实测结果的动态特性相符.解决了磨矿旋流器运行过程模拟问题，为磨矿分级优化控制研究提供了合适的动态模型.     

基于主成分分析的自适应天线研究

在投影渡束形成的基础上,提出了一种基于主成分分析神经网络的波束形成算法.该方法利用自适应迭代形式获得了波束形成的权向量,避开了投影算法对相关阵特征值分解的计算过程,因而减少了计算量,获得了相对快速的波束形成图,提高了自适应能力.经数值模拟仿真,验证了该方法的正确性.     

基于主成分分析和Softmax回归模型的人脸识别方法

文章介绍一种基于主成分分析(principal component analysis,PCA)和Softmax回归模型相结合的人脸识别方法,该方法通过PCA对整幅图像提取特征,然后将提取的特征经过非线性变换输入到Softmax回归模型中。将主成分提取特征看成是单层神经网络,将它与Softmax回归模型构成的级联结构看作是2层神经网络,在神经网络的训练过程中,主成分的特征向量可以微调。在不同人脸数据库上的实验表明,相比于传统的只用PCA降维的方法,本文方法可达到较高的识别率。     

基于主成分分析的特征简化

特征评选与简化是模式识别研究中至关重要的任务。本文介绍了降维映射的主成分分析特征评选与简化方法,提出了以神经网络实现主成分分析的结构和算法,为模式识别特征简化提供了一条有效途径。     

基于主成分分析法的学生综合成绩分析

本文利用主成分分析法建立了数学模型,运用SPSS软件得出各主成分的贡献率,并结合学生成绩进行了分析,其结果为教学研究和管理提供了科学的依据。