基于主成分分析法的企业项目决策分析

企业项目因投资大和工期长等特点,使得自身存在着许多不确定因素,这就决定了它的多风险性。如何从众多风险中识别各种不同风险的重要程度和影响力,对项目的顺利实施至关重要。利用主成分分析法对某通讯企业2013年10月20日至2014年1月31日期间的6个项目进行分析与评价,最终得到各项目活动的质量和排名情况,为企业决策提供了科学的依据,对量化管理奠定了基础。     

基于主成分分析法建立事故预测模型

根据事故统计数据建立事故预测模型,对分析现有交通环境下事故影响因素并采取相应的措施进行防治具有重要的意义。本文采集多条公路四路信号交叉口事故数据,运用主成分分析法进行事故影响因素相关分析,建立事故预测模型,经检验预测模型具有较高的精度。     

基于主成分分析法的变风量空调系统传感器故障诊断

在已经建立的建筑空调系统仿真器的基础上,针对变风量（VAV）空调系统的传感器故障,提出一种基于主成分分析（PCA）和法则相结合的传感器故障诊断方法。建立了PCA模型,将由传感器测量值所组成的测量空间分解为主成分和残差两个子空间,进行故障检测后再由基于法则的策略进行故障重构。仿真试验表明,该方法不仅能够准确地检测并隔离传感器故障,而且可以初步地进行故障重构,为进一步研究传感器的故障诊断提供了必要的基础。     

基于主成分分析法的我国上市公司信用风险评价模型

采用理论分析与实证分析相结合的研究方法，建立了适合我国上市公司信用风险评估的模型。该模型采用主成分分析法筛选出我国企业信用风险评价的主要指标变量，并选取我国2002年度22个行业500家上市公司的财务数据样本，对该模型进行验证，得到的判别正确率为88．67％。该模型评价指标体系简单，实用性强，运行成本低，准确率高，为我国上市公司信用风险评价提供了一种新的有效方法。     

基于主成分分析的建筑空调系统传感器故障检测

在已经建立的建筑空调系统仿真器的基础上,针对系统的温度、湿度、流量传感器提出了一种基于主成分分析的传感器故障诊断方法.该方法根据系统正常的历史运行数据建立数理统计模型,通过传感器实际测量数据与正常数据阵在故障子空间投影的比较,对传感器的故障进行检测.仿真试验表明,该方法能够诊断出固定偏差和漂移故障,为进一步研究传感器的故障诊断提供了必要的基础.     

基于主成分分析法的中国城镇居民消费结构研究

以2009年全国31个省、市、自治区的城镇居民家庭平均每人全年消费性支出的食品、衣着、居住、家庭设备用品及服务、医疗保健、交通与通讯、娱乐教育文化服务、其它商品和服务等8个指标数据为依据,利用R统计软件,采用主成分分析法对当前城镇居民消费结构进行分析,结果显示:娱乐教育文化服务、交通通讯、家庭设备用品、居住、食品是影响消费大小变动的主要因素,而衣着、医疗保健、居住、食品是影响消费结构变动的主要因素;各省市城镇居民消费大小与其经济发达程度密切相关;相邻省市消费结构比较相似;沿海地区与内地消费结构有较大的差别.     

运用主成分分析法预测人才需求

经济发展和经济结构调整影响着人才的需求和结构变化，人才资源与经济增长密切相关。运用主成分分析法对天津市人才需求情况进行分析，指出人才对经济发展的重大作用，改变人才培养模式，提高人才培养数量和质量的重要性。     

基于主成分分析法的高等学校发展状况评价

利用主成分分析能够把多个指标转化为少数几个指标的思想,介绍了其基本思想及其计算步骤．针对影响高等学校发展的指标因素,利用主成分分析方法来对高校的发展状况做出合理的综合评价．最后根据一个高校最近几年的发展做出综合评价．     

基于改进主成分分析法的全国城市化水平研究

从区域经济、人口、基础设施和生活方式等4个方面入手,构建城市化水平评价指标体系。由于传统的主成分分析法未考虑原始评价指标对评价问题的重要性上的差异,因此运用改进的主成分分析法对全国31个地区及城市城市化水平分析并排名。由改进的主成分分析法计算得到的结果看我国31个地区城市化水平有较大的差异,沿海地区、珠江三角洲地区和长江流域地区发展水平较好,西北部地区城市化进程则相对较慢,阐述了具体地区的客观经济及人文环境造成此种差异的原因,并对未来城市化发展方向讨论了一些改进思路。     

基于非线性主成分分析法的SWOT战略定位模型研究

文章构建了基于非线性主成分分析法(NLCPA)的SWOT战略定位模型,实现了SWOT定性分析与非线性定量分析的有机结合,充分考虑了影响战略定位SWOT子因素间的关联性.该模型通过引入非线性主成分分析法,避免了AHP-SWOT等基于线性均值SWOT战略定位模型的缺点,提高了分析结果的科学性和可信度.运用该模型对中航工业某飞机装备有限公司战略定位的SWOT因素进行综合评估,采用得到的综合主成分的指标代替原来较多的指标,将主成分的方差贡献率作为权重,以主成分的线性加权值作为SWOT因素的综合评价结果,提高了该公司战略绩效管理定位的效度,并与基于线性均值分析法的SWOT战略定位模型应用结果进行了验证比较.     

Study on peptide-peptide interaction using high-performance affinity chromatography and quartz crystal microbalance biosensor

The specific interaction between sense and antisense peptides was studied by high-performance affinity chromatography （HPAC） and quartz crystal microbalance （QCM） biosensor. Fragment 1-14 of human interferon-β （hlFN-βwas chosen as sense peptide and its three antisense peptides （AS-IFN 1, AS-IFN 2, and AS-IFN 3） were designed according to the degeneracy of genetic codes. The affinity column was prepared with sense peptide as ligand and the affinity chromatographic behavior was evaluated. Glu-substituted antisense peptide （AS-IFN 3） showed the strongest binding to immobilized sense peptide at pH 7.5. A quartz crystal microbalance-flow injection analysis （QCM-FIA） system was introduced to investigate the recognition process in real-time. The equilibrium dissociation constants between sense peptide and AS-IFN 1, AS-IFN 2 and AS-IFN 3 measured 2.08×10^-4, 1.31×10^-4 and 2.22×10^-5 mol/L, respectively. The mechanism study indicated that the specific recognition between sense peptide and AS-IFN 3 was due to sequence-dependent and multi-modal affinity interaction.     

基于Matlab的多尺度主元分析在过程监控中应用

提出一种新的基于Matlab的多尺度主元分析方法(MSPCA)，即综合主元分析去除变量间关联、小波分析提取测量决定性特征和可去除测量自相关性的优势，用于多变量统计过程的监控，用MSPCA进行过程监控，不仅能提高侦察决定性交化的能力，而且能提高自相关测量监控的效率，同时还可以提取反常操作特征信号，算例测试表明，与普通PCA方法相比，MSPCA方法在过程监控中比较有效。     

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.     

基于主成分分析法的城市大气主要污染物关系研究

大气污染物是造成城市居民呼吸系统疾病高发的重要原因,研究城市大气主要污染物关系有助于有关部门采取针对性的治理措施.调查16个城市大气污染现状,借助SPSS软件,采用主成分分析法,对SO2、NO2、PM10、PM2.5、CO、O3等6个大气主要污染物数据进行分析计算.提取占总方差84.364%的2个因子来反映空气的污染程度,分别为:1)PM2.5、PM10、CO和SO2;2)O3.主成分分析法可以准确探讨出空气各污染物的内在关系,该结果有助于为环保部门的治理工作提供参考.     

基于主成分分析的河流洪水系统聚类法

进行河流洪水聚类的目的是根据洪水特征的相似程度划分洪水类别,研究同类洪水的规律性以及应对措施.但是,洪水特征选择过多往往会增加计算的复杂程度,同时特征之间的相关性也使得信息大量重叠,导致计算结果失真.为此,提出基于主成分分析的河流洪水系统聚类法.该法首先将所选的洪水特征综合成少数几个不相关的主成分,然后计算出每场洪水在各主成分上的得分值并将该值作为新的洪水特征值,最后根据这些新特征值进行洪水聚类.三门峡水库入库洪水聚类实例证明了该方法的可行性.     

基于主分量分析的空间目标识别方法

目标的雷达散射截面(RCS)包含了丰富的目标类别信息,如何有效利用目标RCS特征对空间目标的雷达识别具有重要意义.文中提取中心矩作为特征向量,采用主分量分析(PCA)进一步进行特征压缩,利用支撑矢量机(SVM)分类算法来实现识别.基于实测数据的仿真实验结果表明,该方法具有较好的识别性能和推广能力.     

利用小波变换提高基于KPCA方法的人脸识别性能

基于核主成分分析（KPCA）的人脸识别算法能够提取非线性图像特征,在小样本训练条件下有较好性能. 然而并非所有非线性特征对识别都有利,过多的不相关特征可能会降低识别性能. 针对图像信息冗余的特点,预先对图像进行小波变换,通过消除对识别无关的细节信息,不仅提高了KPCA方法的识别精度,而且降低了该算法对计算机硬件的要求. 同时,为了抑制KPCA对光照等变化的较高敏感性,还提出一种对图像灰度进行衰减的预处理策略. 基于ORL数据库的实验表明,综合上述措施的系统比传统方法具有更快的训练速度和更高的识别精度.     

基于核函数主元分析的机械设备状态识别

研究了核函数主元分析在机械故障模式分类中的应用，通过计算原始空间的内积核函数实现原始数据空间到高维数据空间的非线性映射，再对高维数据作主元分析，求取更易于分类的核函数主元，实验表明，核函数主元分析更适于提取故障信号的非线性特征，能有效区分不同的故障模式，可以应用于机械设备的状态识别。     

基于PCA的纸币识别方法

纸币识别包括图像预处理、特征提取及分类器设计等.为减少计算量,使用了主成分分析法对图像进行降维;然后对图像识别时应用相关系数法.通过实验表明,使用主成分分析方法可以有效地减少数据,加快纸币的识别速度,保证纸币识别的正确率.     

基于主元分析的故障可检测性的统计指标比较

基于主元分析的传感器故障检测方法中,SPE和H aw k in T2H是两个重要指标,针对目前应用中SPE指标有不足,而H aw k ins T2H指标一直没有得到重视的问题,该文通过分析对比SPE和T2H指标的控制限和基于主元分析的传感器故障可检测性的充分条件,得出了SPE和T2H指标的可检测故障幅值计算公式。定性分析了SPE和T2H指标对不同传感器故障具有不同的检测能力,并通过数值仿真进行了验证。指出由于T2H和SPE指标各有优劣,因此在实际传感器故障检测中应该联合使用。