基于混沌自适应烟花算法的雷达信号盲源分离

针对传统独立成分分析(independent component analysis, ICA)方法存在收敛速度慢、分离性能不高的问题,将混沌映射策略与自适应爆炸半径相结合,提出一种基于混沌自适应烟花算法(chaotic adaptive fireworks algorithm, CAFWA)的盲源分离(blind source separation, BSS)方法,并应用于雷达辐射源混合信号分选问题。混沌映射策略可以将初始值在解空间内分布更加均匀,爆炸半径能够根据适应度的优劣自适应改变,保证了所提算法局部搜索的精度,满足了全局搜索的多样性。实验结果表明所提算法可以在无噪和有噪情况下均能很好地分选观测信号,而且具有比传统算法更快的收敛速度和更优异的分选性能。     

基于PCA和相位差校正法的风切变预警算法

为了提高相干激光雷达风切变预警算法的预警率,提出一种基于主成分分析（principal component analysis,PCA）和相位差校正法的风切变预警算法。首先,利用PCA对雷达回波信号进行低阶主成分向量提取以实现信号重构,提高信噪比。其次,采用基于快速傅里叶变换的相位差校正法对回波信号峰值频率进行校正,降低回波信号能量泄露。然后,分别利用旋转电机实验数据和小型飞机实验数据对所提算法进行性能评估。结果表明,采用所提算法估计相干激光雷达回波信号峰值频率的平均绝对误差为0.26 MHz,对实际低空风切变的预警率为92.31%。所提算法可以有效降低相干激光雷达回波信号频率估计误差,实现低空风切变预警。     

冀东地区10个谷子品种籽粒矿质元素和氨基酸主成分及聚类分析

为确定冀东地区谷子籽粒中矿质元素和氨基酸的质量分数,选择河北、山东、河南等3个省份的10个谷子品种(冀科谷1号,济谷19,济谷20,冀谷41,济谷17,豫谷18,济谷18,济谷21,豫谷1号,冀谷19),采用全谱直读等离子发射光谱仪和氨基酸自动分析仪测定了籽粒中矿质元素和氨基酸的质量分数,采用IBM SPSS Stat...     

基于GC-MS的小青龙汤挥发性成分研究

探讨小青龙汤组方药材组成复方前后挥发油成分和比例的变化.采用枟中国药典枠挥发油测定甲法提取小青龙汤复方、组方中含挥发油的单味药(麻黄、桂枝、细辛、干姜、五味子)及各单味药的阴性对照处方的挥发油,并采用GC-MS联用技术对其进行分析比较,应用峰面积百分比法计算相对百分含量.从小青龙汤中共鉴定出80个挥发性成分,其中百分含...     

融合PCA降维和均值漂移聚类的协同过滤推荐算法

为了解决传统的协同过滤推荐算法中评分矩阵稀疏及近邻搜索耗时长导致的推荐准确性及时间效率有待提升的问题,设计了一种融合PCA降维和均值漂移聚类的协同过滤推荐算法PMCF。该算法用主成分分析法PCA保留最能代表用户兴趣的维度,以缓解评分矩阵稀疏问题;用均值漂移聚类算法在降维后的低维向量空间上对用户聚类,以减小目标用户最近邻的搜索范围。在Movielens数据集和HetRec2011-Movielens-2k数据集上的实验结果表明,PMCF算法能够有效地提升推荐结果的准确性,同时具有较高的时间效率。     

大学毕业生择业因素统计分析

通过问卷调查,收集得到一些大学毕业生的有关择业因素的数据,并且对此进行统计分析,为大学生、学校、社会提供一些有益的参考。     

超临界CO2萃取法提取库尔勒香梨精油及其成分分析研究

采用超临界CO2萃取法提取库尔勒香梨精油,用气相色谱-串联质谱技术对其成分进行分析,并对几种提取方法进行综合比较。结果表明,与水蒸气蒸馏法、固相微萃取法相比,超临界CO2萃取法具有香梨精油提取率最高,为0．0549％。感官分析的结果表明,超临界CO2萃取法所得的库尔勒香梨精油颜色为橙色透明液体,而且风味好。气相色谱-质谱联用（GC-MS）分析结果表明：超临界CO2萃取法所得的香梨精油中共鉴定出28种成分。丁酸乙酯、顺-7-十四烯-1-醇和乙酸己酯的含量最高,含量分别为5．19％、4．85％和4．37％。     

主成分分析法在大学生体质健康综合评价中的应用

根据《国家学生体质健康标准》规定,体重指数、肺活量、立定跳远、坐位体前屈、50 m跑、引体向上、仰卧起坐和1 000 m长跑等项目为大学生体质健康测试项目.利用主成分分析法对安庆师范大学150名学生体质测试成绩进行分析,得出控制这些指标的3个主要因素,并针对结果分析大学生体质健康状况,提出相关对策与建议.     

基于主成分回归分析的瓦斯含量预测

为了增加多元回归模型预测的精度,将主成分分析与多元回归分析相结合提出了PCA—MRA模型,并将该模型用于实际瓦斯含量预测。结果表明,PCA—MRA模型消除了输入变量之间的相关性,减少了输入变量值个数,提高了预测精度,便于实际推广和应用,为瓦斯含量预测提供一种新的途径。     

基于P-ARIMA的空气质量预测模型

文章提出了一种新的空气质量预测模型,可同时对空气质量指数AQI和6个污染指标进行预测.该模型通过主成分分析(PCA)提取空气质量矩阵的主要特征并进行压缩,然后将压缩矩阵与差分移动平均自回归模型(ARIMA)相结合,来预测未来的空气质量.最后在公开的空气质量数据集上进行了实验.实验结果表明,该文提出的P-ARIMA模型能够有效地提高预测精度并减少计算所需的时间.