应用主成分回归分析评估企业经济效益

文中编制了一个MATLAB程序，针对多个企业的基本数据进行主成分回归分析，得到一个经济效益的定量描述公式，从而可以不受人为因素制约地对企业进行综合评估并排名；分析发现企业经济效益主要由资金周转次数等因素决定，与实际情况相符，因此排名结果容易得到认同。此外还分析了指标间的关系。结果表明主成分回归分析法对于指标数多且指标间存在较大相关性的场合简洁高效。     

基于PCA-LSTM的多变量矿山排土场滑坡预警研究

针对矿山排土场滑坡的过程是一个动态、大延迟、情况复杂的特性问题,影响矿山排土场滑坡的因素众多,各个特性指标间相互影响,而关于排土场滑坡预警并没有严格的划分标准,本文提出主成分关联长短期记忆（PCA-LSTM）网络模型,利用主成分分析和关联性分析,挖掘出所有特性指标当中的第一主成分,与第一主成分关联性较强的其它特性指标,将得到的其它特性指标和第一主成分作为预测排土场滑坡的主要特性指标,利用长短期记忆网络（LSTM）在处理时间序列问题能够将现有输入的信息与历史信息相互结合的特点;采用LSTM网络模型通过多个其它特性指标对第一主成分地表位移指标进行预测,并取得了较好的效果.     

基于主成分分析的本科生能力评价方法研究

针对目前本科生综合素质评价体系并不能真实反映学生的能力这一问题,提出一种基于主成分分析的本科生能力评价方法。分析了能力评价体系的指标;编写皮尔逊相关系数软件,证明各个指标之间存在相关关系。利用主成分分析的方法将各指标按照不同能力类别进行划分,编写主成分分析软件,最终得出五类能力指标。利用这五类能力指标对学生的能力进行评价,得到的评价结果与学生的就业质量进行比对,得出结论,能力评价结果排名靠前的学生都是就业质量非常高的学生,并非传统的评价方法中排名靠前的学生,表明本文提出的能力评价方法更真实地反映了学生的能力。     

基于主成分和回归分析的烟叶质量分析模型

为了解决了以往单一地分析烟叶的某种特性无法将分析结果直接用于实际生产,而且分析结果易受主观因素影响的问题,采用主成分分析(PCA)和回归分析相结合的方法建立烟叶质量分析模型,构建的模型符合卷烟工业实际需求且便于实际应用.首先,采用主成分分析法对烟叶质量的所有属性进行分析,剔除了属性之间的内在联系和重复信息,把高维属性降维处理为包含了原属性大部分信息的低维主成分属性;然后,将得到的主成分数据结合烟叶专家对烟叶质量的实际评分数据进行回归分析,建立了一个有效的烟叶质量分析模型.该模型通过了数据的验证,具有比较高的准确性.     

主成分分析法在建筑企业评价中的应用

主成分分析是一种通过降维技术把多个变量化为少数几个主成分的实用统计分析方法。建筑业作为推动国民经济发展的重要支柱产业，为根据多项指标对建筑企业发展水平做出评价，使各地区部门得到有益的反馈，进而有效指导资源配置，提高建筑企业质量水平，本文在阐述主成分分析法原理的同时，对大陆地区除西藏外的30个省市自治区的建筑业情况进行了综合评价。     

主成分分析法与逐步聚类法在树种分类中的应用

林业生产中,表示某一树种性状的指标众多,而不同指标间可能存在相关性,。本文运用主成分分析的方法对众多指标进行了降维综合处理,结合逐步聚类法模型对主成分分析得到的结果进行分类,最后运用计算机技术,实现上述处理过程,并为树种分类提供了一种新的方法。     

基于动态主成分子空间的人脸识别算法

在基于子空间分析的人脸识别中,通常是按照特征值的大小来确认主成分的重要性,并以此为基础构造一个固定的特征子空间.通过人脸图像重建分析,发现固定的特征子空间会给人脸识别带来误差,于是采用多元线性回归分析理论,提出一个动态主成分子空间构造算法.在此基础上,得到了动态PCA(主成分分析)算法和基于Gabor特征的动态PCA算法.由ORL和Georgia Tech人脸数据库上的实验结果表明,该算法不仅减少了主成分数目,而且提高了识别率.     

基于二次主成分分析模型解决病情确诊问题

通过主成分分析并结合SPSS软件得到具有高信息含量的A第一主成分和A第二主成分,并分别确定A第一主成分和A第二主成分的函数解析式.在变量基础上增加A第一主成分变量,并再次通过主成分分析得到具有高信息含量的B第一主成分和B第二主成分,并分别确定B第一主成分、B第二主成分和综合主成分的函数解析式,对三者分别进行排序,确定患病与健康的判定指标.     

基于支持向量数据描述的无标签数据多类分类

为解决支持向量机（SVM）在处理无标签数据多类分类上的难题,提出了一种基于支持向量数据描述（SVDD）的无标签数据多类分类算法。该方法只需要建立一个分类模型就可以实现多类聚类分类。首先采用主成分分析作数据预处理,提取输入数据的统计特征值,得到主成分特征指标输入到SVDD分类器进行多类聚类分类。以珠三角地区物流中心城市分类评价为研究对象,实证结果表明,采用主成分分析降低了数据维度,有效浓缩了评估信息,SVDD分类器很好地区分了各中心城市,实现了多类分类的目的。     

基于主成分的模糊神经网络

结合神经网络(NN)、模糊控制(FC)和主成分分析(PCA)各自的优点,提出基于主成分分析的模糊神经网络(FNN)模型。当输入因子较多且自变量之间相关性较大时,引入主成分分析对多指标的原始变量进行事先分析,以原始变量的主成分作为网络输入。减少了输入维数,同时消除各变量间的相关性,从而提高了网络的收敛速度、稳定性,以及简化了网络结构。进一步发挥了FNN自适应、自学习的功能。