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K-means和主成分回归的电网线损率影响因素分析

为了探索线损率成因并以此指导配电网项目开发,提出了基于K-means和主成分回归的线损率影响因素分析模型。首先,利用K-means将数据集中具有相似特征的数据聚为同类,进而对每类数据进行分析;接着,选取影响线损率的指标,归一化处理数据后,使用主成分分析法对指标进行降维处理;最后,通过线性回归线损率影响因素方法得到各指标对线损率的影响系数。基于国网同期线损系统采集的T市B区35 kV电压等级用户数据实验分析了提出方法的有效性。     

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.     

基于主成分回归的运输飞机超轮速诱因研究北大核心

针对民航运行中飞机超轮速严重影响运行安全的情况,为了定量研究运输飞机超轮速诱因,提出了一种基于主成分回归的超轮速诱因分析模型。研究将起飞离地速度作为对象,从机组操纵、飞机性能、飞机姿态、飞机位置和运行环境等方面选取了影响起飞离地速度的参数,利用主成分分析方法对参数进行降维,并建立了回归模型,分析了各因素对离地速度的影响。利用空客飞机的超轮速事件数据进行了算例仿真,仿真结果表明,所建模型可以有效地实现各因素与起飞离地速度的定量关系估计。研究可为防范起飞超轮速事件、降低民航运行风险提供解决方案。     

基于多线性独立成分分析的掌纹识别

为快速有效地在掌纹识别中学习多种因素的高阶统计独立成分,利用多线性独立成分分析方法对掌纹张量进行降维,得到低维的模式矩阵,将掌纹图像向模式矩阵上投影以提取核心张量,通过计算核心张量间的余弦距离实现掌纹匹配。基于PolyU掌纹图像库的实验结果表明,与主成分分析(PCA)、二维PCA、独立成分分析和多线性PCA相比,该方法的识别率最高,且满足系统实时性要求。     

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.     

基于多元线性回归的飞机燃油消耗诱因分析

针对民航运行燃油成本增加问题,为了提升燃油经济性,采用多元线性回归建立的燃油消耗诱因分析模型,定量分析了飞机燃油消耗诱因.将飞机落地剩余油量作为对象,从飞机性能、飞行操纵等方面选取了影响落地剩余油量的参数.先利用相关性分析进行了参数筛选,通过主成分分析对筛选后的参数进行降维,并建立了回归模型,分析了各因素对落地剩余油量的影响.利用某航空公司航线运行数据进行了仿真验证,结果表明,所建模型可以精确得出不同参数对燃油消耗的影响程度.研究可为油量监控和运行节油策略等方面的研究提供基础.     

多线性主成分分析和张量分析的SAR图像目标识别

为了提高合成孔径雷达图像目标识别效果,提出一种基于多线性主成分分析和张量分析的合成孔径雷达图像目标识别方法。该方法首先构建四阶张量训练样本,利用多线性主成分分析得到多线性投影矩阵;再通过投影矩阵构建核心张量,对核心张量进行线性判别分析;最后对测试样本分类识别。实验中,将本文提出的多线性主成分分析和张量分析方法在MSTAR公共数据库上进行识别实验,并与主成分分析和二维主成分分析方法进行识别率比较。实验结果表明,本文方法有效保留了图像的空间结构信息,提高了目标正确识别率。     

基于非线性回归方程偏导数分析应用程序性能敏感度的方法

性能敏感度反映了应用程序性能相对于性能影响因素的变化率,对性能敏感度的量化分析可为体系结构设计和程序性能优化提供有意义的参考和指导.提出了一种分析程序性能敏感度的非线性回归模型(PS-NLRM),能够量化不同应用程序的性能敏感度.通过主成分分析消除了影响性能的性能事件之间的相关性,通过曲线拟合引入非线性项,建立了程序性能CPI和性能事件之间的非线性回归方程.模型应用在SPEC CPU2006整型程序之上,通过了t检验和F检验,达到90%以上的拟合度.基于非线性回归方程相对于性能事件的偏导数,得到不同应用程序的性能对性能事件的敏感度.利用性能敏感度对SPEC CPU2006整型程序性能进行预测的平均相对误差约为4.5%,比传统线性回归模型预测误差下降50%.     

基于主成分分析和对数几率回归的硬件木马检测

提出基于主成分分析和对数几率回归的硬件木马检测模型,以提高对硬件木马芯片的检测性能。对采集的旁路功耗信号进行主成分分析组合并选择主要特征,屏蔽信号噪声影响,简化计算操作。利用对数几率回归算法训练分类器,通过计算芯片包含和不包含木马可能性对数比率进行硬件木马识别。设计并搭建FPGA实验平台进行模型验证,通过查准率和查全率评估模型性能。实验结果表明,此模型能够准确高效地检测出硬件木马。     

面向多租户应用CPU资源消耗的回归分析方法改进研究

回归分析作为一种估算资源消耗的方法常用于克服不易于直接测量的问题,但在多租户应用的动态负载环境下效果并不好。针对多租户环境下的动态负载变化,以CPU资源消耗为研究目标,提出一种基于回归分析方法的改良策略,减少共线性影响从而提高评估的精确度。实验结果表明,在动态的负载环境,所提方法能较好的适应多租户环境,平均估算误差得到改善。     

视觉词汇的主成分线性编码方法

针对视觉物体分类中视觉词汇局部线性编码缺少显著性检验和共线性分析的问题,提出了主成分线性编码方法,选择与特征点具有最强线性相关性的K近邻视觉单词,采用主成分多元线性回归方法以解决视觉单词的共线性问题,从而减小编码系数的偏差和不稳定,提高视觉物体分类的精度.依据图像量化结果的稀疏性是影响分类精度的重要因素,进一步对主成分线性编码得到的量化结果做稀疏性分析并进行能量正则化处理,提高分类效率.实验结果表明,与已有方法相比,平均分类正确率提高了1%以上.     

面向异构融合处理器的性能分析、优化及应用综述

随着异构计算技术的不断进步,CPU和GPU等设备相集成的异构融合处理器在近些年得到了充分的发展,并引起了学术界和工业界的关注.将多种设备进行集成带来了许多好处,例如,多种设备可以访问同样的内存,可以进行细粒度的交互.然而,这也带来了系统编程和优化方面的巨大挑战.充分发挥异构融合处理器的性能,需要充分利用集成体系结构中共享内存等特性;同时,还需结合具体应用特征对异构融合处理器上的不同设备进行优化.首先对目前涉及异构融合处理器的研究工作进行了分析,之后介绍了异构融合处理器的性能分析工作,并进一步介绍了相关优化技术,随后对异构融合处理器的应用进行了总结.最后,对异构融合处理器未来的研究方向进行展望,并进行了总结.     

Euler Principal Component Analysis

Principal Component Analysis (PCA) is perhaps the most prominent learning tool for dimensionality reduction in pattern recognition and computer vision. However, the ? ₂-norm employed by standard PCA is not robust to outliers. In this paper, we propose a kernel PCA method for fast and robust PCA, which we call Euler-PCA (e-PCA). In particular, our algorithm utilizes a robust dissimilarity measure based on the Euler representation of complex numbers. We show that Euler-PCA retains PCA’s desirable properties while suppressing outliers. Moreover, we formulate Euler-PCA in an incremental learning framework which allows for efficient computation. In our experiments we apply Euler-PCA to three different computer vision applications for which our method performs comparably with other state-of-the-art approaches.     

主曲线成分分析

广泛应用的第一主成分是对数据集的一维线性最优描述，主曲线是第一主成分的非线性推广。线性主成分分析是一种线性分析方法，而数据通常是非线性的。用线性方法分析非线性数据在分析能力上常常是受限的。为此在对线性主成分分析非线性数据研究的基础上，提出了一种新的非线性成分分析方法，即主曲线成分分析。该方法从数据本身出发进行非线性分析，强调非参数特性，能有效地建模非线性数据。实现主曲线成分分析时，采用了改进的神经网络建模方法，该建模方法以其较强的近似性能很好地表达了非线性关系。仿真实验结果表明，主曲线成分分析能很好地解决非线性主成分问题，应用前景广阔。     

利用组合核函数提高核主分量分析的性能

为了提高图像分类的识别率，在对基于核的学习算法中，核函数的构成条件以及不同核函数的特性进行分析和研究的基础上，提出了一种新的核函数——组合核函数，并将它应用于核主分量分析(KPCA)中，以便进行图像特征的提取，由于新的核函数既可以提取全局特征，又可以提取局部特征，因此，可以提高KPCA在图像特征提取中的性能。为了验证所提出核函数的有效性，首先利用新的核函数进行KPCA，以便对手写数字和脸谱等图像进行特征提取，然后利用线性支持向量机(SVM)来进行识别，实验结果显示，从识别率上看，用组合核函数所提取的特征质量比原核函数所提取的特征质量高。     

核主成分回归方法在电力负荷中期预测中的应用

在分析核主成分回归原理及其与最小二乘方法关系的基础上,针对电力负荷中期预测的影响变量间存在着的非线性关系信息,提出使用主成分网归方法进行电力负荷中期预测,一定程度上解决了误差传播的问题,系统的预测精度得到了提高。使用核主成分同归进行了模型实验,探讨了模型训练样本选取、数据处理、参数选择和训练方法等方面的问题,井对实验结果进行了分析讨论。实验表明,在模型不很复杂的情况下,可以使用直接搜索的方法有效地设置应提取的非线性主成分个数p的值。     

基于PCA的3种改进BP算法性能研究

现有入侵检测系统的效率和准确率较低。为此,提出一种基于主成分分析的特征提取方法。对数据源进行特征降维,将获得的主成分作为BP神经网络的输入数据进行识别。分析原始BP算法存在的问题,研究RPBP、CGBP、LMBP 3种改进BP算法,并进行仿真实验,结果表明,与原始BP算法相比,改进算法收敛速度快,漏报率和误报率低,能有效改善入侵检测的识别效果。     

一类多频带主分量分析方法

主分量分析是模式识别领域使用较广的一种特征 抽取方法,但是由于经典的主分量分析在处理图像矩阵时需要将图像展开成向量形式,使得计算量很大。本文提出了一种多频带主分量分析方法,该方法不仅减少了运算过程中的计算量,而且在一定程度上提高了整体性能。首先通过二维离散余弦变换将图像转变成频率数据,再按照频率变化将数据分成多个频带,然后在此基础上设计了针对多个频带数据的主分量 分析方法。通过对ORL和NUST603图像库进行实验证明,本文方法不仅具有快速提取图像特征的能力,而且综合性能优于相应的主分量分析。     

Backwards Principal Component Analysis and Principal Nested Relations

In non-Euclidean data spaces represented by manifolds (or more generally stratified spaces), analogs of principal component analysis can be more easily developed using a backwards approach. There has been a gradual evolution in the application of this idea from using increasing geodesic subspaces of submanifolds in analogy with PCA to using a “backward sequence” of a decreasing family of subspaces. We provide a version of the backwards approach by using a “nested sequence of relations” which define the decreasing sequences of subspaces which need not be geodesic. Because these are naturally inductively added in a backward sequence, they are frequently more tractable and overcome difficulties with using geodesics.