基于多元函数主成分表示的识别学习

针对识别学习中的多维信息融合问题, 提出一种基于多元函数主成分表示识别方法。给出多元函数主成分的数值计算方法, 利用联合协方差算子计算特征值与特征向量, 提取关键区分特征。基于这些综合特征应用随机森林方法对多元函数型数据进行识别学习。在模拟数据和真实数据上比较多元函数主成分表示方法与其他几种表示方法的识别性能。试验结果表明, 在模拟数据集、英文手写体数据集和中文手写体数据集中, 准确率为1, 在运动数据集中, 准确率为0.954 4。相较于其他方法, 多元函数主成分分析这一特征抽取方法的识别效果更好, 有效地提高了识别准确率。     

基于主成分协同表示的高维数据分类方法

基因表达数据集维度高、样本量少的问题导致分类任务的计算成本和计算复杂度高,重要的特征和合适的分类算法的选择是解决这一问题的重要方法。由于不同环境下影响油菜花期长短的重要基因位点不同,为了对多个环境下的油菜花期进行分类,在初步降维后的油菜基因数据的基础上提出了一个基于主成分协同表示的分类(principal component and collaboration representation-based classification,PC＿CRC)方法。第1步,通过距离相关性(distance correlation, DC)方法从全基因位点中筛选重要的基因位点,再从这些基因位点中筛选显著的交互效应,基于选取的数据集T划分训练集T₁和测试集T₂;第2步,通过对T₁的简单随机抽样获得样本均衡的新训练集T₃,并通过协同表示分类(CRC)方法在T₃上训练T₁,选出对油菜花期做分类的最优主成分个数N;最后,对T选取N个主成分,通过第2步的分类方法得出最终分类结果。P...     

函数型数据视角下湖北省大气污染物特征分析

为研究湖北省各城市空气污染的特征和差异,基于函数型视角,以湖北省13个城市2018年10月21日至2019年10月20日大气NO_2和O_3日均浓度为研究对象,采用二元函数型主成分对NO_2和O_3两个污染气体指标进行分析。通过联合变异图详细呈现NO_2和O_3的联合主成分权函数变动情况,发现春夏两季NO_2的变动为其全年变异的主要方式,夏秋两季则为O_3变动的主要方式。再利用主成分得分对13个城市进行聚类,发现污染主要集中在平原地区。     

函数型Logistic回归模型研究与应用

作为一种新型高维数据,函数型数据重在研究数据的内在本质而不是外在结构,通过非参数方法将数据拟合为函数型数据以捕捉更多信息.针对响应变量为二分类情形,建立贝叶斯框架下的函数型Logistic回归模型,引入适当的先验信息并利用MCMC算法获得参数的条件后验分布.具体解决流程为:选取由数据驱动的主成分基函数对回归系数函数和回归函数型自变量进行展开,对展开项数进行截断,利用主成分基函数的正交性,将高维数据进行低维表示;再利用Polya-Gamma变换,建立易于获得参数后验的Gibbs抽样算法,从而得到回归函数展开项系数的后验分布.蒙特卡洛模拟结果显示,该方法具有较好的分类性能.将该方法应用于Tecator实际数据,发现其分类效果优于别的方法.     

基于主成分分析的特征简化

特征评述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要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。     

应用主成分与数据包络组合分析方法评价高等学校人才培养工作

人才培养是高等学校的主要任务,院系是大学内部人才培养工作的落实单位,建立科学的教学工作评价机制,有利于促进人才培养的中心地位。改变大多数教育评价以定性为主的现象,利用主成分分析和数据包络分析这两种方法的原理,建立二者结合的组合评价方法,进行定量的评价和分析,促进了教学工作评价的科学性。     

函数型数据的分裂转移式层次聚类算法

针对函数型数据无穷维、低信噪比和动态时变等导致传统聚类方法性能降低、运行速度变慢和结果可解释性变差等问题,提出一种分裂转移式层次聚类(split transfer hierarchical clustering,STHC)算法,与传统层次聚类算法相比,具有能够发现内部层次关系和无需设定聚类个数的特点,选择适当的函数主成...     

基于数据包络分析和主成分分析的产业技术创新能力差异化研究

为分析中国汽车产业技术创新能力现状及寻找其提升的路径,应用技术创新理论,构建产业技术创新能力分析模型,选取不同产业进行差异化研究。采用基于数据包络分析(DEA)和主成分分析(PCA)的双轨分析方法,从投入端和产出端引入6个影响产业技术创新能力的指标,构建评价指标体系,对我国汽车、家用视听设备和通信设备三个产业技术创新能力进行比对。研究结果表明,我国汽车产业技术创新能力处于中低水平,创新投入能力较弱,投入规模不足,产出能力不平衡;创新转化过程存在失效。     

基于主成分分析的自动文本分类模型研究

提出了一种基于BP神经网络和主成分分析的文本分类模型。该模型利用主成分分析实现对特征矩阵的降维，通过大量的模拟实验逐步优化BP网络的各项参数。在20_newgroups数据集上的模拟实验表明，该模型具有较好的性能并能得到较高的分类精度。     

基于主成分分析的自动文本分类模型研究

提出了一种基于BP神经网络和主成分分析的文本分类模型。该模型利用主成分分析实现对特征矩阵的降维，通过大量的模拟实验逐步优化BP网络的各项参数。在20_newgroups数据集上的模拟实验表明，该模型具有较好的性能并能得到较高的分类精度。     

基于点云数据的主成分分析重构表面算法

提出一种基于三维点云数据的主成分分析重建三维表面模型的方法,该方法利用基于主成分分析的动态聚类方法对三维扫描数据进行聚类,进而对点云数据重构一点片,研究在局部利用二维三角网构网技术构建三角网,然后在考虑局部三角网边缘一致性的基础上组合成整体三维表面模型的算法。应用实例表明,该算法能有效地完成重建物体三维表面模型。     

基于主成分和数据包络分析的上市粮油加工企业财务绩效评价

本文旨在对我国上市粮油加工企业的财务绩效进行评价.首先根据粮油加工业特点构建了包括14项指标的财务绩效评价体系,选取23家具有代表性的上市粮油加工企业作为研究对象,在搜集相关数据后通过主成分分析法分别对投入和产出指标进行数据降维处理,而后再将其代入数据包络分析模型进行测算求解.研究结果表明:当前我国粮油加工企业整体综合...     

基于主成分分析和分类回归树的客户欠费预测

针对电信数据维度增加导致的客户欠费预测算法复杂度过高的问题,提出基于主成分分析和分类回归树的电信客户欠费预测算法。该算法将原始电信数据进行数据缺失值处理、数据冗余识别和数据结构化后,进行数据规范化建模,利用主成分分析算法对建模后的电信数据进行降维处理,将降维后的数据作为分类回归树算法的输入数据对客户是否欠费进行分类,预测客户是否将存在欠费行为。利用实际电信数据进行验证,结果表明该算法的预测错误率为4.49%,预测耗时为17.05s,与分类回归树算法相比,在能够预测客户欠费的同时,还能提高预测效率。     

基于主成分分析的运输型物流企业竞争力研究

为了解我国运输型物流企业竞争力情况,运用主成分分析法,借助SPSS软件,对深市和沪市26家上市的运输型物流企业竞争力进行分析并排序,得出竞争力综合评价结果。结果表明,航空运输类竞争力最强,同时发现现代物流业与区域经济发展关系密切,通过实现服务的多元化可以提高运输型物流企业的竞争力。     

基于主成分分析的制造单元形成方法

提出一种用于制造单元布局的两阶段制造单元形成方法。在第一阶段,计算每对工序之间的相似/相异度。在第二阶段,使用主成分分析将零件分组,形成制造单元。在此特采用一实例详细讨论了如何使用这种方法并且比较了三种相似/相异度(Jaccard相似度,Levenshtein距离和合并系数)的效果。结果表明在这三种相似/相异度中,合并系数法效果最好。     

基于二维广义主成分分析的人脸识别

针对人脸识别中的特征提取问题，提出了一种基于二维广义主成分分析（2DIMPCA）的人脸识别方法.有别于传统的人脸识别算法需要将二维人脸图像矩阵压缩成一维向量，该方法直接采用二维图像矩阵来构建方差矩阵，通过在水平和垂直2个方向上顺序执行2次广义主成分分析（IMPCA）运算，消除了人脸图像行和列的相关性，大大压缩了特征的维数.选用二维最小近邻分类法进行分类，计算识别率.在AT&T人脸库以及Yale人脸库上的测试结果表明，与主成分分析（PCA）和IMPCA相比，该方法具有更高的识别率和更快的识别速度.     

基于广义主成分分析的步态识别算法研究

步态识别是根据人行走方式的不同对人的身份进行识别的.通过背景减除实现人体检测,运用形态学操作和图形几何变换实现了图像的标准中心化.在特征提取阶段使用步态能量图(GEI)来描述每个步态序列,分别使用主成分分析、二维主成分分析、完全的二维主成分分析以及加权完全的二维主成分分析对特征进行降维,最后采用最近邻分类器来测试识别结果作对比研究.实验结果表明权衡计算量和识别率,二维主成分分析对于GEI的步态识别比较有效,识别率可达95.43%.     

基于广义主成分分析的图像重建

主成分分析(PCA)在图像识别及高维数据降维中有着普遍的应用.为提升基于主成分分析的图像重建性能,在经典PCA算法的基础上提出了广义主成分分析(TPCA),并利用该算法进行图像重建.该算法利用图像像素的空间邻域构成固定尺寸的数组并将其作为广义标量进行代数运算,可以方便有效地描述各像素的空间约束,从而提升图像的重建效果,...     

基于主成分分析和KNN混合方法的文本分类研究

特征选择和分类算法是文本分类中的两个关键技术,提出了基于主成分分析和KNN相结合的文本分类方法。该方法利用主成分分析对文本向量的高维空间进行特征选择,为克服因类别特征选择不当带来的不利影响,使用KNN算法进行分类可以最大程度地减少分类过程中的误差。为了验证方法的有效性,针对UCI标准数据集进行仿真实验。实验结果显示,PCA-KNN方法优于主成分分析和随机森林相结合的方法,能在一定程度上提高文本分类的精度。