基于粗糙集和主成分分析结合的短期负荷预测

采用神经网络进行负荷预测,为了进一步减少输入变量的个数,减小网络结构,在基于粗糙集理论约简的基础上,采用能消除变量间相关性的主成分分析法对负荷影响因素约简,并且通过实例研究证明了此法的有效性。     

基于主成分分析法和核主成分分析法的机器人全域性能综合评价

在机器人运动学和动力学性能评价中, 表示机器人运动学和动力学性能的指标众多, 全域性能指标是其中一项重要的评价指标, 而全域性能指标又包括:线速度全域性能指标、角速度全域性能指标等指标.不同指标间往往存在不同程度的相关性, 其中有些相关性非常显著, 这使它们提供的信息有可能发生重叠.引入统计学原理, 依据线性降维与非线性降维原则, 应用主成分分析法 (principal component analysis, PCA) 和核主成分分析法 (kernel principal component analysis, KPCA) 对不同尺度的PUMA560机器人的全域性能进行综合评价, 从而选择综合全域性能最优的机器人.计算结果表明:KPCA方法较PCA方法有更好的降维效果, 能够更有效地处理多个单一性指标间的非线性关系, 提供更多的综合全域性能评价信息, 可为建立机器人综合全域性能与其尺度之间的数值计算关系, 为基于综合全域性能指标最佳尺度选取的研究提供科学的参考依据.     

基于等风险度法的电网直流融冰计划决策

针对电网直流融冰计划的编制需兼顾系统安全及线路安全的问题,提出了基于等风险度法的电网直流融冰计划决策方法。该方法以等期望切负荷量为目标函数,结合已确定的线路直流融冰计划及约束条件,按照线路重要性综合指标依次安排各线路的融冰时段。每次决策时,若出现强受制性线路需优先安排,然后按蒙特卡罗方法计算所选线路可融冰时段的期望切负荷量并安排在其值最小时段。一条线路的融冰时段确定后,更新剩余待安排线路的约束条件,进入下一线路融冰时段的决策。此外,融冰紧急性作为约束条件用以保障线路的安全性。最后,贵州电网的实例验证了方法的有效性和可行性。     

主成分分析法的数值实现算法

本文通过Householder变换将已知信息的相关矩阵B化成三对角矩阵，给出了确定其特征值及相应的特征向量的方法，从而得到了用主成分分析法分析问题的一种数值算法。     

基于主成分分析法的高速公路交通安全评价

道路交通安全状况不但对社会生活的质量影响很大,而且与人们的自身利益也息息相关。选用主成分分析方法对某省道路交通安全状况进行评价。首先,选择绝对事故指标变量作为评价指标,并对某省的指标数据作统计特征描述。而后运用主成分分析方法得到待评价高速公路的综合评分及排序结果,最后给出相应的改善措施。研究结果表明,应用主成分分析评价道路交通安全状况是可行的。     

一种基于主成分分析法的图像质量评价方法

该文提出的评价方法通过相关系数矩阵的特征向量将评价指标线性变化成彼此独立的主成分,根据主成分累计贡献值确定主成分的取用维数,由主成分方差确定权重。其优点是：可以消除由于指标间的相关性带来的偏差,降低计算维数,从而降低指标选择的难度,提高评价结果的可信度;此外,可以消除人为确定指标权重引起的弊病,使评价结果更具客观性和准确性。     

基于粗糙集-贝叶斯方法的分布式电网故障诊断

针对实际的电网故障诊断中常存在的冗余和不确定性信息这一问题,基于智能互补融合的思想,将粗糙集和贝叶斯有机结合在一起,并鉴于传统的人工智能在大电网故障诊断应用中存在的局限性而采用分布式数据挖掘的思想,提出了一种基于粗糙集-贝叶斯的分布式电网故障诊断方法。该方法首先把大电网分割成给定数目的局部电网,然后利用粗糙集对各个局部电网分别建立决策表并进行约简,最后利用粗糙集-贝叶斯方法进行局部电网内部及局部电网之间的联络线的规则提取形成全局规则库,并根据实时报警信息进行规则匹配得到诊断结果。经电网故障诊断算例分析表明,该算法正确、有效,速度快,容错性好。     

主成分分析法的数值实现算法

本文通过Householder变换将已知信息的相关矩阵B化成三对角矩阵,给出了确定其特征值及相应的特征向量的方法,从而得到了用主成分分析法分析问题的一种数值算法。     

基于主成分分析法的北京市创新型企业绩效评价

针对传统企业绩效评价指标的单一性和主观性,基于主成分分析法提出一种评价方法,尽可能全面客观地评价北京市创新型企业绩效。根据北京市创新型企业中31家内地上市公司2008年和2009年的财务数据,采用主成分分析法构建绩效评价模型,并利用该模型计算出31家创新型企业的绩效得分。该研究方法可为企业绩效评价提供一条新的思路,研究结果可供投资决策者参考。     

基于主成分分析法的人力资源整合问题研究

在企业并购过程中,根据员工特征进行有效地人才选拔是关键.在进行人才选拔留用系统分析时,由于员工特征包含较多因素,增加了分析问题的难度与复杂性,而且在实际问题中,各个变量(多个员工特征)之间是具有一定的相关关系.论文以西安建筑科大科教产业公司成功竞购陕西钢厂为例,基于员工特征的人力资源整合主成分分析模型,进行企业并购中的人力资源研究的实证分析.通过实证分析和模型运行结果的对比,可知基于员工特征的主成分分析模型在企业并购人力资源整合,具有指导性的重要意义和实用价值,为企业并购的人力资源整合提供了一定的科学理论基础.     

基于粗集理论的多因素数据分析

当利用不等重复的、散乱的数据去分析指标与多个因素之间的关系时，粗糙集合的有关理论，引入支持度作为因素和指标之间关联的度量，同时介绍了计算支持度的方法；提出了交互度的概念和计算方法，将其作为几个因素之间的交互效应对指标影响的度量．以农用车为例对其若干因素与性能之间的关联进行分析，说明了该方法实用可行．     

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.     

基于粗糙集的决策树规则提取算法

针对ID3算法用信息增益作为在各级非叶节点上选择属性的标准的局限性,结合统计学独立检验思想,给出一种新的属性依赖性和重要性定义,以新的属性重要性为启发式信息设计决策树规则提取算法。实例分析的结果表明,该算法能提取更为简洁有效的决策规则。     

基于粗糙集理论的多传感器信息融合

利用粗糙集理论的属性约简、值约简、核和不完备信息系统等概念来进行多传感器信息的融合,除了传感器测量的数据之外,无需任何额外的信息.针对完备信息系统和不完备信息系统分别提出了相应的融合算法,为解决传感器数据超载以及不完整传感器信息融合提供了有效的方法.     

基于粗糙集理论的模糊神经网络建模方法

采用基于粗糙集的模糊神经网络模型,将粗糙集理论与模糊神经网络相结合,通过利用粗糙集理论中的约简的计算方法,从样本数据中获取精简的规则,再根据这些规则构造模糊神经网络各层的神经元个数,克服了当输入维数高时,模糊神经网络的结构过于庞大的缺点,从而使网络模型结构最简.并采用误差反向传播算法(BP算法)来训练该新型网络中的权值参数及隶属函数的中心值和宽度,仿真结果验证了该模型的优越性.     

基于粗糙集的综合推理模型

为了拓展综合推理的涵盖范围，建立了基于粗糙集理论的综合推理模型.将综合推理中的综合源和场引入到粗糙集理论的决策系统中. 通过对原始决策系统的分解得到综合源，分解而成的每个决策系统构成一个综合推理的源.在分解得到的综合源中，基于正域的概念，用依赖度和分类质量方法定义了场强，根据属性出现频率，采用差别矩阵定义了场强，并结合信息论，通过互信息、条件熵和互信息增益率定义了场强.分析结果表明，该模型可完成属性约简过程.实现了对粗糙集理论和综合推理理论的融合和成功扩展.     

基于主成分分析的神经网络评价模型研究

根据供电企业的特点,建立了适用于评价供电企业营销效果的指标体系,综合运用主成分分析法和BP神经网络方法建立模型,对供电企业的营销效果进行了模拟综合评价。     

基于主元分析法的特征脸法在人脸识别中的应用

简要叙述了人脸识别的方法，详细讨论了主元分析法．并且用这种算法实现了人脸的识别。通过实验得出了主元分析法的识别率，提出了改进的方法。     

基于粗糙集理论的变压器故障诊断模型

综合考虑油浸电力变压器的溶解气体分析与电气试验得到的多种故障征兆，在分析大量变压器故障案例的基础上，建立了基于粗糙集的油浸电力变压器故障诊断的具体模型．针对变压器故障的复杂性以及信息的不完备性，对变压器的故障信息和故障类型进行分析总结，利用粗糙集进行约简可以得到诊断结果．实例表明该模型具有计算速度快、正判率高、结果直观等优点．