多尺度主元分析方法在数据校正中的应用

采用主元分析方法检测过失误差，然后应用多尺度主元分析方法（MSPCA）滤除随机误差。仿真结果表明，这种新的数据校正方法有效地消除了测量数据中的误差，提高了测量数据的可靠性。     

基于主元分析的传感器故障诊断

一般辨识方法在传感器间进行预测来对传感器故障诊断时，其准确的冗余关系难以找到，针对这一缺点，提出了一种用主元分析技术建立传感器间的预测模型的方法。它同时克服了对传统感器测量的数据直接进行主元分析需要诊断的传感器较多的不足。最后，通过仿真验证了方法的有效性。     

动态批次主元分析在化工过程中的应用研究

本文研究了批次动态主元分析(BDPCA)及其在化工过程中的应用.批次动态主元分析是主元分析的一种延伸,通过把三维矩阵转化成二维矩阵,结合时滞变量算法捕捉批次过程中的动态特性完成过程的监视并给出了确定时滞变量的算法.以TE过程为例,与多向主元分析法相比,仿真结果表明,BDPCA算法实现了考虑过程中的批次动态特性并提高了对过程变化的故障检测能力.     

基于主元分析和神经网络的人脸识别方法

人脸自动识别是模式识别领域中一项具有广阔应用前景和实际应用价值的热门课题．文中提出了一种主元分析和神经网络相结合的方法进行人脸识别．我们先对图像进行归一化处理，采用主元分析法对图像的主特征分量进行提取，然后以一个径向基函数神经网络作为分类器，进行人脸识别．实验结果表明，这种方法在采用多样本训练后，具有较高的识别率。     

基于多向核主元分析的青霉素生产过程在线监测

基于传统主元分析（PCA）方法的过程监测算法假定过程是线性的，对于具有强非线性的生产过程，应用其进行在线监测出现误报率过高的现象.为此提出了一种多向核主元分析（MKPCA）算法用于间歇过程的建模与在线监测.利用PenSim2.0软件将青霉素间歇生产过程的三向数据按批次方向展开为二向数据并进行标准化，采用MKPCA算法建立过程模型并用于过程的在线监测，计算T2、SPE统计量及相应的控制限.仿真结果表明，与传统PCA算法相比，MKPCA算法具有更好的监测性能，不仅大大降低了正常运行过程的误报率，而且能够较早地检测出过程中存在的底物流加速率与搅拌功率故障.MKPCA可以有效处理间歇过程批次间存在的非线性属性，获取过程变量间的非线性关系.     

基于主元分析和BP神经网络的人脸识别研究

该文提出了一种主元分析和BP神经网络相结合的人脸识别方法。其中主元分析方法用于提取人脸图像的特征，而BP神经网络用于对提取的人脸特征进行识别。实验结果表明，在进行人脸识别时，该文提出的主元分析和BP神经网络相结合的方法同传统的主元分析方法相比取得了良好的效果。此方法具有较高的识别率、较强的自适应性以及对噪声的鲁棒性。     

动态主元分析方法的研究及应用

主元分析(PCA)已广泛应用于监视多变量过程，但PCA不能有效地监视动态多变量过程．动态主元分析(DPCA)是一种将静态PCA推广应用到监视动态多变量过程的方法．本文通过实例验证了DPCA监视动态多变量过程的有效性．     

基于主元分析和神经网络的人脸识别方法

人脸自动识别是模式识别领域中一项具有广阔应用前景和实际应用价值的热门课题 .文中提出了一种主元分析和神经网络相结合的方法进行人脸识别 .我们先对图像进行归一化处理 ,采用主元分析法对图像的主特征分量进行提取 ,然后以一个径向基函数神经网络作为分类器 ,进行人脸识别 .实验结果表明 ,这种方法在采用多样本训练后 ,具有较高的识别率 .     

基于多向主元分析的多传感器故障诊断

研究一种基于MPCA的多传感器故障诊断方法．这种方法把过程测量空间分为主元子空间和残差子空间．在残差子空间，首先用Q统计指标检测出传感器是否存在故障，如果Q统计指标超限，在主元子空间应用T^2统计量和相应的T^2统计量的贡献率，识别出引起过程异常的主要传感器变量并剔除．然后用同样的方法继续判断其它的传感器故障．仿真实例验证了该方法的有效性．     

基于多尺度主元分析方法的统计过程监视

基于主元分析和小波变换结合的基本理论，对Bakshi提出的MSPCA算法进行改进，提出一种新的多尺度主元分析方法（MSPCA）．MSPCA应用小波变换将每个变量信号依次分解成逼近系数和多个尺度的细节系数，把各个尺度的系数聚集在单独的矩阵中，在各个尺度建立相应的PCA模型，进行多尺度过程监视．针对TE过程的两种干扰，分别应用PCA和MSPCA两种方法做仿真试验．仿真实验结果表明：与PCA相比，MSPCA能有效地检测和识别过程中不同频率故障，减少误报警，提高了过程监视的可靠性．     

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.     

信号盲分离的非线性主分量分析算法

主分量分析是统计信号处理中常用的算法,将非线性引入主分量分析算法,可以完成输入信号独立分量的分离,分析认为现有的非线性主分量分析算法能实现实数信号的分离,对复数信号无效,通过对非线性函数进行修改,提出了一种非线性主分量分析复数算法,成功地实现了复数信号的盲分离,文中还借助于计算机仿真,对实数和复数法分离亚高斯和超高斯信号混合的特性进行了分析评价。     

PVC异型材工艺参数的主成份分析法

PVC（聚氯乙烯）异型材的生产加工过程十分复杂，因此影响PVC异型材产品力学性能的因素众多，主成份分析法实质上是一种空间变换，它首先计算出原始样本集的协方差矩阵，再根据协方差矩阵的特征值对系统输出因子的贡献率进行取舍，保留下来的特征向量即为主成份向量，由这些主成份向量可构成新的样本集，此法有效消除了系统输入因子的相关性，使其数量减少，从而改善化工过程模型的结构。     

燃烧反应动力学机理简化的主成分分析法

湍流燃烧数值模拟中建立有效的反应动力学机理是非常重要.针对一维稳态层流预混火焰模型,分别采用主成分分析法和总敏感性分析法进行了反应机理的简化,结果表明,主成分分析法进行机理简化要优于总敏感性分析法,是一种有效的反应机理简化方法.     

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。     

多个不同精度摄像机的协同标定

针对成像性能不同的多个摄像机,提出了一种协同标定算法。算法主要由预处理数据和协同标定组成。预处理数据利用二分法快速找出错误特征点,并删除;协同标定使得一个精度高或观察点好的摄像机能帮助精度低或观察点不好的摄像机消除误差大的数据,提高标定精度,并对协同标定作了误差分析。实验表明,所提出的多个摄像协同标定算法适应性强,当数据组足够时可以明显消除外部实验环境给标定算法带来的误差。     

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。     

一种基于主成分分析的空间数据配准算法

提出基于主成分分析(Principal component analysis,PCA)实现空间数据配准的方法,空间数据主分量之间的空间关系反映了参考坐标系的空间关系.基本原理是利用PCA变换得到空间数据特征向量和重心坐标构造矩阵,利用构造矩阵之间的相似变换得到空间坐标系变换矩阵;利用变换矩阵对空间数据进行变换,再基于目标函数寻找变换矩阵的最优解.实验表明,该算法是获取空间参考坐标变换关系初值的有效手段.