应用于服装号型定制的妊娠期妇女体型分类研究

为了探索妊娠期妇女体型更为合理的分类方法,随机抽取湖南地区250名孕妇的体型数据进行分析探讨。 基于妊娠期妇女的体测数据,利用SPSS软件对体型数据进行主成分分析,依据累积贡献率的大小选取不同主成分 的因子得分作为聚类指标进行K-means聚类分析。将孕妇体型聚类为4类,并给出了聚类的方差分析和体型对照。 结果表明选取特征值在1.0左右、累积贡献率在80%左右的主成分因子得分实施聚类,所得孕妇体型聚类的效果较 好,分类较为细化,可以为孕妇服装号型定制提供参考依据,以此提高孕妇服装的合体性。     

泾源县地下水水质多元统计分析

为了给泾源县地下水合理开发利用与新农村建设提供基础理论支持,采用泾源县45个地下水水样的水化学资料,利用聚类分析和主成分分析对泾源县地下水水化学特征和水质状况进行了研究.基本描述性统计结果表明,研究区地下水水质基本满足生活饮用水卫生要求.聚类分析表明,进行指标聚类后,类的个数并未比聚类前明显减少,表明地下水各指标之间相关关系不明显.主成分分析结果表明,可以用9个独立的主成分代表原始19个指标因子,每个主成分反映了不同的水质指标以及各指标之间的关系.多元统计分析为泾源县地下水水质评价和水质管理提供了一种新方法.     

基于主成分的安徽省服务业发展水平聚类分析

构建了安徽省服务业发展水平的评价指标体系,利用主成分分析方法对选取的15个指标进行分析,提取5个主成分,获得安徽各市各主成分上得分。在基础上,利用聚类方法对安徽16市的服务业发展水平进行分析,根据聚类结果将安徽16市服务业发展水平分为4个类别,结合分析结果并针对各个类别城市的特点给出了相应的服务业发展建议。     

上市企业盈利能力的主成分聚类分析

采用主成分聚类分析方法(PCA)对长株潭城市群上市企业盈利能力进行了评价分类。先建立上市企业盈利能力评价指标体系,然后用主成分分析法对7个量化指标进行分析,提取2个主成分,利用得到的主成分替代原来的评价指标,对盈利能力进行聚类,将长株潭城市群上市企业盈利能力分为3个级别,为决策者决策提供依据。     

基于主成分分析方法的聚类分析方法在灾情综合分类中的应用

通过主成分分析方法选取地震的主要灾情指标,运用SPSS软件中的聚类分析方法,对汶川地震时,四川省各受灾地区按系统聚类法进行聚类分析,得出地区灾情综合分类．所得结果与原文给出结果基本一致,进而验证了基于主成分分析的聚类分析方法在灾情综合分类中应用的合理性．并且,提供了一种正确进行灾情评价和物资分配的有效方法．     

基于主成分分析的密度聚类算法

密度聚类算法可以描述任意形状的聚类,可以有效地处理异常数据,适合处理大数据集,但不适用于高维数据集的聚类,因此提出了基于主成分分析的密度聚类算法,将DBSCAN算法应用于PCA的k个主成分张成的子空间,解决了DBSCAN算法用于高维数据集的问题.运用气象数据进行实验,结果表明：主成分个数k值的选择严重影响聚类效果,故提出k的基本选择方法,正确选择k值情况下,该算法具有较好的聚类效果.     

基于PCA-IAGNES的竹材分类模型研究

探讨竹材材性间的差异,旨在为筛选优质竹材提供理论依据,提出了PCA-IAGNES分类方法。以32个竹材数据集Bamboo Material作为研究对象,采用主成分分析结合非监督IAGNES分类方法对竹材进行聚类分析。结果显示,主成分分析降维后,前6个综合主成分可以代表竹材原始数据85%以上的信息量;将降维后前6个主成分组成的样本数据集运用IAGNES方法进行聚类分析,把竹材分成3类。聚类结果显示,巨龙竹、毛竹、大木竹材等综合性能优异竹材能够明显聚成一类,表明PCA-IAGNES分类模型能够为筛选优异竹材提供研究方法。     

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。     

主成分分析法在成年男性体型聚类中的应用

针对GB/T1335.1—1997男装号型标准中,体型分类指标单一,体型分类不够细致的现状,利用三维人体扫描技术采集了成年男性长度、围度、宽度、厚度等方面的人体数据,采用主成分分析从中提取了不同体型聚类指标,进行了相应的体型聚类分析.所得结果表明,应用主成分分析法进行成年男性体型聚类可改进当前国标体型分类指标单一的不足,达到细化体型分类的目的,完全符合大规模量身定制时代对体型分类的要求.     

生态城市多元统计分析评价系统

依托已有的生态城市评价指标体系,根据天津市生态城市建设特点,对体系中各指标进行调整和补充.利用主成分分析方法和聚类分析法构建生态城市综合评价系统,采用仿真数据在综合评价系统中进行实证分析,给出生态城市建设的评价及建议.     

基于CKPCA-HOG和支持向量机的运动目标分类算法

为了准确地对监控场景中的运动目标进行语义上的分类,提出了一种基于聚类的核主成分分析梯度方向直方图和二叉决策树支持向量机的运动目标分类算法.利用背景减法提取运动目标前景区域,并识别出潜在候选运动目标.利用提出的基于聚类的核主成分分析的梯度直方图描述子提取候选运动目标的特征,以较低维数的数据有效地描述运动目标的有效特征.将...     

基于NLPCA的聚类可视化方法

为了将高维输入空间的数据映射到低维空间,利用可视化技术探测数据的固有特性,提出了用非线性主成分分析（NLPCA：NonLinear Principal Component Analysis）和自组织映射网络相结合的方法对生物信息学中基因表达数据进行聚类可视化分析。实验结果表明,该方法有较高的分类正确率,用于基因表达数据的聚类分析是行之有效的。     

电力用户负荷模式识别方法研究

区别于传统按行业分类的负荷分析方法,利用FCM聚类、ID3决策树等数学工具建立了基于聚类与决策树结构分析的负荷模式识别方法.通过对某地区所属8个行业的239个用户的日负荷数据进行了负荷特性指标计算、类别判断与挖掘、聚类评价、分类知识解释等综合分析,验证了方法的正确性.     

投资决策的多因素统计分析

利用聚类分析法与主成分分析法,以上市公司有色金属板块35家企业2006年财务报告为研究对象进行综合分析,首先筛选出16个基本指标作为主成分指标,按获利能力、股本扩张能力、生产能力、经营与发展能力、偿债能力五个方面分别进行主成分分析,再利用主成分进行聚类分析,将35家企业分成具有各自特点的7大类。在得出企业发展潜力与投资价值评价的同时,验证了以上两种分析方法具有对于会计信息分析处理的独特优势与契合性。     

投资决策的多因素统计分析

利用聚类分析法与主成分分析法,以上市公司有色金属板块35家企业2006年财务报告为研究对象进行综合分析,首先筛选出16个基本指标作为主成分指标,按获利能力、股本扩张能力、生产能力、经营与发展能力、偿债能力五个方面分别进行主成分分析,再利用主成分进行聚类分析,将35家企业分成具有各自特点的7大类。在得出企业发展潜力与投资价值评价的同时,验证了以上两种分析方法具有对于会计信息分析处理的独特优势与契合性。     

多元统计分析在土地利用分区中的应用

土地利用分区是土地利用总体规划的重要组成部分,以松原市土地利用分区为例,首先利用主成分分析对评价指标进行了降维处理,并解释研究了各主成分代表的意义,然后利用聚类分析方法,结合主要分区原则,将松原市划分为四个类型区。     

基于谱分解的不确定数据聚类方法

提出了一种基于谱分解的不确定数据聚类方法,利用数据本身的潜在关联,探寻不确定表象下底层数据记录的真实协方差结构。根据协方差结构,使用基于谱分解的数据分析方法,获取锐化降噪后的数据,再将此数据进行聚类分析。对比实验结果表明:本方法得到的聚类质量显著提高,RMS均方根误差以及CH指标结果均优于传统方法。     

加权主成分距离聚类分析方法的有效性

依照经典聚类分析方法,并对现有的改进聚类分析方法优点与不足进行剖析,提出了一种自适应赋权的加权主成分距离聚类分析方法.与现有聚类分析方法相比,新的聚类分析方法克服了指标之间的高度共线性,并能依照指标重要性客观的差异进行自适应赋权,同时降低了错分率,且每一步都有充分的理论保证.通过采用不同聚类分析方法,分别对鸢尾花的品种数据进行实验,由实验结果可知,加权主成分距离聚类分析方法的分类效果优于其他方法,使分类的精度明显高于其它的分类方法.     

基于模糊聚类理论的水量短期预测方法

为提高城市供水系统水量负荷的预测精度,提出一种基于模糊聚类理论的城市管网水量短期负荷预测的新方法.该方法通过对负荷历史数据进行聚类、隶属度分析,利用模糊聚类参数来描述负荷与影响因素之间的关系,并应用这种确定的相关关系进行负荷预测.应用MATLAB语言进行预测仿真得到基于模糊聚类的模糊训练结果、最终预测结果和预测误差.实践表明该方法较多地考虑各种影响因素,结构简单,预测精度高.     

基于多指标面板数据的改进的聚类方法及应用

针对数据挖掘中多指标面板数据的聚类分析问题,构建了一种新的对象间距离的定义,并基于传统的k均值聚类方法,将时间维度分割,对每相邻时间段的对象进行聚类.将单次聚类结果汇总形成聚类结果矩阵,根据汇总的结果矩阵计算对象归于某一类的隶属权值,从而确定最终的聚类结果.这样同时考虑对象在空间上和时间上的发展趋势的聚类方法将得到更加全面客观的聚类结果.最后将本聚类方法运用于金融保险行业上市公司财务数据,进行实证分析,指出该方法的有效性.