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。     

多元质量控制分析与多元过程能力指数计算研究

在分析多元T2控制图和多元过程能力指数的基础上,利用主成分分析方法实现了多元T2控制图的计算,结合多元过程能力指数的计算,评价生产过程质量满足质量要求的程度.通过对电容生产中卷绕工序质量控制的实例研究,结果表明主成分分析方法能有效地消除变量间的相关性,实现T2控制图的使用和多元过程能力指数的计算.     

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.     

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。     

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%.     

基于主成分降维及多层感知神经网络的辛烷值预测分析

辛烷值是评价汽油质量的重要指标,汽油在精制脱硫和降烯烃的过程中,辛烷值普遍出现了损失.建立预测模型来预测辛烷值,帮助企业优化工艺流程进而提高成品油辛烷值的含量具有重大意义.根据某石化企业的精制脱硫装置保留下来的数据进行分析,选取独立且具有代表性的20个变量,基于主成分降维的多层感知神经网络建立辛烷值的预测模型.实验结果...     

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。     

基于主成分分析的中国区域创新能力比较研究

通过建立区域创新能力评价指标体系,利用数据统计和SPSS13.0计算机软件进行主成分分析,对我国31个省(市)的创新能力进行综合排序,并对结果做了详细的评价与分析。     

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．     

基于多方向主元分析方法的间歇过程性能监视和故障诊断

将多方向主元分析（ＭＰＣＡ）技术应用于间歇生产过程的建模、过程性能监视和故障诊断,ＭＰＣＡ方法唯一需要的信息是过去成功间歇过程数据集合。作为一种有效的数据压缩和信息提取方法,ＭＰＣＡ方法大大降低数据空间结构的维数,消除变量之间的关联性,去除噪声,提高监视系统的鲁棒性,本文针对半导体生产过程中快速热退火间歇过程进行仿真实验研究。仿真结果表明：ＭＰＣＡ方法能够有效地监视间歇过程性能,及时准确诊断引起产     

基于数据差异的多变量统计过程控制

研究数据差异（DISSIM）方法在多变量统计过程控制中的应用.为检测过程数据分布变化来监视操作条件变化,并且定量地评价两组数据之间的差异,DISSIM方法定义一种差异指标D.计算D时运用时间窗口,时间窗口对指标D具有平滑作用,与MSPC的统计指标T2或Q相比,D变化平稳.针对多变量自回归过程和TE过程,分别应用MSPC和DISSIM两种方法做仿真试验.仿真结果表明：与MSPC相比,适当选择时间窗口时,DISSIM善于检测过程中小的、缓慢的变化,而且能够检测操作条件的变化,明显改善了监视性能.     

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．     

主成份的工序能力指数

应用主成份分析基本方法,结合单质量特性工序能力指数,给出了多质量特性的主成份的工序能力指数。     

基于主成分分析的企业自主创新项目评价

在分析和构建企业自主创新项目评价指标体系的基础上,提出了一种基于主成分分析的企业自主创新项目评价模型.该模型利用主成分分析法能够剔除多指标间相关性及信息重叠的特点,对自主创新项目进行综合评价.应用该模型对10个创新项目进行实证分析,结果验证了其可行性与有效性.     

基于对称性特征分块主成分分析的人脸识别方法

为了进一步提高人脸识别的精度,考虑在分块主成分分析算法中引入对称性思想。首先对图像进行分块并分别求其奇偶对称脸,然后利用主成分分析算法提取图像的主要鉴别特征。该方法充分考虑了光照等多种因素对识别率的影响,利用人脸图像的对称性增加了样本数量,以有效提高识别率。在ORL人脸库上的实验显示,在每类训练样本数为7、提取特征数为20的情况下,基于对称性特征的分块主成分分析方法的人脸识别率为95%,说明该方法是有效的。     

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．