基于核函数主元分析的机械设备状态识别

研究了核函数主元分析在机械故障模式分类中的应用，通过计算原始空间的内积核函数实现原始数据空间到高维数据空间的非线性映射，再对高维数据作主元分析，求取更易于分类的核函数主元，实验表明，核函数主元分析更适于提取故障信号的非线性特征，能有效区分不同的故障模式，可以应用于机械设备的状态识别。     

基于动态结构保持主元分析的故障检测方法

为充分利用表征过程运行工况的数据特征信息,提高化工过程的故障检测性能,提出一种基于动态结构保持主元分析(DSPPCA)的过程故障检测方法。首先对原始数据采用变量相关性分析建立自回归模型,构建包含动态特征的数据集,进一步综合考虑主元分析法(PCA)和局部线性嵌入(LLE)流形学习算法中数据点之间的近邻关系,融合得出新的目标函数,同时,运用局部线性回归的方法获得高维样本的嵌入映射,特征提取后在特征空间和残差空间分别构造监控统计量进行故障检测。Swiss-roll数据集的降维结果及TE过程的仿真研究结果表明,DSPPCA算法可以取得较好的特征提取效果,具有较高的故障检测性能。     

基于主元分析的频谱整体识别方法

根据频谱的整体数据进行模式识别和分类时必须考虑如何降低识别过程中的计算量问题,提出了一种基于PCA的频谱整体识别方法.该方法将N点频谱视为N维空间中的点,首先利用已知频谱样本建立数据矩阵,继而进行PCA处理并确定满足信息保留率门限值的主元方向个数,实现高维数据的降维,并计算各类频谱在低维空间投影点的中心,得到数据模板.在方法的识别应用中以距离最小为判据准则进行识别归类.数值仿真和语音识别实验结果说明所提方法性能稳定,识别准确率较高,具有一定的实际应用价值.     

利用主元分析识别人脸

简要叙述了人脸识别方法，用PCA算法实现了人脸的识别，并对实验结果进行分析，认为：PCA算法的识别率不是很高，达到78．6％，还需要改进提高，但它对于光照、姿势、是否戴眼镜、脸部表情有一定的鲁棒性。     

基于主元分析的入耳图像识别方法

人耳图像的自动识别是一种新的生物特征识别技术．将主元分析法（PCA）应用于人耳图像识别，分别应用BP神经网络和最近邻域法进行分类识别，给出了具体的网络设计与性能比较分析．实验结果表明，应用PCA方法提取人耳图像特征，选择合适的分类器和网络结构，可以取得满意的识别效果．     

在线压缩核主元分析的自适应过程监控

对于动态系统,传统的核主元分析(KPCA)方法处理的效果不理想.滑动窗口核主元分析方法能适应动态系统的正常参数漂移,但是该方法处理大量的样本时需要较长的运算时间.因此,提出一种在线压缩核主元分析的自适应过程监控方法.该方法在大量的样本中选定较小的训练集作为初始压缩集进行建模,对在线实时采集的数据进行分析,判断新的样本是否正常.若为正常样本,判断该样本是否加入压缩集中,在加入压缩集的同时自动更新在线KPCA模型.将该方法应用到数值例子和田纳西-伊斯曼(TE)过程,仿真结果验证了该方法的有效性.     

基于主元分析的人脸识别方法研究

研究了利用主元分析进行人脸识别的方法。将人脸图像训练集进行主元分析,对得到的变换矩阵应用奇异值分解提取特征子空间,把训练图像和测试图像投影到子空间上,选择分类器进行人脸识别。实验表明,主元分析能很好地在子空间下提取出人脸图像的特征信息,从而实现人脸识别。     

基于动态主元分析的财务困境预测模型

当神经网络用于上市公司的ST预测建模时,取得高质量的样本是相当重要的.本文连续运用主元分析(也称动态主元分析),将多年的数据应用到经济预测模型中去,既增大了信息量又没有增加网络的复杂性,使得预测更加合理有效.最后将动态主元分析与BP网络结合构造了一个网络模型,并给出了实证研究的详细结果.     

基于加权主元分析(WPCA)的人脸识别

将特征加权和主元分析相结合,提出了一种新的加权主元分析方法;这种方法先根据加权重建误差最小化,计算出各类训练样本的加权子空间,然后计算测试样本点到各加权子空间的距离,并根据该距离进行分类识别.最后,通过对剑桥ORL数据库进行的试验证明,该方法与传统的主元分析相比可以在不增加运算量的情况下大大提高识别率.     

非线性多尺度多向主元分析方法

NLMPCA是一种适合间歇生产过程的非线性建模方法,但是从现场采集的数据往往存在误差,难免影响过程监视和故障诊断的结果.基于MPCA,NLPCA和小波变换,提出了一种新的间歇过程监视和诊断方法,即非线性多尺度多向主元分析方法(NLMSMPCA).与NLMPCA相比,NLMSMPCA降低了随机误差对测量数据的影响,提高了过程监视和故障诊断的可靠性.     

食指掌指关节的正向动力学分析

为探讨运动生物力学建模与分析的基础性问题 ,以食指为研究对象建立了包含神经兴奋 -肌肉收缩动力响应和肌肉 -肌腱动力特性在内的食指掌指关节正向动力学模型 ,并针对该关节快速屈曲 6 0°的运动过程 ,采用参数最优化方法进行了模拟计算。模拟结果表明 ,在快速屈曲过程中 ,食指短时平均角速度近似为匀速 ,瞬时角速度呈现阻尼振荡形式。该文提供的模型为包含神经控制信号的掌指关节运动的模拟分析和人手冗余运动控制机理的研究提供了基本的分析工具     

基于糖尿病相关因素的主成分分析

基于主成分分析的理论,对与糖尿病发病率相关的一些因素（如民族因素、平均气温、平均气压、相对湿度）之间的关系进行主成分分析。     

主成分分析法研究多棘海盘车中的微量元素

建立测定12种(Cr、Mn、Co、Ni、Cu、Zn、As、Se、Cd、Cs、Ba、Pb)微量元素含量的方法,确定其特征性元素及地域分布特征.采用微波消解-电感耦合等离子体质谱法测定6个不同产地的多棘海盘车样品中微量元素的含量,并且运用主成分分析法研究多棘海盘车中的特征性元素,同时对不同地点的多棘海盘车样品进行综合评价.通过与我国食品中的Pb、Cr和Cd元素标准限量值的比较,表明6个产地的多棘海盘车的Cr元素含量均超过标准限量值,主成分分析结果表明Pb、Mn、Ba、Cs为多棘海盘车的特征性元素,通过与已报道文献中所测定海星中特征性元素含量的对比,发现所测定Pb、Mn元素含量均部分超出已报道值,通过分析主成分得分和综合得分,表明微量元素对山东青岛即墨的多棘海盘车质量影响最大,对黄岛的样品质量影响最小,文中所建立的方法及分析为海星的质量评价与控制提供了部分参考依据.     

采用改进的PCA算法测量两相流相浓度

针对现有图像重建算法以定性为主,所引起的相浓度参数测量精度有限的问题,该文提出了在对电容层析层像系统传感器测量数据进行分析时,采用主成份分析(PCA)结合人工神经网络反向传播(BP)算法,通过训练神经网络,得到从电容测量值到相浓度之间的对应关系。样本测试可以得到很好的结果,网络输出浓度与设定浓度之差可以控制在±5%范围之内。证明该方法测量两相流相浓度参数是可行的。     

主成分分析在评价建筑企业发展水平中的应用

采用主成分分析法对我国30个省市自治区的建筑业情况做出了综合评价，分析了各省建筑业在我国的地位，并提出了一种构造加权综合量的方法。     

皮肤位移对人手运动图像三维检测精度的影响

为研究皮肤位移对人手运动三维图像检测精度的影响 ,对食指 -拇指对捏运动过程进行了测试、分析。并在此基础上 ,利用人手运动三维图像实时检测装置 ,进行了标定实验 ,取得了较为理想的测量效果。分析表明 :1)在进行手指一般运动分析时 ,如果在手指上选择优化的标志点粘贴位置 ,标志点族的面积和长度相对变化量小于 5 % ,皮肤位移产生的影响基本可以忽略不计 ;2 )皮肤位移对各指节测量精度影响有所不同 ,远侧指节误差较小 ,近侧指节产生的误差较大 ;3)当对捏指的屈曲角度增大 ,对捏运动周期百分比达 6 0 %时 ,皮肤位移对检测精度的影响快速增大。     

Ca^2＋对稻苗抗寒性影响的主成分分析

运用主成分分析方法分析了不同水平Ｃａ２＋处理中与水稻幼苗抗寒性有关的生理指标，评价了各指标之间的关系．将这些指标进行筛选，并概括为３个主要因子：即维持细胞膜结构功能的稳定性和物质生产能力因子、渗透调节因子和抗脱水能力因子．这３种主要因子的累积贡献率已达８３１％，能基本反映Ｃａ２＋对水稻幼苗抗寒性影响的主要信息．     

基于主成分分析的安徽省区域产业结构优化效率评价

通过运用主成分分析法,对安徽省2007~2012年产业结构调整和产业结构优化效率进行实证分析.首先,建立安徽省区域内产业结构调整的综合评价体系.其次,利用主成分分析模型研究安徽省内产业结构调整中,省内不同城市和地区在经济结构调整、技术进步、生态污染等不同角度所产生的综合效果,并据此对安徽省内不同城市的产业结构优化效率进行综合评价.最终提出相应的解决方案.     

主成分分析法在上市公司自愿性信息披露中的应用

介绍了上市公司自愿性信息披露的概念和主成分分析法的基本思想,并进行了实证分析。     

主成份分析在地区综合消费水平评析中的应用

利用主成份分析法,对我国28个省,自治区,直辖市的6种消费指标进行综合评价,通过使用统计软件SAS进行计算和分析,提出用第一主成份作为地区消费水平的度量,得到了这些地区综合消费水平的排列次序,从另一侧面反映了各个地区的经济发展,综合实力状况.