核主成分分析(KPCA)在企业经济效益评价中的应用

提出了一种新的经济效益评价模型:核主成分分析(KPCA).它通过一个非线性变换,将原变量空间映射到高维特征空间,然后在高维特征空间中进行线性主成分分析.通过核技巧,只需在原空间进行点积运算,便可使第一主成分的贡献率达到90%以上,能有效避免PCA中因各指标贡献率过于分散而影响评价效果.将该模型应用到广东8个卷烟企业进行评价,得到了较理想的评价效果.     

基于PCA-GA-SVM的火成岩分类方法研究

在地质科学中,正确的岩石分类有助于研究岩石的成因、形成条件、演化过程和工程设计等.由于地质条件的多样性、变异性及复杂性,人们很难对岩石样本进行准确的分类.通过主成分分析法(PCA)从影响火成岩分类的众多氧化物评价指标中提取出主成分,用遗传算法(GA)优化支持向量机参数,并采用支持向量机方法(SVM)对实际火成岩公开数据进行训练,建立了火成岩岩石分类的PCA-GA-SVM模型,同时结合火成岩实际数据将预测结果和基于Levenberg-Marquardt算法改进的BP神经网络模型(LM-BP)的预测结果做了比较.结果表明:基于PCA-GA-SVM模型得到的火成岩分类预测结果精度较LM-BP神经网络有很大的提高,与实际分类相符,有广泛的应用前景.     

迭代的计算与估计

对高次多项式函数这类非线性映射给出了一般 n次迭代的一个计算结果 ,还讨论了一维欧氏空间中一些非多项式型映射的迭代 .在二维欧氏空间中 ,我们给出了几类特殊的非线性迭代的结果 .对于一些难以精确计算迭代表达式的映射 ,我们给出了其迭代的估计 .     

基于PCA与NSSVR的人口老龄化研究

基于非线性光滑支持向量回归机研究了人口老龄化问题.首先介绍了非线性光滑支持向量回归机(NSSVR);其次,提出了人口老龄化影响体系,利用主成分分析(PCA),在体系基础上提取出对老龄化影响明显的9个指标;再次,通过非线性光滑支持向量回归机模型建立了老龄化率与9个影响指标间的相互关系;最后,用非线性光滑支持向量回归机模型对未来人口老龄率进行预测.实证表明,方法具有很好的预测效果.     

用主成分分析法作多指标综合评价应该注意的问题

主成分分析法是一种很好的多指标综合评价方法,但须注意其适用性,也要对评价结果恰当地使用.如果样本太少,或者各变量之间的相关性很小,则不适合使用;涉及到动态的价值型的指标评价问题必须作不变价在处理;如果仅仅是进行排序评价则只用一个主成分得分进行评价即可;若还要进行其他方面的分析,则在选取主成分个数时,只能选取特征根大于1所对应主成分;计算各样本的主成分得分一定要采取变权的方式进行;在对各主成分进行命名和特征概括时要首先考察各变量在不同主成分载荷的绝对值大小,在此基础上选择同一主成分上载荷较大的变量主成分命名和特征概括;如果要做倍比分析,则要把各样本的主成分得分映射到适当的正数区间,该区间的选择需要一定的经验,或者参照其他指标的倍比关系确定.     

多元统计分析(Ⅳ)

§4多元数据结构的简化 ──主成分分析和非线性映射 4.1主成分分析方法 多元数据分析上的困难往往是由于数据维数过高.如果有某种方法能把高维空间的数据投影到低维空间,而且这种投影变换又不会使信息损失很多的话,那么就有可能在低维空间上研究这些数据结构了. 例如,三维空间     

一维投影寻踪聚类模型指标性质判断与实证研究

一维投影寻踪聚类模型指标性质判断是掌握其多维输入变化与一维输出变化之间关系的关键.原始数据增大(减小),一维样本投影值就增大(减小)的指标是正向指标;原始数据增大(减小),一维样本投影值却减小(增大)的指标是逆向指标.提出指标性质判断准则并借鉴偏导数定义的思路加以证明.正向指标判断准则是正向归一化,权重大于0,或逆向归一化,权重小于0.逆向指标判断准则是正向归一化,权重小于0,或逆向归一化,权重大于0.最佳投影向量确定后,理论分析表明改变指标归一化方式不会改变其性质,实证研究表明改变指标归一化方式不会改变其对一维样本投影值的贡献排序.归一化方式只是指标原始数据预处理的方式,与性质无关.     

投影寻踪分类建模理论的新探索与实证研究

从理论上分析了正确的投影向量系数(权重)约束条件是∑_(j=1)~2a_j~2=1和1≥0_j≥-1;从理论和实证两个视角证实采用约束条件∑_(j=1)~p a_j~2=1和1≥a_j≥0时逆向指标或对正向指标采用了错误的归一化方式时的权重必定等于"0"。采用正确的约束条件,针对同一密度窗宽R值,实证分析发现和从理论上证明了在投影寻踪分类(PPC)建模中改变指标归一化方式前后,权重是互为相反数的重要特性等三个定理和二个推理,改变指标归一化方式不影响任意两样本投影值之间的距离和投影指标函数值。提出了正确使用PPC进行建模的基本原则和步骤、判定指标属性(正向指标或者逆向指标)的准则等,实现了投影寻踪探索性研究和验证性分析的有机统一。     

不同版本新教材平面向量投影内容比较与编写建议

《课标(2017年版)》明确了“向量的投影是从高维空间到低维子空间的一种线性变换”,将平面向量投影的结果由“数量”变为“向量”,并引入了“投影向量”的概念.选取七个版本新教材中“平面向量投影”内容作为研究对象,对编排顺序、问题情境、课程内容、投影向量表达式、例题和习题配置等进行统计分析和比较,发现各版本教材都提出了投影、投影向量的概念,部分教材推导了投影向量的表达式.最后给出了教材编写建议.     

基于SPA的D-U空间的区间数多属性决策模型及应用

区间数多属性决策既具有一定的确定性,又具有一定的不确定性.利用集对分析(SPA)的不确定性系统理论,将区间数映射到二维确定-不确定空间(D-U空间),把区间数转换为向量,建立区间数的模、幅角及三角函数表达式的概念,进而建立区间数的综合(基本、一般、主值)决策模型.实例计算表明:该模型能较为客观地反映出区间数多属性决策的确定性与不确定性,同时,更具有对不确定性分析的合理性.     

投影寻踪等级评价模型在冰草草坪质量综合评价中的应用

针对以往草坪质量评价方法存在人为权重赋值误差,以及简便计算等方面的不足的问题,提出了草坪坪用质量指标评定的投影寻踪等级评价模型.该方法可以依据标准样本自身的数据特性寻求最佳投影方向,通过最佳投影方向与评价指标的线性投影得到投影指标值,通过这一指标可以对样本进行统一评价和分类,并可利用最佳投影方向判断各评价指标对综合评价目标的贡献大小.排除人为权重干扰,对哈尔滨地区引种的冰草(A gropyron elongatum)坪用质量进行了综合判定.     

Robust kernel principal component analysis and classification

Kernel principal component analysis (KPCA) extends linear PCA from a real vector space to any high dimensional kernel feature space. The sensitivity of linear PCA to outliers is well-known and various robust alternatives have been proposed in the literature. For KPCA such robust versions received considerably less attention. In this article we present kernel versions of three robust PCA algorithms: spherical PCA, projection pursuit and ROBPCA. These robust KPCA algorithms are analyzed in a classification context applying discriminant analysis on the KPCA scores. The performances of the different robust KPCA algorithms are studied in a simulation study comparing misclassification percentages, both on clean and contaminated data. An outlier map is constructed to visualize outliers in such classification problems. A real life example from protein classification illustrates the usefulness of robust KPCA and its corresponding outlier map.     

基于核主元分析的带可变惩罚因子最小二乘模糊支持向量机模型及其在信用分类中的应用

信用分类是信用风险管理中一个重要环节,其主要目的是根据信用申请客户提供的资料从申请客户中区分出可信客户和违约客户,以便为信用决策者提供决策依据.为了正确区分不同的信用客户,特别是违约客户,结合核主元分析和支持向量机算法构造基于核主元分析的带可变惩罚因子最小二乘模糊支持向量机模型对信用数据进行了分类处理.在基于核主元分析的带可变惩罚因子最小二乘模糊支持向量机模型中,首先对样本数据进行预处理,然后利用核主元分析以非线性方式降低数据的维数,最后利用带可变惩罚因子最小二乘模糊支持向量机模型对降维后数据进行分类分析.为了验证,选择两个公开的信用数据集来进行实证分析.实证结果表明：基于核主元分析的带可变惩罚因子最小二乘模糊支持向量机模型取得了较好的分类结果,可为信用决策者提供重要的决策参考依据.     

Real hypersurfaces with constant principal curvatures in complex space forms

We present the motivation and current state of the classification problem of real hypersurfaces with constant principal curvatures in complex space forms. In particular, we explain the classification result of real hypersurfaces with constant principal curvatures in nonflat complex space forms and whose Hopf vector field has nontrivial projection onto two eigenspaces of the shape operator. This constitutes the following natural step after Kimura and Berndt?s classifications of Hopf real hypersurfaces with constant principal curvatures in complex space forms.     

海水富营养化评价的主成分-聚类分析方法

根据主成分分析和聚类分析理论 ,针对海水富营养化评价因子间的相关性 ,提出了海水富营养化的主成分 -聚类分析综合评价方法 .该方法能根据实测资料对海水富营养化状况客观地分类并计算出评价权值 ,避免了主观随意性 .将其应用于 2 0 0 0年 5月至 2 0 0 1年 5月柘林湾海水富营养化程度的分类与评价 ,结果与实际吻合 .     

货市与股市波动的超前滞后关系 ——基于复主成分分析法

在传统主成分分析的基础上,复数希尔伯特主成分分析通过将希尔伯特变换与随机矩阵理论相结合获取滤噪经济数据的频域信息,为揭示股票市场与货币市场波动的超前滞后关系提供了途径.实证研究结果显示,在样本区间内,中国股票市场指标相对于货币市场指标来说大部分呈现出超前的变化,而在货币市场中,数量型指标波动较为靠前,价格型指标的反应则较为滞后.此外,股票价格与货币供应量的波动之间存在反馈效应.探索两市场间这样一种动态关系能为政府对金融市场的监管工作提供相应的政策建议.     

基于支持向量机的神经元形态分类

针对神经元的空间几何形态特征分类问题以及神经元的生长预测问题进行了探讨.结合神经元的形态数据,分别建立了基于支持向量机的神经元形态分类模型、基于主成分分析和支持向量机的神经元分类模型以及基于遗传算法和RBF网络的神经元生长预测模型,在较合理的假设下,对各个模型进行求解,得到了较理想的结果.     

基于旋转变换和鲁棒主成分分析的车牌校正方法

本文研究了受到非高斯噪声污染及边框信息不完整的车牌图像校正的问题.利用鲁棒主成分分析与旋转变换结合的方法,获得了更具普适性的车牌矫正方法.并通过与主成分分析法、旋转投影法的矫正结果相比较,推广了本文方法具有更好的鲁棒性和普适性的结果.