基于PCA和网络DEA模型的中国工业企业研发效率和经营效率评价

本文构建了一个价值链模型,将创新活动视作由研发阶段和经营阶段构成的完整过程。在主成分提取的基础上,利用Tone和Tsut8ui提出的SBM网络DEA模型,对2010年我国30个省(自治区、直辖市)大中型工业企业的研发效率和经营效率进行了实证分析。研究发现:第一,研发效率与经营效率之间不存在显著相关关系。第二,从整体上看,我国大中型工业企业的研发效率显著低于经营效率。第三,利用象限分析方法,根据研发效率和经营效率的特点,将我国各省市划分为高研发效率一高经营效率、高研发效率.低经营效率、低研发效率一高经营效率、低研发效率一低经营效率四种模式,并根据各种模式提出了有针对性的建议。     

卡普利加(Kaprekar)数的构造和推广

本文首先在位数相同的数集中,定义一种新的运算——循环进位法,并证明循环进位法的加法、乘法使位数相同的数集构成群、环.在此环中,我们又给出卡普利加数的定义,并在环的主理想中,推出它的构造原理和算法.最后我们把"一分为二(卡普利加数)"推广到"一分为N".     

处理噪声问题的泰勒展开交替最小化算法

为了处理图像、计算机视觉和生物信息等领域中广泛存在的稀疏大噪声和高斯噪声问题,提出了一种利用交替方向最小化思想求解主成分追求松弛模型的泰勒展开交替最小化算法(TEAM).采用推广泰勒展开和收缩算子等技术推导出低秩矩阵和稀疏大噪声矩阵的迭代方向矩阵,加入连续技术提高算法的收敛速率,设计出TEAM算法的求解步骤.实验中,将TEAM算法与该领域的顶级算法作分析对比.结果表明,TEAM算法时间优势明显,误差优势略好.     

基于PCA与偏好强度可调的DEA方法的多响应稳健参数设计

稳健参数设计旨在选择可控因子的水平组合来降低产品或过程对噪声因子的敏感性,能够有效地提高和改善产品的质量.针对多响应参数优化设计中响应间存在相关性的问题,提出了基于主成分分析(Principal Component Analysis,PCA)与偏好强度可调的数据包络分析(Data Envelopment Analysis,DEA)的稳健参数设计;并结合实例验证了方法的有效性.研究结果表明,结合PCA与偏好强度可调的DEA方法能够有效地实现相关多响应的参数优化设计.     

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.     

主链型阳离子表面活性剂聚季铵盐的制备

以N,N-二甲基-1,3-丙二胺、尿素及1,4-二氯丁烷为原料,通过共缩聚反应两步法制备了一种新的主链型的水溶性聚季铵盐.采用正交试验获得了制备聚季铵盐的最佳条件：N,N-二甲基-1,3-丙二胺与尿素的物质的量比为2∶1,反应温度为135℃,反应时间为11h,得到中间体双[3-（N,N-二甲基丙胺基）]丙脲,产率高达99％;中间体与1,4-二氯丁烷的物质的量比为1∶1,于90℃下反应6h.采用红外光谱和核磁氢谱对产物结构进行表征,测定了其热稳定性和特性粘数.     

单光子电离质谱法用于不同品牌真假酒的快速鉴别

利用单光子电离飞行时间质谱法(SPI-TOF-MS),结合主成分分析(PCA),在无需样品预处理的条件下,建立了快速准确鉴别酒(包括白酒和劲酒)类样品真假的方法。同时,利用光电子电离质谱法(PEI-TOF-MS)对SPI-TOF-MS的准确度和可靠性进行了验证。结果表明,本方法不仅能快速实现对茅台等5种不同品牌酒的真假区分,还可以对影响酒的品质的特征物质进行分析和鉴定。与其它离子化技术(如EI,PEI,ICP等)相比,SPI作为一种"软"电离源,更容易产生分子离子峰,图谱更简单。因此,本方法有望应用于市场上酒类饮品的真假鉴别及品质的鉴定,对于快速筛选伪劣酒类产品有着重要的应用价值。     

表面解吸常压化学电离质谱快速鉴别樟木制品

采用自行研制的表面解吸常压化学电离质谱(SDAPCI-MS),在无需样品预处理的情况下,对樟木制品及普通木材进行检测,在正离子模式及m/z 90～400范围内获得其化学指纹图谱,并通过主成分分析(PCA)方法对所获指纹谱图信息进行分析,进而对不同样品进行鉴别。结果表明,SDAPCI-MS能够对樟木表面多种特征化学成分(樟脑,香叶醇等)进行解吸电离,快速获得樟木的化学指纹谱图,并能够对目标组分做多级串联质谱鉴定。结合PCA方法,可对不同品质、不同种类的木材样品进行区分。结果表明,本方法灵敏度高,分析速度快(单个样品分析时间小于3 min),可望应用于珍贵木材快速无损分析及品质鉴定。     

主成分分析-近红外光谱法快速测定婴儿配方乳粉中必需脂肪酸

利用主成分分析法将婴儿乳粉的近红外光谱数据与必需脂肪酸含量建立校正模型,并采用交互验证和外部检验两种方式来考察模型的可靠性。得到模型校正相关系数(R2)0.8704,均方估计残差(RMSEC)和交互校验均方残差(RMSECV)分别为0.6275和0.8907,应用所建立的必需脂肪酸近红外模型对婴儿乳粉必需脂肪酸含量进行预测,并将预测值和化学测量值进行配对t检验,结果表明两者无显著差异。     

广东省能源需求预测模型构建及实证分析

为了对广东省的能源需求进行准确的预测,首先分析了影响广东省能源需求的各种因素,构建了预测指标体系.在此基础上,针对能源系统非线性等复杂系统特征,结合粒子群算法和BP神经网络的优点,构建了改进的PSO-BP神经网络的预测模型,并通过主成分分析法对指标体系进行数据降维,以降低神经网络的规模和复杂程度.以广东省1985-2013年的能源需求数据进行模拟与仿真,并对2014-2018年的能源需求量进行预测,理论分析和实证研究表明,该方法能够很好的反映广东省能源需求的特征,预测结果较为准确合理.