基于主成分分析和Softmax回归模型的人脸识别方法

文章介绍一种基于主成分分析(principal component analysis,PCA)和Softmax回归模型相结合的人脸识别方法,该方法通过PCA对整幅图像提取特征,然后将提取的特征经过非线性变换输入到Softmax回归模型中。将主成分提取特征看成是单层神经网络,将它与Softmax回归模型构成的级联结构看作是2层神经网络,在神经网络的训练过程中,主成分的特征向量可以微调。在不同人脸数据库上的实验表明,相比于传统的只用PCA降维的方法,本文方法可达到较高的识别率。     

主成分回归分析在经济学中的应用

本文针对销售数据实例,采用多元回归分析,得到回归预测模型,但由于多元统计回归不能处理多重共线性,将产生较大误差。为了避免这种共线性,本文采用主成分回归模型来预测销售利润,得出优于多元线性回归的预测模型。这种回归不但可以在多元的情况下起到降雏的作用,还可以排除多元线性回归不能解决的多重共线性,使误差减小,得到更实用的预测模型。     

基于主成分回归模型的泸州市物流需求影响分析

物流需求影响因素分析是物流问题研究中的一个重要内容,对合理预测区域物流需求、做出科学决策、提升区域物流竞争力及推动区域经济发展等方面意义重大。以泸州市为研究对象,基于灰色关联分析和相关系数分析,构建排序指标模型进行物流需求量化指标优选。同时,通过分析泸州市各经济指标,构建物流需求影响因素指标体系。以优选出的物流需求量化指标与物流需求影响因子,构建主成分回归模型。最后,结合相关统计数据进行主成分回归模型精度检验及结果分析,探究各影响因素对泸州市物流需求的边际效应,并对其物流业发展提出合理化建议。     

主成分回归的主成分选择准则

结合回归自变量选择的Cp准则及平均残差平方和准则，讨论了利用主成分回归时如何选择主成分可在一定程度上避免人为性，提出了两个准则，以供实际应用时参考。     

基于主成分回归的居民消费价格指数分析

该文以主成分回归模型为理论基础,研究了1994-2012年全国31个地区的食品、烟酒及用品、居住、交通通讯、医疗保健个人用品、衣着、家庭设备及维修服务和娱乐教育文化用品及服务等居民消费价格分类指数对居民消费价格总指数的影响。通过分析发现,食品和居住指数对居民消费价格总指数的影响最大。     

线性回归模型中的KL型主成分估计

当线性回归模型中存在复共线性时,基于最小二乘估计的统计推断往往会受到影响。鉴于此,结合主成分估计和KL估计,提出了一类新的估计方法,即KL型主成分估计,以期克服复共线性问题。同时,得到新的估计在均方误差意义下优于最小二乘估计、主成分估计、r-k估计、r-d估计和KL估计的充要条件。并利用Monte Carlo模拟和实证分析对各估计量在均方误差准则下进行了比较。     

一类相依回归模型参数的组合主成分改进估计

针对两个相依方程组成的一类回归模型,提出回归系数的一种组合主成分改进估计方法,在均方误差意义下讨论了这种估计量的优良性质,研究了此估计与主成份改进估计的关系.     

用主成分回归分析解决回归模型中复共线性问题

主成分回归分析是将回归模型中有严重复共线性的变量进行因子提取,得到正交的因子变量,然后对因子变量进行回归模型的建立.通过具体实例介绍复共线性的判别方法以及如何利用主成分回归分析方法建立较理想的回归模型,从而解决了由于复共线性而造成病态回归方程的问题.     

青岛市大气污染时间序列分析预报方法研究

根据青岛市大气污染监测资料,采用时间序列分析方法,建立多种预报模型,有原序列周期外延法、均生函数周期外延法,均生函数逐步回归法以及自回归预报法等,最后提出一种综合预报模型。连续预报试验表明,综合预报模型优于任何个别预报模型,有较好的预报能力。利用马尔可夫模型对污染状态（轻、中、重）进行了分级预报试验,也获得良好的效果。     

岭回归参数选择的主成分方法

当线性回归模型中自变量出现共线时,最小二乘估计不再是良好估计。岭回归估计和主成分估计是新提出的两种估计方法,本文讨论了在某些条件下,这两种估计是很接近的,同时提供了一种选择岭回归参数K的方法,称为主成分选择法。文章还列举了两个典型例子来说明。     

室内空气污染的哲学反思

室内空气污染已成为影响室内空气品质的重要原因,本文从哲学的角度对室内空气污染形成的历史、室内空气污染产生的原因、室内空气污染治理目标以及相关的治理手段进行了反思,尝试从新的角度审视社会上对室内污染的认识,旨在找到能够和谐解决室内空气污染的方法。     

增长曲线模型回归系数的岭型组合主成分估计

本文提出了增长曲线模型回归系数的一种新的改进估计．讨论了它的优良性,证明了参数区域的某个椭球内,这种新的估计优于最小二乘估计,且在均方误差的意义下是可容许估计。     

室内空气污染及排放源的模拟模型

介绍了国外关于室内源排放率、室内污染物浓度、室内外污染物浓度比值（I／O）、室内外源贡献率及人体呼吸道受室内空气污染影响等方面模拟的模型,分析了模型的理论基础、模型形式和参数确定,对国内开展相关的研究提供重要参考借鉴。     

经济预测中的多元线性回归分析数学模型

通过矩阵形式建立了多元线性回归方程,并对回归方程进行了假设检验分析。为了避免复杂的数学运算,给出了剔除某一因素后回归方程的统一形式。采用矩阵法进行回归分析,不仅可以免除解方程的复杂过程,而且还可以使计算大大简化,便于编制程序利用计算机进行计算。     

动态线性回归模型及应用

本文从系统结构的时变性出发,将常定回归系数的数学模型拓展为时变回归系数的动态回归模型。通过实践证明,它更具有实用性,这为今后的定量分析提供了一种较有实际意义的数学模型。     

基于核主元分析和高斯混合模型的轴承转子状态评估

针对轴承转子运行状态评估问题,提出了基于核主元分析与高斯混合模型的新方法。采用小波包变换得到信号在各频带上的能量谱,然后通过核主元分析提取特征空间的主成分;并对其进行高斯混合模型建模。通过EM算法进行参数估计,由高斯混合模型的重合度对轴承转子的运行状态进行评估。通过仿真的轴承转子振动数据的验证发现,核主元分析能够使信号在特征空间的能量更加集中,在此基础上计算的高斯混合模型的重合度,能够更好地表征轴承转子的运行状态。     

基于主成分分析法优化广义回归神经网络的地震震级预测

为科学有效预测地震震级,提出了基于广义回归神经网络(general regression neural network, GRNN)的地震震级预测模型。选取地震累计频度、累计释放能量、b值、异常地震群数、地震条带个数、活动周期、相关区震级等7个指标作为地震震级影响因子,利用主成分分析法(principal component analysis, PCA)对7个影响因子进行降维处理,以新生成的4个主成分作为模型输入变量,地震震级为输出变量,运用粒子群算法(particle swarm optimization, PSO)寻优得到GRNN模型最优光滑因子,最终建立基于PCA-PSO-GRNN的地震震级预测模型,利用建立的模型对训练样本进行回判检验,并对测试样本进行预测,并同传统反向传播(back propagation, BP)神经网络模型和单一GRNN模型预测结果进行对比,结果表明：PCA-PSO-GRNN模型预测结果的平均误差为5.17%,均方根误差为0.100 0,决定系数为0.986 8,均方相对误差为0.007 3,平均绝对误差为0.100 0,运行时间为5.2 s,预测精度和运...     

组合非参数回归和卡尔曼滤波的公交车到站时间预测

准确预测公交车到站时间并实时向公交乘客发布,是提高公交车服务水平的关键因素。本文在采集的公交车GPS数据的基础上,建立了组合非参数回归和卡尔曼滤波的公交车到站时间预测模型。以北京公交300路内为例,选取1020组公交车行驶数据,取其中128组作为验证数据,选用平均绝对误差率作为评价指标,详细评价了不同时段及滤波前后模型的预测效果。预测结果表明,该模型具有较高的预测精度。     

基于线性回归模型研究汽车消费与空气污染的关系

现代社会生活中,空气污染问题已经得到民众普遍的关注,日益增长的汽车消费量与空气污染的关系研究至关重要。本文通过采集北京地区2004年到2013年私人汽车拥有量与污染指标等相关数据,采用多元线性回归分析建立起北京地区汽车消费行为模型,汽车消费与空气污染生产模型,采用Eviews和SPSS软件分析两者之间的定量关系。     

温特斯模型参数并行求解方法与应用

针对能源生产中压缩空气日产量具有明显周期性和规律变化的特性,提出了一种基于霍尔特-温特斯模型的参数并行计算预测方法。从时间序列分析、指数平滑以及最优平滑系数的并行求解入手,建立了压缩空气日产量预测模型。实验结果表明该预测模型在提高运算速度的同时具有较高预测精度。