改进贝叶斯判别法的矿井水源识别模型

为准确地判别矿井水源的类型以减少矿井水害的发生,提出一种改进贝叶斯判别的矿井水源识别模型。通过对砂岩裂隙水、老空水、奥灰水和太灰水4类水源进行水质化验,分析选取K⁺+Na⁺,Ca²⁺, Mg²⁺,SO₄^2-,Cl^-,HCO^-₃6种水质离子作为判别指标;首先使用SPSS Statistics 24软件分析各水质离子之间的相关性,其次对各主成分进行方差贡献率分析,选取前5种水质离子作为主要水质离子,然后根据变异系数法计算主要水质离子权重,最终结合贝叶斯判别法建立水源判别模型,并将模型的预测结果与基础贝叶斯模型的结果进行对比。结果表明：利用改进贝叶斯判别的矿井水源识别模型对14个待测样本进行测试,判别准确率为85.71%,相较于基础贝叶斯模型的准确率提高了21.42%,应用该判别模型的准确率得到了大幅提升;将该模型回代到26个样本中,判别结果与实际情况基本吻合。通过2种模型的对比分析,采用改进贝叶...     

基于主成分分析的河流洪水系统聚类法

进行河流洪水聚类的目的是根据洪水特征的相似程度划分洪水类别,研究同类洪水的规律性以及应对措施.但是,洪水特征选择过多往往会增加计算的复杂程度,同时特征之间的相关性也使得信息大量重叠,导致计算结果失真.为此,提出基于主成分分析的河流洪水系统聚类法.该法首先将所选的洪水特征综合成少数几个不相关的主成分,然后计算出每场洪水在各主成分上的得分值并将该值作为新的洪水特征值,最后根据这些新特征值进行洪水聚类.三门峡水库入库洪水聚类实例证明了该方法的可行性.     

IP黑名单关联聚类算法对恶意簇检测的优化研究

互联网中复杂的恶意活动都是由IP地址集群共同执行的,通过处理在网络中收集的数据来寻找恶意IP簇成为重要的研究方向。提出一种IP黑名单关联聚类算法(IPBACA),首先,构建IP-IP无向图;然后,利用测量统计相关性来测量IP黑名单与IP的相关性,并使用给定的IP黑名单来找到最佳阈值得出IP簇,判断其标准化残差是否达标;最后,识别出具有高精度的恶意簇。仿真结果表明,对比ICAMO算法,CAIIB算法和DABR算法,本文提出的IPBACA算法在精确率、召回率、F1指标和归一化互信息等4个主要性能指标方面均有明显改善,显著提高了对检测恶意簇的检测能力。     

基于多神经网络模型的软测量方法及应用

针对具有复杂非线性的生化过程,提出了一种基于多神经网络模型的软测量方法·利用主成分分析技术对原样本数据进行压缩,得到低维样本数据,并利用一种改进的分类指标对低维样本数据实现生化过程样本数据的分类,然后利用神经网络分别拟和各类数据的特性,建立软测量模型·最后,将这一方法应用于谷氨酸发酵过程,实验结果验证了该方法的有效性·     

云南高原湖泊群的统计学聚类识别 及水质响应模式研究

为探究湖泊群水质变量的响应模式,构建适用于监测数据匮乏的湖泊群聚类和响应模式识别方法体系(PCA-BN),包括4个步骤:数据预处理、PCA降维与湖泊聚类、贝叶斯网络构建及参数学习、湖泊响应关系模拟。以云南高原湖泊群为例开展研究,结果表明:所研究的26个湖泊可分为两类;由于第一类湖泊受到的人为干扰更严重,因而叶绿素a对总氮和总磷的响应比第二类湖泊更敏感;第一类湖泊表层水温高,溶解氧趋近饱和,随叶绿素a变化不显著,第二类湖泊溶解氧随叶绿素a升高而显著升高;两类湖泊的透明度与叶绿素a的关系一致。     

基于聚类与主成分分析法的道路检测器布局优化

依据交叉口交通量的相关性,利用系统聚类和主成分分析法对交叉口检测器空间优化问题进行研究,并通过深圳路网的实际数据进行检验,取得满意效果。     

基于聚类评分的暴雨/冰雹分类模型

针对暴雨和冰雹2种强对流天气的区分问题,研究了主成分分析联合线性鉴别分析对雷达图像中提取的冰雹及暴雨特征降维和去相关的作用,设计了基于聚类评分的暴雨/冰雹分类模型,采用K均值聚类评分的办法确定具有高分类性的主成分,并以此主成分设计分类器对暴雨和冰雹进行区分.结果表明:主成分分析联合线性鉴别分析进行特征处理能够在降维的同时保留大部分分类性信息,基于聚类评分的分类模型有利于提高冰雹识别的命中率并降低其误警率,且对一般类型公共数据分类问题有效.     

结合主元分析和系统聚类的丙烯腈反应器优化

为提高丙烯腈收率,在分析丙烯腈生产工艺的基础上,结合主元分析与系统聚类两种方法对丙烯腈硫化床反应器进行优化.利用主元分析进行变量选取,然后用系统聚类法进行分类并提取优类样本.在分类操作中通过选用不同的判据得到几组最优运行工况.比较发现类平均距离法、离差平方和法要优于其他方法.优化后丙烯腈平均收率提高了近0.7%,试验结果说明了该方法是很有效的.     

基于动态独立成分的单类支持向量机方法及其在故障诊断中的应用

针对工业过程故障诊断中数据的动态性、非高斯性和非线性特点,提出一种基于动态独立成分的单类支持向量机(OCSVM)方法。为了分析数据的动态特性和非高斯性,应用动态独立成分分析(DICA)方法提取数据变量中的动态独立成分作为特征信息,基于特征信息建立OCSVM模型并构造非线性监控统计量。检测到故障后,计算故障数据与故障模式数据决策超平面的相似度,通过相似度分析识别故障模式。在Tennessee Eastman基准过程上的仿真结果表明,提出的方法能够比单类支持向量机更有效地检测过程故障,并且能够正确识别故障模式。     

基于数据特性分析的多变量过程监测

以PCA,ICA为代表的多元统计监测方法总是基于各种各样的前提假设,如果不考虑它们的适用条件盲目选择监测算法,则可能给出错误结论,增加故障误报漏报的概率.针对理论方法在应用时面临的条件限制问题,在无先验知识的情况下,提出一种数据特性的分析方法,通过参数寻优并逐步剔除线性相关变量组的方法,实现多变量过程线性非线性的自动判别.仿真分析表明所提方法可以根据数据特点及各算法的适用条件自动选择适当的监测算法,具有一定的实用价值.     

利用计算机视觉识别茶叶的色泽类型

针对茶叶色泽的感官评定存在识别结果的主观性强和一致性差等缺点,提出了一种新的识别方法,在计算机视觉技术定量描述茶叶的颜色特征的基础上,根据相似分类法（SIMCA）模式识别原理分别为碧螺春、龙井和祁红等三种茶叶建立了各自的分类识别模型并进行识别．结果显示：在显著性水平α=5％的条件下,所建立的模型最佳;训练时,各自模型对己类样本的回判率和对非己类样本的拒绝率都达到100％;预测时,各自模型对己类样本的识别率分别为90％、90％和100％,对非己类样本的拒绝率都是100％．试验结果表明,利用计算机视觉技术识别茶叶的色泽类型是可行的．     

主成分分析在青海人工种植大黄的矿物质元素研究

运用主成分分析法对青海人工种植大黄的矿物质元素含量进行综合评价,主成分综合指标是由原来多个指标线性组合而成,使分析问题大大简化,而仅仅丢失少量信息,在综合评价中,由第1和第2主成分累计方差贡献率为88.444%.     

基于多维统计分析方法的脑电消噪

基于二阶统计特性的主分量分析(PCA)和基于高阶统计特性的独立分量分析(ICA)是两种非常典型的多维统计分析方法.本文对PCA和ICA基本原理进行了简单介绍,并结合脑电消噪问题,对两种方法的性能和特点进行了比较.实验结果表明,在脑电消噪和特征增强等方面,独立分量分析方法具有明显的优势.     

基于支持向量回归机的气象观测站优化模型

在保证足够信息量的前提下,针对合理减少气象观测站的实际问题,首先利用主成分分析(PCA) 降低样本数据的维数,其次利用支持向量回归机(SVR)对样本进行有效的回归,然后结合优化软件lingo对凸二次规划问题(与支持向量回归机相对应)进行求解,最终得出基于主成分分析-支持向量机回归预测优化模型。     

基于估计概率密度函数的独立分量分析方法

利用混合高斯模型,给出了估计概率密度函数算法,并利用高斯混合模型法获得了对分离矩阵的梯度学习算法,给出了一种迭代概率密度估计的独立分量分析学习算法．这种块处理方法可实现超、亚高斯混合信源的情况．最后在仿真实验过程中验证了该算法具有较高的稳定度和精确度。     

主成分分析和聚类分析用于中药红曲中微量元素含量的研究

目的：研究不同产地红曲微量元素的含量及分布特征．方法：以微量元素含量为指标,用SPSS主成分分析法和聚类分析法对红曲中的特征元素进行分析．结果：筛选出特征根累计贡献率83．260％的3个主成分;对选出的品种中主成分进行系统聚类分析,在离差平方和的水平上将其划分为3大类群．结论：为红曲药材道地性研究及鉴定提供了科学依据．     

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.     

基于主成分聚类分析的采矿方法优选

 采矿方法优选涉及到多指标体系的分类及综合评价问题,利用主成分分析简化了指标结构,将主成分分析与聚类分析相结合,提出了主成分聚类分析法,并基于该方法对来自某矿山的15个试样的采矿方法进行了优选。在此过程中,针对传统主成分分析方法的缺点和应用中可能出现的误区,通过均值化改进了主成分分析的特征提取,通过以主成分得分为新的数据基础做聚类分析改善了综合评价效果;对主成分含义给出了较为明确的解释;对主成分聚类、第一主成分得分、主成分综合得分的排序结果进行了对比分析。研究表明,主成分聚类分析法则既可以对多变量数据进行合理地分类,又能对各类优劣程度做出综合评价,能充分反映矿山的实际情况,终选出的采矿方法在工业试验后成效显著,验证了该决策方法是切实可行的。     

区域经济发展的综合评价及优化——以宁夏为例

区域经济是国民经济的基础,县域作为区域中特指的地理单元,经济差异在所难免,缩小和归避内部差异是区域经济一体化和区域可持续发展的关键．宁夏各区域由于种种原因经济发展水平有较大差异,所以有必要用定量化的方法来进行评价并提出对策．以2003年宁夏统计年鉴为依据,从4个方面设立了反映宁夏区域经济发展水平的35个指标,应用主成分分析法得出宁夏各区域的因子总分,将其划分为4个类型区．在此基础上,指出了宁夏经济发展的制约因素,并提出了相应的对策．