成分数据主成分分析及其应用

本文分析了传统主成分分析在成分数据分析中的不适应性，介绍了艾奇逊的中心化对数比变换和成分数据主成分分析，并以农民消费结构为例，重点讨论了成分数据主成分分析的实施步骤     

基于层次分析的主成分分析法及其应用

在分析了传统的层次分析法和主成分分析法的优缺点的基础上,扬长避短的将两种方法结合在一起,讨论了基于层次分析的主成分分析法.与新兴的决策评估方法相比,例如直觉模糊层次分析法,基于层次分析的主成分分析法更具有简洁性和直观性.最后,将方法应用于登陆作战的目标选择,得到了与实战结果相同的结论,验证了方法的可行性.     

基于时变距离函数的多变量区间函数型主成分分析方法

针对现实中经符号分析形成的区间函数型数据,提出时变距离函数概念,并将其应用于区间协方差计算.利用函数型主成分分析方法推导出相应的特征函数,提出了基于时变距离函数的多变量区间函数型主成分分析方法.通过实证证明:区间函数型主成分分析以区间化获取了更多信息,以函数化放松了假定,增加了可视化水平,能够有效解决区间函数型数据的特...     

基于MCD的稳健主成分算法及其实证分析

主成分分析方法是在经济管理中经常使用的多元统计分析方法,在变量降维方面扮演着很重要的角色,是进行多变量综合评价的有力工具。但传统的主成分分析对于异常值十分敏感,计算结果很容易受到异常值影响,而实际数据常包含异常情况,通常分析很少考虑它们的作用。本文基于MCD估计提出一种稳健的主成分分析方法,模拟和实证分析结果表明,该方法对于抵抗异常值有很好的效果。     

基于区间数据分析的期刊发展现状分析

采用CSSCI数据库中收录的全部期刊数据,通过相关分析、区间数据主成分分析等方法建立模型,客观地对整个数据库中期刊的整体特征进行全面、系统的分析,探寻其中的特征、规律以及原因,提出了办好学术期刊的一些方式方法.     

基于主成分分析的水质评价方法

主成分分析法能够在保证原始数据信息损失最小的情况下,以少数的综合变量取代原有的多维变量,使数据结构大为简化,并且客观地确定变量权数,避免了主观随意性.应用主成分分析法对长春市地面水环境进行评价,且与其它评价方法相比较,结果显示主成分分析法更客观且指导性较强,是一种行之有效的水质评价方法.通过主成分分析进行水质评价,可为水资源规划、利用、开发和环境系统优化提供更为客观的参考依据.     

对台湾工农业产品产量的主成分分析

主成分析分析法是一种将多个指标化为少数几个不相关的综合指标 (即主成分 )的多元统计分析方法 .本文通过运用主成分方法对我国台湾地区 1 989 1 996工农业主要指标的原始数据的处理分析 ,表明主成分分析确是在实用中很可行的一种常用的统计方法 .     

基于主成分分析的需水量预测模型研究

用水是整个水资源系统中的一个重要环节,需水预测是制定水资源规划、管理以及国民经济计划的基础和依据.提出了基于主成分分析法分析的需水量预测模型,试图能探讨需水定额与经济社会各影响关系响应,以郑州市为例对2010年、2020年和2030年的工业、农业和生活的需水量进行了预测,并与郑州市水资源规划的预测结果进行了比较,分析及比较结果表明:该模型预测结果比规划结果偏低,2010年、2020年和2030年平水年分别需水162295×104m3、179966×104m3和194696×104m3,需水结构的变化基本反映了郑州市产业结构调整和社会经济良性发展的趋势.     

独立成分分析与主成分分析在股票市场上的运用

展示了分析及认识金融市场结构的一种新方法.将这种方法实例应用在了股票指数CAC40的一篮子股票中,对股票价格走势进行分析,并将独立成分分析（ICA）方法与传统的主成分分析（PCA）方法进行了比较.     

主成分分析应用方法的改进

首先对主成分分析应用中出现的一些误区,通过推导指出错误所在,并提出相应的改进方案.最后通过一个实例,说明新方案的合理性.     

基于主成分的改进雷达图及其在综合评价中的应用

本文从可视化角度出发,在总结传统可视化方法因优点与不足的基础上,将主成分分析、因子分析与雷达图结合,改进了传统的可视化方法。并将新的可视化方法引入到综合评价中,提出了一种基于雷达图面积的综合评价模型,实例验证该种方法切实有效。     

主成份分析在证券市场个股评析中的应用

本文利用主成份分析方法 ,对证券市场上 31种股票进行综合评价 ,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个股业绩的度量 ,得到了这些股票 1997年上半年财务状况的排列次序     

修正主成分分析及其在车牌定位中的应用

车牌照识别技术是现代智能交通的重要组成部分.为了从彩色图像中定位及分割出汽车牌照,将图像中每一个像素点的红、绿、蓝值看成三维空间中的点(r,g,b),采用主成分分析对含牌照的彩色图像进行正交变换得到(r′,g′,b′),分别以r′,g′,b′作为灰度值得到三个主成分图像,牌照信息体现在第二主成分图像中.为了进一步提高车牌定位效率,对正交变换矩阵进行了修正,对修正后的第二主成分图像进行二值化,分割出白色区域即可定位出汽车牌照.实验表明,本算法对噪声不敏感,抗干扰性强,识别效率高.     

基于灰色关联分析和主成分分析组合权重的确定方法研究

为了提高综合评价模型中权重的准确性和客观性,以主成分分析法和灰色关联分析法为基础,建立了组合权重模型,从而修正了灰色关联分析法和主成分分析法在确定权重过程中的缺陷,为综合评价体系中权重的确定提出一种新的思路.     

高维稳健主成分聚类方法及其应用研究

随着信息技术的高速发展,每条数据所包含的信息越来越丰富,使得数据不可避免地含有异常值,且随着维数的增加,异常值出现的可能性更大。传统的主成分聚类分析对异常值特別敏感,基于MCD估计的主成分聚类方法虽然对异常值具有防御作用,但是在高维数据下MCD估计的偏差过大,其稳健性显著降低,而且当维数大于观测值个数时MCD估计失效。为此本文提出了基于MRCD估计的稳健主成分聚类方法,数值模拟和实证分析表明,基于MRCD估计的主成分聚类分析的效果优于传统的主成分聚类分析和基于MCD估计的主成分聚类分析,尤其是在维数大于样本观测值的情况下,MRCD估计更为有效。     

稳健稀疏主成分分析法及其实证研究

主成分分析是多元统计分析中一种非常经典的降维技术。然而,经典主成分分析却是对离群值非常敏感的,常因离群值的存在导致结果与实际不相符。另一方面,当主成分分析用于综合评价时,主成分的含义常因载荷间绝对值大小不分明而含糊不清,从而导致综合评价难以展开。本文通过使用稳健稀疏主成分分析法进行模拟实验和实证分析,结果表明:该方法不仅能很好地抵抗离群值的影响,而且还能准确地识别出离群样本。通过该方法得出的主成分的含义也较经典主成分分析和稳健主成分分析更加地明确和贴近实际。     

基于主成分分析的单变量时间序列聚类方法

针对时间序列数据的高维特性,在进行理论分析的基础上,利用主成分分析法提出了一种单变量时间序列数据降维的新方法,进而提出了基于主成分分析的单变量时间序列聚类方法。其主要思想是在线性空间中的同一组基下,用系数之间的相似性来刻画对应时间序列之间相似性,在理论分析过程中,首先对单变量时间序列数据集进行主成分分析,其次分析了单变量时间序列数据集、样本协方差矩阵的特征向量与主成分之间的关系,并证明了由主成分构成的向量组线性无关。为了进一步验证理论分析结果的正确性和所提算法的有效性,分别利用仿真数据和真实的股票数据进行了数值实验。