努比亚山羊体尺体重的聚类和主成分分析

试验对努比亚山羊体重、体高、体斜长、胸围、胸宽、胸深、管围、最大额宽指标间的关系进行分析,为今后努比亚山羊的选育和生产提供参考。试验随机选取32只3月龄的努比亚山羊测量体重及体尺指标,应用SPSS 25.0统计软件对数据进行主成分分析与聚类分析。结果显示,主成分分析将上述8个指标区分为3个独立的主成分,第1主成分贡献率为71.091%,主要反映体重和体型外貌特征;第2主成分贡献率为10.501%,主要反映躯体特征;第3主成分贡献率为6.206%,主要反映额宽特征。聚类分析将8个指标聚类为2个亚类:第1类包括体重、胸深、胸宽、管围和最大额宽;第2类包括体高、体斜长和胸围。研究表明,选育努比亚山羊应多参考体重、体高、体斜长、胸围高载荷的变异指标,3个主成分在一定程度上反映了努比亚山羊的体型特征及选育的利用信息。

环境空气质量综合指数计算方法比选研究

环境空气质量综合指数是进行逐月城市环境空气质量比较和排序的重要方法,提出了4种涵盖SO2、NO2、PM10、PM2.5、CO、O3等6项污染物的综合指数计算方法,基于2013年74个城市逐月污染物浓度数据使用主成分分析方法进行了对比分析。结果表明,综合指数计算方法中污染物统计指标和标准化方法不同对于主要污染物的判定有重要影响,各种计算方法中PM2.5、PM10、O3是出现频率最多的主要污染物;除O3外其他5项污染物逐月统计指标间均有极显著的正相关性,冬季O3统计指标与SO2、NO2、PM10、PM2.5呈显著负相关,夏季则呈显著正相关;主成分分析结果表明,在去除冗余信息后,PM2.5、PM10的权重被相对削弱,SO2、NO2、CO的权重得到相对强化,O3的权重夏季得到强化、冬季被削弱;综合考虑不同方案下主要污染物频率分布情况和PM2.5、PM10、O3权重变化特征,建议计算逐月环境空气质量综合指数时,SO2、NO2、PM10、PM2.5宜以月均值除以年均值标准进行标准化,CO、O3宜以特定百分位数浓度除以日均值标准(或8 h均值标准)进行标准化;该方法可延伸到季、半年和年度的环境空气质量综合指数计算。

眼镜遮挡下的正面人脸识别

针对眼镜遮挡对人脸识别影响较大这一问题,提出一种从正面人脸图像中提取并摘除眼镜的方法。首先利用主成分分析和独立成分分析法对输入的戴眼镜人脸进行重建,对比重建人脸和输入人脸,从而提取眼镜遮挡区域;然后经过迭代误差补偿合成相应的无眼镜人脸;最后考虑到合成图像的特殊性,使用改进的特征加权方法实现人脸识别。实验结果表明,利用提出的人脸重建和特征加权方法进行戴眼镜人脸识别,正确率可以达到91%,优于传统方法。

基于动态主元分析法的传感器故障检测

提出了一种基于动态主元分析的传感器故障检测方法。利用数据矩阵前t时刻和当前时刻的数据,建立多变量多时刻的自回归统计模型。计算主元数据矩阵,建立动态主元模型。以测量速度最慢的传感器的测量周期为统一采样周期,4个连续采样周期为一个诊断周期,建立动态三维测量矩阵,采用残差的平方预报误差的指数加权移动平均(Squared prediction error-Exponentially weighted moving average,SPE-EWMA)模型检测传感器故障。在只存在传感器故障的前提下,模拟发动机开车过程中几种典型的渐变性故障和突变性故障,实验结果表明,算法实时跟踪了各种检测指标的变化,准确检测出故障传感器。

皖东牛体尺与体重的主成分分析

对皖东公牛体重、体高、体斜长、胸围、胸宽、胸深、管围、坐骨端宽和尻长等9个体尺性状和体重进行了测定,母牛在公牛9个性状基础上增加腹围性状,选择公牛累计贡献率达86.44%、母牛累计贡献率达85.37%的4个主成分进行分析。结果表明,体重、坐骨端宽、胸宽变异系数较大,选育潜力也相对较大。皖东牛成年公、母牛体重与体高、体斜长、胸围呈极显著正相关(P<0.01),其他性状间存在不同程度的相关。各主分量的特征根分布较广,第一主成分反映出皖东牛整体结构的生长发育状况,第二和第四主成分主要反映皖东牛中躯和后躯的发育状况,母牛的第四主成分反映皖东牛后躯的发育状况,公牛的第四主成分反映皖东牛骨骼的发育状况。

结合社会化网络的文献综合计量模型

近年来国际上提出一种基于社会化网络的Altmetrics文献计量法,该方法能较准确地反映文献的社会影响力,并能弥补基于引用的传统文献计量方法时效性差、评价指标不全面、评价具有马太效应等缺陷。为在国内学术环境下实现Altmetrics方法的研究和应用,通过融合基于引用的传统指标与基于社会化网络的Altmetrics指标,对国内学术网络环境下的指标数据源进行统计和计算,结合Delphi赋权法和主成分分析赋权法求得各项影响力指标的权重因子,从而得到适应于国内学术环境的ALS综合计量模型。实验结果表明,主客观赋权法能互相弥补缺陷且所得结果更接近于真实情况,通过ALS综合计量模型求得的文献排名与传统引用量排名基本一致。

区域自然灾害的社会脆弱性评估——以河南省为例

脆弱性研究对区域防灾减灾规划和灾害风险管理具有极其重要的作用。以灾害频发的河南省为研究区,以区内各地市为基本评价单元,运用秩次相关分析和PCA法筛选出11个相互独立的影响因子,构建了河南省自然灾害社会脆弱性评估模型。利用AHP法确定各指标的相对权重,采用综合指数法对各评价单元的社会弱性进行了评估,并借助ArcGIS软件对评估结果进行了区划制图研究。结果表明:(1)河南省自然灾害的社会脆弱性呈现出一定的地域分布规律。(2)周口市、商丘市和驻马店市社会脆弱性等级为Ⅲ,属高脆弱区;郑州市、济源市与三门峡市自然灾害的社会脆弱性等级为Ⅰ,属低脆弱区;其他地市评价等级为Ⅱ,属中等脆弱区。(3)全省所处高、中和低社会脆弱性的面积比例分别为22.68%,65.35%和11.97%。

基于主成分逐步回归法的新疆褐牛体重预测模型研究

[目的]为了找到适合新疆褐牛体重预测的方法。[方法]运用主成分回归分析法构建了新疆褐牛公牛体重模型,消除了常用估重方法中体尺指标间普遍存在的多重共线性模型。[结果]表明,该模型具有较高的精度(R2=0.810,P<0.01),估测体重与实测体重具有较高的拟合度(R=0.922,P<0.01)。[结论]这种方法适合新疆褐牛的体型结构特点,同时,该方法与模型的应用也为其他品种牛体重估测模型的构建提供了参考。

基于PCA的小波多分辨图像融合方法

提出小波多分辨率下主成份分析(PCA)的图像融合方法。首先利用小波变换对融合图像进行多分辨率分解,然后利用主成份分析方法确定图像小波低频近似系数的自适应融合权重,采用局部区域“能量”法进行小波高频细节系数的融合,最后将小波融合系数逆变换实现图像的融合处理。实验结果证实融合图像的目标特征突出,易于目视解译。

张量主成分分析与高维信息压缩方法

本文概述了信息压缩背景下的张量主成分分析的研究历史与发展现状,并展望了一些可能的研究领域.首先,我们回顾了张量以及张量分解的历史,在信息压缩背景下张量分解可以统一表达为一个普适的统计模型;其次,按经典主成分分析(PCA)、稳健主成分分析以及稀疏主成分分析三大类,我们详述了每类在多样本和单样本情形下的统计理论和优化算法的进展,其中又由简单数据结构到复杂数据结构依次对向量数据、矩阵数据以及张量数据的PCA发展进行了概述.

主成分分析赋权的灰色模型在港口安全评价中的应用

针对传统的灰色模型的主观赋权,过多的倚重于专家的观点,使评价结果往往与实际情况有出入;客观赋权的原始数据来源于评价指标的原始数据,具有绝对的客观性,但一般的客观赋权方法原理过于复杂,计算较为烦琐,难以掌握的问题,借助SPSS软件,应用主成分分析法赋权,并将其应用于港口航行安全评价中,以期评价结果更客观,更接近于事实。

基于FKPCA与双决策子空间的人脸识别

针对人脸识别中的小样本问题,提出一种快速核主元分析(FKPCA)与双决策子空间的人脸识别方法。利用FKPCA方法将原始样本空间映射到高维空间,在高维空间中实现原始样本的降维,在双决策子空间分别用Fisher准则和类间散布判决准则提取常规信息和非常规信息,通过加权欧式距离进行信息融合并用最近邻分类器进行识别。在ORL人脸库上的实验结果表明,该方法具有较高的识别率与较快的识别速度。

确定肿瘤基因表达谱特征基因方法的研究

分析了目前基因表达谱提取特征基因所采用的方法,提出了Fisher权函数和主成份分析结合离散余弦变换的混合特征基因提取方法,以多元Logistic回归分析作为分类器进行肿瘤分类检测。该方法具有以下特点:根据基因表达数据维数高样本量小的特点,使用Fisher权函数对数据进行预处理,简单有效地得到特征基因候选集;利用离散余弦变换(Discrete Cosine Transform,DCT)的能量压缩特性,提高特征基因主成份的显现效果,有效提取特征基因信息。实验结果表明,该方法对结肠癌数据集的CV识别准确率高达95.20%.

提高传感器故障检测能力的研究

提高传感器故障检测系统检测小故障的能力,对提高工业过程的安全和经济性有重要意义.通过推导证明:对过程数据进行指数加权滑动平均(EWMA)滤波后,(T2H)指标的阈值保持不变,而T2H指标相对于滤波前得到放大,因此滤波后T2H指标的故障检测精度得到提高,有利于及时检测到更小的传感器故障,提高了T2H指标检测小故障的能力,降低误报率,更易区分传感器的偏差故障和漂移故障.由于EWMA滤波会滤除一定的过程噪声,因此不推荐采用滤波方法检测传感器精度下降的故障.

基于EM算法的多椭圆形目标检测

提出了一种椭圆形多目标检测算法。根据椭圆形目标在形状上与高斯分布相对应的特点,计算目标的特征均值和协方差矩阵,采用主元素法来描述椭圆形目标的大小、位置及主轴。对于包含多个目标的重叠区域,设计了一种加权的EM迭代算法,从而精确计算该区域的目标数、各椭圆的统计特性及位置、形状和大小。把该算法应用于水果及运动目标检测,获得稳定、精确的分割结果。

一种新的加权主分量分析方法

提出了一种新的加权主分量分析方法,该方法和传统主分量分析的区别在于考虑了训练样本分布情况,给出了一种新的均方差矩阵估计方法,再进行特征抽取和识别.在ORL人脸数据库上的试验结果表明,所提出的方法在识别性能上优于主分量分析.

基于WT-W2D2DPCA的人脸识别算法研究

人脸识别过程中,针对二维主成分分析(2DPCA)算法在特征提取和数据降维上存在的问题,本文首先引入双向二维主成分分析(2D2DPCA)算法,该算法同时考虑图像行与列方向上的信息.考虑到人脸图像存在信息冗余而影响识别率的问题,于是本文提出一种基于小波加权双向二维主成分分析(WT-W2D2DPCA)的人脸识别算法.该算法首先采用二级小波分解对人脸图像进行预处理,提取其低频部分;然后根据人脸图像的特性,将低频部分进行奇偶分解,并引入加权思想,重组低频人脸图像,最后在ORL人脸数据库上进行双向二维主成分分析.实验结果表明,该方法不仅克服了传统2DPCA系数矩阵大的问题,而且得到了比传统的2DPCA、2D2DPCA算法更好的识别效果.

我国政府在市场化进程中的作用测度——31省市(自治区)的比较分析

本文对我国市场化过程中的政府作用进行研究,建立了一套符合我国政府市场化发展实际情况的统计指标体系,采用科学的统计分析方法,进行各分项评价及综合评价,并对31省市(自治区)进行了排序,得到了比较切合实际的结果。

基于优化特征加权支持向量机的隐写分析方法

为解决当前隐写分析中存在的特征选取维数过高、独立性较差的问题,提出了一种新的基于降维处理的特征加权的支持向量机隐写分析方法。采用主成分分析及信息增益算法进行特征优化及特征加权,然后提出一种新的支持向量机分类器——优化特征加权支持向量机。通过与目前隐写分析中广泛使用的C-SVM分类器进行对比实验,结果表明,该方法能够有效降低分析算法的时间复杂度,具有高效的隐秘检测能力。

局部对比度先验下基于低秩模型的红外小目标检测方法

为了解决红外小目标检测算法容易在复杂背景边缘和拐点处误检的问题,本文提出了一种局部对比度与非局部低秩张量模型相融合的红外小目标检测算法。首先采用双窗口结构的局部对比度算法提取目标和背景的局部先验信息。然后在所获取的局部先验信息约束下,对标准的红外块张量模型进行重新构建,并通过引入加权张量核范数最小化来进一步抑制背景和提高迭代效率。最后,将目标和背景的分离问题,转化成了一个张量鲁棒性主成分分析问题,并用交替方向乘子法实现该问题的求解。实验表明,在不同的复杂背景下,本文方法的性能均优于现有的典型红外小目标检测方法。