基于主成分分析的果蝇算法优化支持向量机回归的红枣产量预测

随着大数据技术和人工智能的快速发展,针对当前红枣产量预测模型精度低、模型优化时间过长等问题,以山西省1993—2020年的红枣产量及17个维度的因素作为基础数据,提出一种基于主成分分析的果蝇算法优化支持向量机回归(principal component analysis-fruit fly optimization algorithm-support vector regression,PCA-FOA-SVR)的红枣产量预测模型。首先利用主成分分析(principal component analysis,PCA)对数据进行降维处理,以5维的指标作为输入变量,产量作为输出变量;其次以支持向量机回归(support vector regression,SVR)为基础模型,利用果蝇优化算法(fruit fly optimization algorithm,FOA)对SVR参数惩罚因子c和核函数参数g进行寻优,构建PCA-FOA-SVR模型。对试验结果进行验证。发现PCA-FOA-SVR的均方根误差(root mean square error,RMSE)、平均绝对误差(mean absolute error,MAE)、决定系数R 2分别为3.11、3.01、0.96,SVR的各指标分别为5.33、4.07、0.9,分别提高了41.7%、26%、6.7%,最后通过GM(1,1)对各维度的数据进行预测,利用PCA-FOA-SVR模型对未来10年山西省红枣产量进行预测,结果显示在2025年红枣产量会达到一个峰值,对后续相关研究提供了一定的科学依据。

基于主成分分析和深度森林算法的S700K转辙机故障诊断

针对目前转辙机故障诊断准确性不高、效率低等问题,提出了一种基于主成分分析(PCA)和深度森林(gcForest)算法的故障诊断方法。对于S700K转辙机11种故障模式下的电流、功率曲线,采用主成分分析进行电流特征值特征简约,然后使用嵌入简约特征值的改进深度森林模型提高数据处理能力,增强模型内在特征代表性。结果表明,改进深度森林模型故障诊断准确率为97.62%,验证了该方法的有效性和优越性。

结合拉曼光谱主成分分析-线性判别进行蛇纹石玉产地溯源的探索

蛇纹石是中国最早使用的玉石之一,开展蛇纹石玉的产地溯源探索,对认识中国古代玉文化发展历程,重建古代玉石贸易路线均有重要的意义。但由于蛇纹石玉产地众多,目前尚没有成熟的蛇纹石玉产地溯源的判别技术。以产自陕西汉中、甘肃敦煌、河南栾川、辽宁岫岩、山东泰安、甘肃武山6地的蛇纹石玉为研究对象,在66块样品上共采集到200个高质量拉曼光谱数据,并在对测试结果进行主成分分析(PCA)的基础上建立了线性判别分析(LDA)的产地判别模型。结果显示,不同产地蛇纹石玉的矿物组成有所差异,汉中蛇纹石玉的主要矿物成分有纤蛇纹石和利蛇纹石两种;敦煌蛇纹石玉则为纤蛇纹石和利蛇纹石的均匀混合型;泰安蛇纹石玉的主要矿物成分有利蛇纹石(墨玉)和叶蛇纹石(碧玉和翠斑玉)两种;河南栾川、辽宁岫岩、甘肃武山蛇纹石玉的主要矿物成分均为叶蛇纹石。在严格控制实验条件的前提下,将拉曼光谱数据结合PCA+LDA分析可以对不同产地的蛇纹石玉进行区分,所建立的LDA判别模型的训练集数据和测试集数据的产地判别正确率分别达到了96.25%和92.50%。这显示出利用无损检测拉曼光谱技术进行蛇纹石玉产地溯源具有潜在价值。将拉曼光谱无损检测数据结合统计学或机器学习方法来构建判别模型可能是解决蛇纹石玉产地溯源瓶颈新的技术路径。

矩阵数据基于鲁棒主成分分析的距离加权判别分析

距离加权判别(DWD)是一种已被广泛应用的矩阵数据分类模型,当数据中存在严重的噪声污染时,该模型的性能会明显下降。鲁棒主成分分析(RPCA)因具备分离数据矩阵低秩结构和稀疏部分的特性已成为解决该问题的有效手段之一。因此,提出一种矩阵数据鲁棒距离加权判别(RDWD-2D)模型。特别地,该模型以有监督的方式对数据矩阵进行鲁棒主成分分析,并同步实现干净数据的恢复与分类。在MNIST和COIL20数据集上的实验结果表明,针对有噪声污染或数据缺失的矩阵数据,与DWD-2D、RPCA+DWD等模型相比,RDWD-2D模型有最好的数据恢复能力和最高的分类准确率;同时RDWD-2D模型对于数据污染度也有较好的鲁棒性。

船舶冲击环境网络预报的参数主成分分析方法

针对由于船舶水下爆炸冲击的强非线性特征引起的在利用神经网络进行冲击环境预报时精度不高的问题,本文采用一种基于主成分分析的方法对网络模型的输入参数作降维处理从而提高精度。利用矩阵特征值提取和矩阵变换,通过主成分分析方法以及因子分析对原始数据样本进行数据降维处理,再选择适应的网络对冲击谱值进行快速预报。实验结果表明:主成分选取主要参考特征值的大小及下降趋势,保留陡降段的特征值,并分析过渡段特征值的取舍;同时验证了对参数实施去相关处理和降维处理可以明显改善神经网络的预报准确性。

水质因子对冷萃咖啡主要成分及风味的影响

为探究水质因子对冷萃咖啡主要成分及感官风味的影响,本研究选择6种不同的市售水通过冷萃的方式制备咖啡萃取液,采用高效液相色谱(HPLC)技术和顶空固相微萃取-气质联用(HS-SPME-GC-MS)技术鉴定6组冷萃咖啡液,比较分析6组冷萃咖啡理化指标、非挥发性成分、挥发性成分、感官评价的差异,并进行相关性和主成分分析(PCA)。结果显示,不同类型的水样主要离子含量差异较大,水中离子对冷萃咖啡的萃取浓度、萃取率、pH、可滴定酸、咖啡因、葫芦巴碱和呋喃类挥发性化合物整体有较大影响,对总酚、绿原酸、咖啡酸、抗氧化活性影响较小。水中的Ca^(2+)、Mg^(2+)、HCO_(3)^(−)与冷萃咖啡的萃取浓度、萃取率、咖啡因、葫芦巴碱呈显著正相关(P<0.05),与可滴定酸值呈显著负相关(P<0.05)。糠醇、5-甲基糠醛、1-糠基吡咯、糠基甲基硫醚、2-异丁基-3-甲氧基吡嗪、乙酸糠醇酯这些挥发性化合物与水中总离子含量有较大关联。PCA图分析显示,水中较低的离子含量能促进咖啡花果风味的体现,随着水中Ca^(2+)、Mg^(2+)、HCO_(3)^(−)的增加,咖啡的花果味、酸味、甜味会有不同程度的减弱。较高的离子含量(尤其是Na^(+)、K^(+))能促进咖啡焦糖味、苦涩味的体现,Na^(+)、K^(+)对糠醇含量影响较大,Ca^(2+)、Mg^(2+)、HCO_(3)^(−)对1-糠基吡咯、5-甲基糠醛、糠基甲基硫醚含量影响较大,而用中等的离子含量的水冲泡的冷萃咖啡有较好的坚果味、烘焙味、甜味、风味和总体感官评价。研究结果可为深入认识水质因子对咖啡理化特性与主要成分的影响提供一定理论依据。

基于HPLC的秦艽药材特征指纹图谱构建及主成分分析

【目的】HPLC测定23批秦艽样品中3种环烯醚萜苷含量,并结合中药指纹图谱进行相似度评价,同时探究主成分分析。【方法】以收集7个不同产区和4个不同基原的秦艽药材,采用HPLC测定样品中马钱苷酸、獐牙菜苦苷和龙胆苦苷的含量。色谱条件为C18色谱柱(4.6 mm×250 mm,5μm),流动相为乙腈-0.2%醋酸(9∶91),检测波长254 nm,流速1.0 mL/min,柱温25℃,进样量为10μL。另外,结合中药指纹图谱软件进行相似度评价;同时利用10个共有色谱峰的峰面积组成的数据矩阵进行主成分分析。【结果】23批不同产地及不同基原的秦艽、粗茎秦艽、麻花秦艽和小秦艽,马钱苷酸、獐牙菜苦苷和龙胆苦苷含量分别在0.112%~2.390%,0.079%~2.038%,0.426%~17.314%。马钱苷酸、獐牙菜苦苷和龙胆苦苷三者总含量在0.7146%~19.969%。该试验精密度、稳定性和重复性试验的RSD均≤3.0%,马钱苷酸、獐牙菜苦苷和龙胆苦苷加标平均回收率分别为:97.56%,100.06%,102.12%(RSD<1.0%,n=6)。另外,所有秦艽样品与共有模式下的对照指纹图谱其相似度在0.990~0.999,各批样品相似度较好。最后,根据共有色谱峰的峰面积组成的数据矩阵进行主成分分析,其结果表明,秦艽的2个主成分(PC1和PC2)分别表征了原始变量49.5%和22.2%的变异信息。【结论】所构建的HPLC检测方法,可用于秦艽药材的含量测定;同时因产地或基原不同,样品中马钱苷酸、獐牙菜苦苷和龙胆苦苷三种成分含量存在一定差异,但三者的谱峰的分离度和响应值较高且为共有峰,因此可确定为秦艽药材指纹特征图谱和主成分分析。

基于主成分变换的ASAR数据水稻种植面积提取

合成孔径雷达(SAR)数据是多云多雨地区水稻监测的重要数据源,多极化的SAR数据有利于识别精度的提高。通过对水稻生长期ENVISAT ASAR双极化数据后向散射系数分析得知,水稻VV极化的后向散射系数比VH极化大,两者总体上都随着水稻的生长而增大。在水稻生长后期,VV极化保持稳定,略有下降,VH极化持续增大。对6个通道的ASAR进行主成分变换,发现水稻种植区在第二主分量(PC2)上值较大,色调很亮,而在第五主分量(PC5)上值较低,色调很暗,分别反映了VV极化和VH极化在水稻生长茂盛期与生长初期的差异,两者差值(PC2-PC5)突出了水稻与其它地类的差异。利用主成分分量的差值(PC2-PC5),基于面向对象分类方法,建立了水稻种植区快速提取方法。利用该方法对福州地区2004年早稻面积进行提取,获得了满意的结果。

基于主成分分析和深度神经网络的声学层析成像温度分布重建

为快速准确地获取火电厂锅炉炉膛温度场在线监测信息,提出了一种基于深度神经网络(deep neural network,DNN)的声学层析成像(acoustic tomography,AT)温度场重建算法。对测量值进行归一化处理后,结合主成分分析(principal component analysis,PCA)降维,构建全连接网络区别峰型,分别搭建DNN与BP神经网络对归一化慢度值及其最值进行预测,最后重建温度场分布。采用该方法对4种典型的温度场模型进行了仿真,结果表明:DNN算法的重建质量优于Tikhonov正则化算法与共轭梯度算法,重建图像的平均相对误差和均方根误差分别小于0.36%和0.85%。

基于成分数据处理的主成分分析研究

由于成分数据的定和限制,传统的主成分分析在成分数据的应用上会产生一定的不适性,从而得出不可靠的推断。为了解决主成分分析在成分数据中的局限性,将成分数据进行适当的处理变换显得十分重要。以数学建模赛题中的古代玻璃文物化学成分数据为例,对成分数据进行加性、中心化和等距3种不同的对数比变换,基于KMO检验和Bartlett球形度检验只有加性对数比转换后的数据更适合做主成分分析,且获得的结果更加准确。此研究过程为成分数据的主成分分析提供了有效的借鉴思路和方法。

基于二代Bandelet和主成分变换的高光谱遥感图像融合

针对高光谱遥感图像具有波段多、波段间冗余大的特点,提出一种基于二代Bandelet和主成分(principalcomponents analysis,PCA)变换的高光谱遥感图像融合的方法,利用二代Bandelet变换进行图像的多尺度几何分析,得到每个波段图像的Bandelet系数和几何流,对多个波段Bandelet系数和几何流进行PCA变换,得到其主成分,逆变换重构图像.实验结果表明,基于二代Bandelet和PCA变换的方法能很好地融合高光谱遥感图像,优于传统的Bandelet变换和PCA变换.

基于主成分变换的动态监测变化信息自动发现

主成分变换法在对多波段遥感影像处理过程中具有降维、压缩、影像增强的作用,也可利用其对多时相数据进行处理以自动发现精度不错的土地利用变化信息。结合主成分变换原理和不同的数据处理过程,可以用不同的方式实现土地利用变化信息的自动发现。在对已有方法进行总结分析的基础上,提出了两次主成分变换法进行变化信息自动监测,经验证,该方法在去除影像噪声对监测结果的影响方面具有很好的效果。

基于Contourlet变换和主成分分析的高光谱数据噪声消除方法

该文提出了一种适合于高光谱超维数据处理的基于Contourlet变换和主成分分析的噪声消除方法。该方法首先利用Contourlet变换实现图像的稀疏表示,再利用主成分分析对Contourlet系数进行适当地消噪处理。通过对OMIS图像的实验结果表明该方法能够同时消除高光谱多个波段图像中的噪声,从整体上改善高光谱图像质量,且性能上要优于PCA和Contourlet变换方法。

基于IHS变换和主成分变换的遥感影像融合

针对IHS变换融合影像时存在较严重的光谱失真现象,利用主成分变换对IHS变换法进行了改进。新方法首先对多光谱影像做IHS变换得到亮度I,色度H,饱和度S三个分量,然后用I分量和高分辨率全色影像做主成分变换,并提取第一主分量,并以I为标准进行直方图匹配;将匹配后的影像与H,S进行IHS反变换得到新的多光谱图像。主观视觉分析和客观参数表明,该方法不仅很好的保留了影像的光谱信息,而且兼顾了地物细节能力的表达。

基于主成分分析与Brovey变换的ETM+影像植被信息提取

在ETM+影像全色波段和多光谱数据融合时,Brovey变换是一种较好的融合方法,但是Brovey变换所利用的波段信息量少,并且在对融合后影像分类时常将存在阴影的植被覆盖区误判为水体。因此将主成分和归一化植被指数(NDVI)作为Brovey变换融合时的波段,实验结果显示融合后的影像更利于后期植被信息提取。

基于对数-主成分变换的EM算法用于遥感影像分类

提出对多光谱数据进行对数变换来凸显类型特征,然后进行主成分变换并根据主成分贡献率确定EM算法分类所需主成分数,消除方差协方差矩阵的奇异性,同时削弱噪声;对数变换后的第一主成分直方图充分反映类型信息,由此确定的初始类别标签作为多个主成分EM分类算法所需初始值,避开随机选初值的敏感问题。实验证明,所提出的计算方案分类精度优于普通EM方法和传统的K-means方法。

小波变换-主成分回归分光光度法同时测定邻苯二酚、间苯二酚和对苯二酚三组分

根据小波变换具有将信号分频的特点,本文提出了将小波变换与主成分回归(PCR)相结合的一种多元校正算法。该法能更有效地去除噪声,提取有用信息,并将其用于分析邻苯二酚、间苯二酚、对苯二酚三组分体系。实验结果表明,本法比直接用主成分回归处理效果好,得到的平均相对误差从2.24%降低到1.19%。

基于K-T变换和主成分变换的植被信息提取

WorldView-2能够提供1个0.5 m全色波段和8个1.8 m分辨率的多光谱波段,为用户提供进行精确变化检测和制图的能力。本研究以深圳市植被为例,采用WorldView-2高分辨率遥感影像为数据源,进行缨帽变换及主成分分析处理,利用决策树分类模型进行提取。结果表明:WorldView-2影像经过缨帽变换及主成分分析处理后,能够明显增强影像的纹理信息,突出地物特征,并以各地物在经过缨帽变换及主成分分析处理之后的灰度值作为决策树分类的阈值,分类的总体精度、Kappa系数分别为89.26%、0.87,与以往的只利用波段的灰度值及植被指数等作为阈值相比,精度明显提高,方法也得到改善,得到了比较好的分类结果。

基于NSCT变换和相似信息鲁棒主成分分析模型的图像融合技术

针对传统的图像处理是以单个像素点为基础进行融合而忽略了信息的相似性以及存在信息丢失的问题,提出了基于非下采样Contourlet变换(Nonsubsampled contourlet transform,NSCT)和相似信息鲁棒主成分分析(Robust principle component analysis,RPCA)模型的图像融合技术。首先对源图像获取图像块构造初始矩阵,通过对构造矩阵进行NSCT分解获得高频和低频部分,利用提出的具有相似信息低秩矩阵模型将低频成分分解成低秩矩阵和稀疏误差矩阵,再分别对两幅图像的低秩矩阵、稀疏误差矩阵及高频成分采用绝对值最大法融合规则进行融合,最后通过逆变换得到融合图像。MRI和CT的脑部图像的实验分析结果表明,本文算法可以更好地保留源图像中的边缘和纹理信息。

基于核主成分分析与小波变换的高质量微博提取

在线社交媒体中存在大量的噪音和冗余信息,为对其进行过滤和筛选,获取高质量的信息,提出基于核主分析和小波变换的高质量微博提取框架,并设计一种基于多特征融合的高质量信息的提取算法,将信息特征转换到小波域以更好地捕获信号间的细节差异。利用最大期望算法度量各个特征的权值,进一步融合得到特征综合值。为降低噪声特征对信息质量提取的影响并提高算法运算速度,引入核主成分分析对特征进行变换。实验结果表明,该框架能够提取出更高质量的微博,并且大幅减少运算时间。