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。

基于双层自适应集成残差主成分分析的复杂非线性过程监测

多元统计监测方法常使用正常数据选取特征,而现实过程中,不同的故障将影响不同的特征,并且这些特征可能随着时间和控制系统的作用而变化。当故障发生并随时间变化时,要想获得更好的故障检测能力,就需要聚集有效的故障敏感特征。本文提出了一种双层自适应集成残差主成分分析(AERPCA)模型,其子模型包含不同的特征,并突出地呈现一个或多个相关故障。首先,根据正常数据计算主成分分析(PCA)特征,利用不同特征构建线性子模型和相应的残差空间。考虑到残差空间的非线性特性及有效特征更为分散,采用核PCA(KPCA)提取不同的特征并组成同一残差空间下不同KPCA子模型。然后,利用贝叶斯方法获取集成KPCA子模型,完成各残差空间的划分和集成。最后,在主空间中获得多个线性子模型以及在残差空间中获得多个集成的非线性子模型后,利用滑动窗口确定当前时刻监控效果最好的模型。采用田纳西-伊士曼过程验证了AERPCA的有效性。

结合逆非线性主成分分析和极值理论的桥梁损伤检测

为提高环境和运营变化(environmental and operational variations,EOV)影响下的桥梁损伤检测可靠性,结合逆非线性主成分分析(inverse nonlinear principal component analysis,INLPCA)和极值理论,提出一种新的桥梁损伤检测方法.该方法采用INLPCA对桥梁损伤特征进行建模,利用不完备健康监测数据的估计均方误差和添加神经网络训练惩罚项控制INLPCA的非线性程度.采用INLPCA对损伤特征的重构误差和马氏平方距离(Mahalanobis squared distance,MSD)建立损伤指标(ID),最后基于ID的广义极值(generalized extreme value,GEV)分布建立损伤检测阈值.以比利时KW51铁路桥和天津永和斜拉桥为例,验证所提方法的有效性.结果表明,所提方法能准确检测EOV影响下的桥梁损伤,且对不同桥型和不同损伤特征均有良好的适用性.

基于线性判别分析与主成分分析的骨干网架生存性评估方法

从电网网架的可抵抗性、可恢复性、安全性和连通性4方面出发,建立了差异化规划生存性评估指标体系,并进行指标效益成本属性分析和规范化处理;在此基础上,建立二级指标的线性判别分析评估模型和一级指标的主成分分析评估模型。首先求取二级指标决策矩阵的线性判别分析判决准则函数的最大值,以其所对应的最大投影方向确定三级指标权重,再对二级指标矩阵进行主成分分析,根据累积方差贡献率来确定二级指标权重,最终实现骨干网架综合生存性评估。IEEE118节点算例的仿真结果验证了该评估方法的有效性和可信性。

凡纳滨对虾养殖塘叶绿素a与水质因子主成分多元线性回归分析

2010年5-9月期间,对上海市奉贤区两个凡纳滨对虾(Litopenaeus vannamei)养殖场22个养殖池塘水体叶绿素a(Chl.a)、水温(T)、pH、溶解氧(DO)、透明度、溶解性总固体(TDS)、化学需氧量(CODMn)、氮磷营养元素等15项水质因子进行测定。取107组测定数据,进行描述性统计,利用主成分多元线性回归分析来模拟水质因子与凡纳滨对虾养殖塘叶绿素a含量的关系。根据主成分分析特征值大于1的原则,获得4个累计贡献率达到77.56%的潜变量,进一步的多元线性回归分析显示,潜变量F1对于叶绿素具有最大的相关性,建立了描述水质因子潜变量与Chl.a含量间相关性的模型:C Chl.a=0.140+0.121·F1。研究表明,在各水质因子中,总磷(TP)与化学需氧量与Chl.a有极大的正相关:CChl.a=-0.052+0.005CODMn+0.188TP;且磷为塘内初级生产力的限制性因子。因此,有机物和磷含量是控制南美白对虾养殖池塘水体富营养化的关键因子。

基于非线性主成分分析法的区域物流发展综合评价模型

利用非线性主成分分析法对河南各地区的物流发展状况进行分析,将得到的综合主成分指标代替原来较多的评价指标建立模型,对河南各个地区的物流发展综合实力进行评价.结果表明,该方法能够把复杂的问题简化,所得结论科学客观、可信.

基于非线性主成分分析的绿色超级稻品种综合评价

应用绿色超级稻被认为是推动水稻生产可持续发展的重要途径之一,已成为全球水稻育种的主要目标。目前关于绿色超级稻品种综合评价的研究鲜有报道。本文围绕“少打农药、少施化肥、节水抗旱、优质高产”的理念,从技术性、经济性、生态性和社会性 4 个维度构建了绿色超级稻品种综合评价指标体系,为水稻及其他作物品种的综合评价、品种选育及推广应用提供了有益的研究思路。在此基础上引入一种非线性主成分分析法对数主成分分析,利用大田试验数据及不同评价方法的对比分析表明,对数主成分分析法符合绿色超级稻的育种理念,具有较强的合理性,可作为一种有效的水稻品种综合评价方法。

基于主成分分析-多元线性回归的松花江水体中多环芳烃源解析

对松花江全流域14个监测断面的16种美国环保局优先控制的多环芳烃(PAHs)的主要来源及其贡献率应用主成分因子分析-多元线性回归模型(PCA-MLR)进行了来源解析。结果表明:松花江全流域为化石和石油燃料的复合PAHs污染,水体环境中PAHs首要污染源为化石燃料燃烧和交通污染,合计贡献率为63.1%,第二大污染源为工业和民用燃煤污染,合计贡献率为36.9%,沿江的石化、石油基地、大型焦化厂、电厂都是PAHs的主要来源。

非线性主成分分析在电能质量综合评估中的应用

提出了一种基于非线性主成分分析的电能质量综合评估方法。该方法改进了传统的主成分分析法(PCA),克服了数据之间相关性的约束并提高了降维效果。利用该方法对监测点的电能质量进行综合评估,用得到的综合主成分指标代替原来较多的评估指标,将主成分的方差贡献率作为权重,以主成分的线性加权值作为综合评估的结果。实例表明该方法能简单、准确、科学地对电能质量进行综合评估。

主成分线性回归模型分析应用程序性能

应用程序的性能分析能够给体系架构设计者和性能优化者提供有效的参考和指导.采用主成分线性回归模型分析了SPEC CPU2006的整型程序性能.模型选取性能监测单元采样到的事件为自变量,每条指令的时钟周期数(CPI)作为因变量.模型中采用主成分分析法消除了性能事件之间的相关性.实验结果表明,模型的拟合优度在90%以上,对性能进行预测的平均相对误差为15%.模型从量化上分析了L1,L2高速缓存缺失作为影响性能的关键因素是怎样影响程序性能的.

基于非线性主成分分析的最小包围盒计算方法

研究了三维模型最小有向包围盒算法,提出了基于非线性主成分分析的最小包围盒计算框架,根据Voronoi区域和Barycentric区域定义了顶点区域面积,并根据非线性主成分分析原理,使用顶点区域面积对各顶点进行调制,消除顶点分布的不均匀性,再使用传统主成分分析得到目标正交坐标系,从而得到最小包围盒。最后,定义了一个相似度系数,来度量最小包围盒的计算效果。通过实验表明,使用顶点面积进行调制可以得到比其他方法更稳定的结果,且计算复杂度较小。

多线性鲁棒主成分分析

鲁棒主成分分析(RPCA)是恢复低秩与稀疏成分的一种非常有效的方法.本文将RPCA推广到张量情形,提出了多线性鲁棒主成分分析(MRPCA)框架.首先建立了MRPCA模型,即最小化张量核范数与l1范数的加权组合.然后使用增广拉格朗日乘子法求解上述张量核范数优化问题.实验结果证实:对于具有多线性结构的数据,MRPCA比RPCA更加鲁棒.

基于主成分分析与神经网络的非线性评价模型

针对评价过程的非线性特征,运用神经网络高度非线性映射能力,建立了一种非线性综合评价模型。采用主成分分析法对评价指标进行处理,形成了新的指标体系,有效的消除了原指标间的相关性,降低了神经网络的输入维数。利用Matlab软件对地区经济发展水平的综合评价进行实例分析和仿真,得到了较满意的结果,说明了该模型的有效性。

一种基于非线性主成分分析的高光谱图像目标检测方法

目标探测是高光谱图像的重要应用之一。目前已经有了很多的目标探测算法,然而这些算法要求目标与背景是线性可分的。在实际的高光谱数据中,这一要求往往难以满足。本文提出了一种基于非线性主成分分析的高光谱图像目标探测算法。该方法先利用神经网络将高光谱图像进行非线性降维,从而使得在降维后的数据中目标与背景线性可分;然后使用约束能量最小化算法进行目标探测,为了取得较好的目标探测效果,保留了图像原始的特征。针对模拟数据和真实高光谱图像数据的试验表明,基于神经网络的非线性主成分分析可以将线性不可分的目标与背景分离。使用非线性特征和原始特征的组合可以获得更好的目标探测效果。

我国上市公司财务危机预警实证研究——基于主成分分析模型、线性判别模型和逻辑回归模型的比较分析

以我国上市公司为研究对象，根据行业分类和总资产规模（相差在5％以内）选取了2001～2002年被ST的公司和正常公司各28家作为训练样本，2004年被趼的公司和正常公司各28家作为检验样本，运用3种独立的建模方法，分别建立了我国上市公司的主成分分析预警模型、线性判别预警模型和逻辑回归预警模型。通过模型比较发现，逻辑回归模型的效果要优于另外两种模型。具有较高的判别准确率。实证研究表明，这种预警模型适用于各个行业，对中国企业的财务危机的预测与防范能起到一定的作用。

基于非线性主成分分析法的SWOT战略定位模型研究

文章构建了基于非线性主成分分析法(NLCPA)的SWOT战略定位模型,实现了SWOT定性分析与非线性定量分析的有机结合,充分考虑了影响战略定位SWOT子因素间的关联性。该模型通过引入非线性主成分分析法,避免了AHP-SWOT等基于线性均值SWOT战略定位模型的缺点,提高了分析结果的科学性和可信度。运用该模型对中航工业某飞机装备有限公司战略定位的SWOT因素进行综合评估,采用得到的综合主成分的指标代替原来较多的指标,将主成分的方差贡献率作为权重,以主成分的线性加权值作为SWOT因素的综合评价结果,提高了该公司战略绩效管理定位的效度,并与基于线性均值分析法的SWOT战略定位模型应用结果进行了验证比较。

基于非线性主成分分析的自适应变步长盲源分离算法

算法的迭代步长对于算法的收敛性能有着重要影响。针对固定步长的非线性主成分分析(NPCA)算法不能兼顾收敛速度和估计精度的情形,提出基于梯度的自适应变步长NPCA算法和最优变步长NPCA算法两种自适应变步长算法来改善其收敛性能。特别地,最优变步长NPCA算法通过对代价函数进行一阶线性近似表示,从而计算出当前的最优迭代步长。该算法的迭代步长随估计误差的变化而变化,估计误差大,迭代步长相应大,反之亦然;且不需要人工设置任何参数。仿真结果表明,当算法的估计精度相同时,与固定步长NPCA算法相比,两种自适应变步长NPCA算法相对固定步长NPCA算法都具有更好的收敛速度或跟踪性能,且最优变步长NPCA算法的性能优于基于梯度的自适应变步长NPCA算法。

大坝安全监测数据中共线性问题的主成分分析法

针对建模因子间存在多重共线性影响模型精度问题,提出了优化措施,建模前对因子采用主成分分析,提取的主成分作为模型输入因子,消除或削弱了上述影响。实例分析结果表明,经优化后的模型更合理、计算效率更高。