样本数据归一化方式对GPS高程转换的影响

基于神经网络的GPS高程转换中,样本数据的归一化是必要的,样本数据的归一化存在两种方式。本文结合实例分析了样本数据归一化后产生数据差异的原因;运用标准BP神经网络模型、广义回归神经网络模型和RBF神经网络模型进行运算,将转换结果进行对比,得出不同的归一化方式会对GPS高程转换结果产生一定的影响,并对实际应用中归一化方式的选择提出了合理的建议。

投影寻踪分类建模理论的新探索与实证研究

从理论上分析了正确的投影向量系数(权重)约束条件是∑_(j=1)~2a_j^2=1和1≥0_j≥-1;从理论和实证两个视角证实采用约束条件∑_(j=1)~p a_j^2=1和1≥a_j≥0时逆向指标或对正向指标采用了错误的归一化方式时的权重必定等于"0"。采用正确的约束条件,针对同一密度窗宽R值,实证分析发现和从理论上证明了在投影寻踪分类(PPC)建模中改变指标归一化方式前后,权重是互为相反数的重要特性等三个定理和二个推理,改变指标归一化方式不影响任意两样本投影值之间的距离和投影指标函数值。提出了正确使用PPC进行建模的基本原则和步骤、判定指标属性(正向指标或者逆向指标)的准则等,实现了投影寻踪探索性研究和验证性分析的有机统一。

一维投影寻踪聚类模型指标性质判断与实证研究

一维投影寻踪聚类模型指标性质判断是掌握其多维输入变化与一维输出变化之间关系的关键.原始数据增大(减小),一维样本投影值就增大(减小)的指标是正向指标;原始数据增大(减小),一维样本投影值却减小(增大)的指标是逆向指标.提出指标性质判断准则并借鉴偏导数定义的思路加以证明.正向指标判断准则是正向归一化,权重大于0,或逆向归一化,权重小于0.逆向指标判断准则是正向归一化,权重小于0,或逆向归一化,权重大于0.最佳投影向量确定后,理论分析表明改变指标归一化方式不会改变其性质,实证研究表明改变指标归一化方式不会改变其对一维样本投影值的贡献排序.归一化方式只是指标原始数据预处理的方式,与性质无关.