基于主成分分析的DBSCAN分类差分进化算法改进

差分进化算法(DE)是一类基于种群搜索最优解的全局优化算法,具有收敛速度快、算法简单易懂、参数数量少和稳定性高等特点。但DE算法的性能在很大程度上取决于参数值的设置、个体突变的方向和距离。考虑到不同的种群密度对参数的需求不同,采用主成分分析技术将30或50维的数据降到2维;再采用DBSCAN算法,依据邻域半径和最小邻域数将2维数据分类为簇,通过簇的数量判断种群整体密度和个体之间的差异度,并在不同取值范围内生成合适的变异因子和交叉因子,以此来满足不同种群的进化需求。通过基准函数测试集和多个检验方法验证,证明了所提方法的寻优能力和鲁棒性均优于另外5种先进算法。

基于主成分分析和VU分解法的两步随机相移算法

为了平衡相位计算的精度和速度,大量的两步随机相移算法发展起来。提出了一种基于主成分分析和VU分解法的快速、高精度两步随机相移算法。首先,采用两步主成分分析法对经过滤波的两幅相移干涉图进行计算求出迭代初始相位;然后,利用没有滤波的两幅相移干涉图进行VU分解、迭代求出最终相位。通过模拟和实验结果对比表明:与四种性能良好的两步随机相移算法相比,对于不同的条纹类型、噪声、相移值及条纹数量,提出的算法综合性能最好,其精度最高,有效相移范围和有效条纹数量范围最大,当干涉图像素数为401 pixel×401 pixel时,提出的算法仅比格兰-施密特正交化法和两步主成分分析法多花费0.035 s。在理想情况下,提出的算法可以得到完全正确的结果。如果需要得到较高精度,最好能够提前抑制噪声,同时设置相移值远离0和π,条纹数量大于2。主成分分析和VU分解法无需滤波,花费近似非迭代算法的时间获得迭代算法的精度,其打破了迭代算法花费时间较多的限制,适合高精度光学在线检测,有广泛的发展前景。

基于改进主成分分析的高校专业课程学习效率评估方法

由于学习效率受到多种因素的影响,学习效率的评估变得复杂和困难,导致评估差较大。因此,文章提出基于改进主成分分析的高校专业课程学习效率评估方法。该方法首先爬取高校专业课程学习指标数据,利用改进主成分分析方法确定学习评估信息熵;其次,构建高校专业课程学习效率评估函数,得到高校专业课程学习效率综合评价得分;最后,应用模糊K-means聚类算法实现学习效率梯度评估。设计对比实验,实验结果证明了该方法能够准确反映学生的学习效率,在实际工作中有很高的应用价值。

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。

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。

基于主成分分析和改进K-means算法的极轨气象卫星数据处理软件分型研究

提出了一种基于主成分分析方法和改进K-means算法的气象软件分型方法,该方法利用软件运行时资源消耗情况来刻画软件运行特征和对软件分类.首先引入主成分分析方法对软件运行特征进行降维;然后采用改进K-means算法对气象数据处理软件进行分型;最后结合主成分分析结果解释各类软件运行特征的意义.提出了一套指标体系刻画软件,使用该指标体系可以判断极轨气象卫星数据处理的各类软件运行是否正常,通过实验证明,该方法的分类结果与实际情况相符.同时,该指标体系可作为优化软硬件资源分配和提高软件运行效率的依据.

改进主成分分析(PCA)鲁棒性的算法比较

与传统的PCA算法相比较,基于分布特征算法的主成分分析,由于量测的不精确使特性或参数的实际值会偏离它标称值,另一个是受环境因素影响而引起特性或参数的缓慢漂移,这样得到的分析结果在很大程度上受到异常值的干扰.本文通过对比几种算法,提出改善主成分分析(PCA)算法鲁棒性的一种实现途径,去除或者减少异常点影响,以提高PCA的精度.

基于核主成分分析和食肉植物算法优化随机森林的风电功率短期预测

为提高风电功率短期预测的精度,提出一种基于核主成分分析和食肉植物算法(carnivorous plant algorithm,CPA)优化随机森林(random forest,RF)的风电功率短期预测方法。首先,利用核主成分分析从13个气象因素中提取出8个与风电功率相关的气象因素,将这8个气象因素输入到预测模型中。然后,利用CPA优化RF构建CPA-RF预测模型解决RF预测模型预测精度不够高的问题。最后,选取实际风电功率数据进行测试,测试结果表明,利用核主成分分析选取8个气象因素作为输入的效果要优于直接输入13个气象因素的效果,CPA-RF预测模型的预测精度高于长短期记忆网络(long short-term memory,LSTM)预测模型、双向长短期记忆神经网络(bidirectional long short-term memory,BiLSTM)预测模型和RF预测模型。该方法可为提升风电功率短期预测精度提供参考。

基于主成分分析和双树复小波变换的CT和MRI图像融合改进算法研究

目的:提出一种级联主成分分析(PCA)与双树复小波变换(DTCWT)的CT和MRI图像融合新算法,以获得高质量的CT和MRI融合图像。方法:基于级联PCA与DTCWT的融合算法采用非抽样小波变换(UDWT),将已配准的CT和MRI图像分解成为不同尺度的低频和高频子图像;采用PCA融合规则和UDWT逆变换,获得初次融合子图像;采用DTCWT变换将融合子图像分解为实数与复数部分;采用最大值取大融合规则和DTCWT逆变换获得CT与MRI融合图像。选用哈佛大学脑图库中CT和MRI图像进行仿真实验,采用定性与定量结合评估融合图像质量,并将本研究算法所得融合效果与离散小波算法(DWT)、非抽样小波变换(UDWT)及PCA等算法进行比较。结果:定性分析显示,基于级联PCA与DTCWT的融合算法所得CT与MRI融合图像对比度最强,边缘信息最丰富且伪影最弱。定量结果中融合算法所得空间频率、均方误差、边缘相似度、互相关和平方差数值分别达到42.683、0.002、0.925、0.978和0.016,较其他融合算法提升8.71%~194.52%、98.46%~99.49%、8.95%~33.48%、6.19%~230.40%和42.86%~95.83%。结论:基于级联PCA与DTCWT的融合算法性能优越,能获得高质量的CT和MRI融合图像。

基于改进PCA算法的火电机组供电煤耗负荷特性建模分析

针对火电厂机组供电煤耗较高、分析精度较差的问题,研究基于改进主成分分析(PCA)算法的火电机组供电煤耗—负荷特性建模分析方法。基于火电机组阀点效应的煤耗—出力函数,充分考虑火电机组在平稳负荷出力、升负荷出力、降负荷出力时的负荷特性,构建火电机组供电煤耗—负荷特性模型,以PCA为基础加入遗传神经网络(GABP),生成改进PCA算法,通过PCA降低网络输入变量冗余,增强学习效率,再利用GABP实现神经网络权值的优化,训练神经网络得出最优解,实现火电机组供电煤耗—负荷特性模型分析求解。试验结果表明:该方法分析获取的供电煤耗率低,节能效果较好,平均总煤耗成本为10.25万元,可精准地显示火电机组的实际运行情况,为降低火电机组供电煤耗提供理论依据。

农民工身份认同与城市居留意愿——基于主成分分析和随机森林算法的经验证据

农民工市民化是支撑新型城镇化与城乡融合发展进而推动共同富裕的关键,而城市居留意愿则是左右市民化进程的核心。厘清农民工城市居留意愿的影响因素,找到其中的核心因素,对科学制定我国人口和城镇化政策具有重要意义。基于2017年全国流动人口动态监测数据,以主成分分析法构建涵盖四维度的身份认同指数,然后使用随机森林算法在主体、客体、主客体交互的统一分析框架下评估农民工居留意愿的影响因素,并进行分区域的异质性分析。基准分析发现:农民工主体与流入地客体交互后产生的身份认同感是影响农民工居留意愿的核心因素,解释力达36.7%;民族和婚姻等主体特征是影响农民工居留意愿的重要因素,解释力分别为24.2%和20.3%;客体特征即流入地城市特征也对农民工居留意愿产生一定影响,解释力为18.8%。异质性分析发现:不同区域农民工居留意愿影响因素的差异主要体现在客体特征即流入地城市特征上,其中东部和中部较为相似,西部和东北较为相似。基于研究结论,在关注农民工主体特征,优化流入地客体特征,进而改善主客体交互体验以提升身份认同感方面提出政策建议。

基于改进主成分分析法的水环境中重金属污染流域水质生态评价方法研究

为了准确掌握水环境中的重金属污染情况,提高水质生态防治效果,提出了基于改进主成分分析法的水环境中重金属污染流域水质生态评价方法研究。选取研究污染流域水质区域,收集4个区域地表水,测定金属元素含量,通过四类分析与评价法,实现对水环境中重金属污染状况及潜在危害的生态评价,得出评价的B区域和C区域水质综合重金属污染较高,铁元素在四个区域均在第一主成分,是污染程度最高的,整体生态评价为及格。评价结果表明所提方法可以对水环境中重金属污染状况进行精确的评价,辅助保护人民身体健康与生态环境。

基于主成分分析的PSO-BP算法对肥胖水平预测研究

提出一种主成分分析法(PCA)与粒子群优化BP神经网络算法(PSO-BP)相结合的肥胖水平预测模型。通过主成分分析法对16个输入变量进行降维,提取出11个综合变量作为BP神经网络的输入,利用PSO算法优化BP神经网络的权值与阈值,进一步提升网络训练的能力。实验结果表明,基于主成分分析的PSO-BP算法不仅简化了模型结构,而且在更短的时间内实现了对肥胖水平更高的分类预测精度。这一研究为个体肥胖水平的评估提供科学的依据,具有重要的研究意义与应用价值。

不相交主成分分析(PCA)和遗传算法(GA)用于差异表达基因的识别

建立了一种基于不相交主成分分析(Disjoint PCA)和遗传算法(GA)的特征变量选择方法,并用于从基因表达谱(Gene expression profiles)数据中识别差异表达的基因.在该方法中,用不相交主成分分析评估基因组在区分两类不同样品时的区分能力;用GA寻找区分能力最强的基因组;所识别基因的偶然相关性用统计方法评估.由于该方法考虑了基因间的协同作用更接近于基因的生物过程,从而使所识别的基因具有更好的差异表达能力.将该方法应用于肝细胞癌(HCC)样品的基因芯片数据分析,结果表明,所识别的基因具有较强的区分能力,优于常用的基因芯片显著性分析(Significance analysis of microarrays,SAM)方法.

改进的二维主成分分析的人脸识别新算法

传统二维主成分分析(2DPCA)中的变换只提取人脸图像数据的行内特征,特征提取的方向相对比较单一,没有考虑到其他方向上的特征提取。为了多角度提取图像的特征,识别提供更丰富的信息,文中提出一种改进的2DPCA人脸识别算法。该算法先将人脸图像进行倾斜角度自矫正,同时提取图片的低频信息,再利用改进的感知哈希技术得到图像的"指纹",然后将自矫正后的人脸图片进行多角度旋转,并分别提取特征,得到多角度旋转后的图像特征信息。

基于改进二维主成分分析的在线掌纹识别

掌纹识别是生物特征识别技术的新热点,论文提出使用二维主成分分析算法(2D PCA)提取掌纹图像的统计特征,实验表明其泛化能力优于传统主成分分析算法(PCA).在此基础上,论文提出且定义了改进的二维主成分分析,并证明它在保持训练样本图像总体散度的同时更有效的提取样本特征.改进的算法在得到99.72%高识别率的同时,大幅降低了原算法的特征维数、识别计算的复杂度,使系统的实用性进一步提高.

改进的主成分分析法自动发现土地覆盖变化

为了实现快速、自动化发现土地覆盖变化这一目标,在分析传统主成分差异法、差异主成分法、多波段主成分法三种不同处理过程的基础上,结合主成分变换原理提出了一种改进的主成分分析法(modified principal component analysis,MPCA)。操作中先将d1时相多光谱影像作主成分分析,得PC1d1,PC2d1,…,PC6d1;d2时相高分辨率全色波段PAN与PC1d1进行直方图匹配后,采用了经反复试验效果较好的3×3模板进行边缘滤波增强;然后取代PC1d1与PC2d1,PC3d1,…,PC6d1进行主成分逆变换,作者在ENVI4.0和IDL6.0工具包支持下实现了这一融合算法。以北京海淀区为例进行的试验研究表明,MPCA法不仅能够快速发现变化信息,而且增强了影像纹理,弥补了传统主成分分析法的缺陷。此外,变化信息提取精度较高,其Kappa系数比传统主成分差异法、差异主成分法、多波段主成分法依次提高了0.063,0.118,0.029,是一种比较实用的变化信息发现方法,值得推广应用。

量子主成分分析算法

主成分分析(Principal Component Analysis,PCA)是模式识别领域,尤其是人脸识别中一种应用广泛的重要算法.然而,在此算法及其后续的改造算法中始终存在两个主要问题:(1)降维处理后的特征空间依然较大;(2)用于比较两幅人脸特征相似性的测度方法计算量较大,从而导致算法在识别阶段的时间效率较差.该文基于量子信息的相关理论与方法,并受算术编码基本思想的启发,提出了量子PCA算法.设计了一种人脸特征编码方案,进一步压缩了降维处理后的特征空间;将两幅人脸特征的相似性测度方法改为在某一阈值条件下的等值判定;应用Grover算法修改识别阶段的处理流程,使得算法的时间效率有了显著提高.

仿生算法与主成分分析相融合的人脸识别方法

基于人脸特征提取问题可以转化为组合优化问题这一思路,提出了仿生算法与主成分分析相融合的人脸识别算法.该方法先通过主成分分析方法得到人脸特征子空间;然后在已有特征的基础上,分别通过遗传算法与离散粒子群算法进一步提取出可使识别正确率达到最高的人脸图像特征.在ORL人脸库上的实验结果表明:与传统的主成分分析相比,该方法不仅能进一步降低特征子空间的维数,从而提高识别速度,而且能获得更高的识别率.

基于改进主成分分析法的火电机组能耗特征识别方法

火电机组的能耗特性(发电煤耗率与各能耗参数的特性关系)反映着机组的能耗特征,它是机组节能研究的重要组成内容。机组的能耗特性等重要知识蕴含于机组的运行数据中,理论上机组的能耗特性可以从其历史数据中回归挖掘出来,然而机组的能耗指标不仅数量多,而且相互之间具有多重共线性特点,这给回归分析带来了困难。运用改进主成分分析法的特征提取和降维的功能,以损失少量信息为代价,解决了能耗变量维数过高及其多重相关性给能耗特性方程的回归带来的困难。然后,从能耗特性方程出发,辨识出了各重要能耗指标的灵敏系数。最后,通过对国内某火电厂的600 MW机组进行能耗特征分析,验证了该方法的有效性。