基于主成分分析和聚类分析的中央型气道恶性肿瘤中医证候研究

目的分析中央型气道恶性肿瘤的中医证候特点,探索其中医证型分布规律。方法收集298例中央型气道恶性肿瘤患者的中医四诊信息,运用主成分分析法,结合证候要素判定标准,确定此病中医证候要素特点;再应用系统聚类分析法,对条目进行聚类分析,探索此病中医证候分布规律。结果中央型气道恶性肿瘤的证候要素主要为痰浊、气虚、痰热、血瘀和湿热。聚类分析结果显示,其中医分型以痰热初起证占比(35.6%)最多,其余依次为痰热兼有肺肾气虚证(33.6%)、脾肾阳虚证(5.3%)、寒湿兼有瘀血证(4.0%)。结论中央型气道恶性肿瘤的病位主要在肺,病性属虚实夹杂、本虚标实,临床辨证可分为痰热初起证、痰热兼有肺肾气虚证、肺气阴两虚证、脾肾阳虚证、寒湿兼有瘀血证,其中以痰热初起证、痰热兼有肺肾气虚证占比较高。

基于K-means和主成分分析的京张体育文化旅游带冰雪运动旅游市场研究

使用问卷调查、K-means聚类分析和主成分因子分析等方法对后冬奥时期京张体育文化旅游带的冰雪运动旅游市场进行分析发现,该市场可细分为青年冰雪爱好者、家庭亲子游客、中老年休闲游客和高端商务游客等类别。其中:青年和家庭市场为主力,市场需求集中在专业冰雪设施服务和冰雪文化体验等方面。据此,提出提升冰雪运动品质安全、丰富文化内涵和满足个性化需求等策略,以挖掘市场潜力,促进该地区冰雪旅游经济的可持续发展。

基于层次分解、主成分分析和高斯混合模型的火成岩岩性识别——以惠州26洼古潜山为例

火成岩油气成藏规律复杂,受到火山运动、强构造运动以及风化剥蚀等叠加影响,火成岩的化学成分和结构构造复杂多样,非均质性极强,采用常规岩性识别方法难以一次性将所有岩性准确识别。借鉴层次分解思路,以惠州26洼古潜山为例,提出了一种火成岩岩性测井识别分类方法:综合考虑火成岩地质分类原则和测井响应特征来确定岩性识别层级,基于这种层次性的分类原则,在每一层次定量优选岩性识别敏感参数,建立研究区岩性识别优选层级;在明确岩性识别优选层级的基础上,逐级逐次使用主成分分析(PCA)和高斯混合模型(GMM)对岩性进行判别并确定其计算函数,建立分级优选岩性识别模型,最终达到整体岩性区分的目的。研究结果表明,研究区辉绿岩和闪长岩识别正确率分别为87.31%和84.32%,未分级未优选辉绿岩和闪长岩识别正确率为60.45%和54.88%,分级未优选其岩性识别正确率为69.61%和67.04%,有效提高了研究区的复杂岩性识别精度。该方法的提出对提高火成岩岩性识别精度提供了一种思路,也为研究区古潜山火成岩岩性精确识别提供了参考依据。

主成分分析和灰色模型组合的身管多点烧蚀磨损量预测

身管是火炮类武器的关键零件,对其烧蚀磨损量进行预测,有助于保持火炮作战效能。针对火炮身管沿轴向各点烧蚀磨损量需分别建立数学模型进行预测问题,提出一种组合烧蚀磨损量预测方法。采用主成分分析(principal component analysis,PCA)方法对身管多点烧蚀磨损量进行数据空间降维,提取反映烧蚀磨损量变化的主成分,利用灰色模型对主成分进行多步预测,通过PCA逆运算获得身管内膛多点烧蚀磨损量预测值。结果表明,在历史数据较少的条件下,通过选择合适的预测步数可获得较为准确的预测值,为身管内膛多点烧蚀磨损量的预测提供了一种新的有效途径。

基于主成分分析的牛油火锅底料挥发性风味物质评价模型的构建

采用薄膜固相微萃取与气质联用技术对市场占有率较高的4种牛油火锅底料品牌的B端和C端产品的挥发性风味物质进行了比较分析,并构建主成分评分模型对其风味进行了差异性评价。结果表明,B端产品共检测有154种风味物质,C端产品则有158种,而8个样品检测出25种相同的风味物质,相同品牌的风味物质中,C端产品的烃类物质占比明显较低。利用主成分分析对火锅底料中的风味物质组成进行分析,结果表明,7个主成分因子累积方差贡献率达到100%,能有效表征火锅底料的风味物质信息。最后构建主成分分析模型,计算综合评价指数,对其风味进行评价排序,Pearson相关性分析发现主成分综合得分与感官评价结果相关性为极显著(P<0.01),相关系数为0.908,说明所构建的模型能够有效地对火锅底料进行风味评价。

用K-means图像法和主成分分析法监测生菜生长势（英文）

温室植物生长状况的实时监测可为生产管理提供科学的决策支持。为开发实时监测中的机器视觉技术,该文选定生菜为研究对象,从单株和群体两个角度构建生菜生长势图像检测法。采集自然光条件下生菜整个生命周期俯视及侧视两类序列图像样本,并同步人工实测生菜生长势的动态数据样本,探讨生长势的图像检测指标与人工实测综合指标之间的相关性。对于单株生菜,通过CCD相机获取其投影图像及水平面两垂直方向侧视图像。就投影图像分割,为提高算法运行效率,将图像由RGB模型转换到HSI模型并提取H分量图像,再运用自动阈值法进行图像二值化处理,可测得单株生菜的投影面积。由于侧视图像背景较复杂,故联合使用K-means彩色图像分割法及伪彩色图像处理方法,获得生菜株高值。同时手工测量表达单株生菜生长势的叶片数、株高、x轴和y轴方向生菜植株的最大宽度、生菜植株某选定叶片的长和宽等6个指标,用主成分分析法从中提取出总生长势信息。将该值作为因变量,图像测得的投影面积和株高值作为自变量并进行回归分析。结果表明,模型的显著性检验概率均小于0.0001,除第4株生菜外,其余模型的决定系数均大于0.80,说明模型极显著且具有较高的拟合精度。对于群体生菜,预试验发现其侧视图像难以准确表达群体生菜生长势信息,故只考虑投影图像,其分割方法与单株生菜侧视图像相同。从中可计算得到群体生菜覆盖指数,再手工测量并算得群体生菜体积指数,以体积指数为因变量,以覆盖指数为自变量建模并进行回归分析。结果表明,模型显著性检验概率均小于0.0001,且决定系数均大于0.89,覆盖指数较好地表达了群体生菜生长势信息。故用图像检测获得的生菜投影面积、株高、群体覆盖指数等三项指标表征生菜生长势一方面具有科学性和可行性,在植物生长状况实时监测领域具有潜在的应用价值,另一方面,其图像分割方法和数据统计方法也可为植物生长状况实时监测等提供一定的借鉴和参考。

主成分分析和K-means聚类在说话人识别中的应用

为了解决特征提取计算量大且特征参数不够全面的问题,提出了用主成分分析和K-means聚类进行语音特征参数提取的方法。通过对说话人识别系统中最常用的线性预测倒谱系数(LPCC)参数和梅尔倒谱系数(MFCC)参数提取原理以及差分参数的提取算法深入研究,选择LPCC、MFCC以及其一阶差分参数的组合作为最终混合特征参数。首先用主成分分析降低每一帧语音信号特征参数的阶数,然后经过K-means聚类降低帧数,最后通过矢量量化(VQ)来进行说话人识别。实验结果表明,该方法降低了计算复杂度,同时也提升了识别准确性。

基于K-means和主成分回归的电网线损率影响因素分析

为了探索线损率成因并以此指导配电网项目开发,提出了基于K-means和主成分回归的线损率影响因素分析模型。首先,利用K-means将数据集中具有相似特征的数据聚为同类,进而对每类数据进行分析;接着,选取影响线损率的指标,归一化处理数据后,使用主成分分析法对指标进行降维处理;最后,通过线性回归线损率影响因素方法得到各指标对线损率的影响系数。基于国网同期线损系统采集的T市B区35 kV电压等级用户数据实验分析了提出方法的有效性。

求解大样本核主成分分析模型的Lanczos算法

求解核主成分分析模型的技术关键是确定核矩阵端部的较大特征对。把求解大规模对称矩阵端部特征对问题的基本方法——Lanczos算法应用于核主成分分析模型的求解,设计了大样本核主成分分析模型求解的实用算法。在clapack和nu-TRLan两个软件包的基础上,开发了大样本核主成分分析模型求解算法的VC++程序。用高光谱遥感图像数据进行模型求解算法的应用试验研究,证明了大样本核主成分分析模型求解算法的实用性。

核主成分分析与支持向量机模型在储层识别中的应用

针对低孔、低渗致密储层识别较常规储层难这一问题,首次应用核主成分分析与支持向量机(KPCA-SVM)模型进行储层识别。该模型先通过核主成分分析(KPCA)进行非线性特征参数提取,然后将提取的特征参数作为支持向量机(SVM)的输入变量,最终实现储层识别。由于KPCA-SVM模型集成了核函数、主成分和支持向量分类机的优点,较好地解决非线性小样本的问题,能消除数据之间的噪音,降低维数,而又不缺失有效信息,达到准确快速预测的功能。将该模型应用到新场须二气藏新856井区储层预测中,预测结果验证了本模型的优越性,可作为致密储层预测的可选方法。

基于核主成分分析与PSO-SVM的充填管道失效风险性分级评价模型

为了更精确地对充填管道失效风险性进行预测,建立核主成分分析与PSO-SVM相结合的评价模型。选取8项定量指标作为充填管道失效风险性的评价指标。统计15个矿山的样本数据,运用核主成分分析法对15个样本进行预处理,得出主成分,再利用改进的SVM模型进行预测,进而得到更加精确的管道失效风险性预测结果。研究结果表明,所得到的实际预测结果与期望值之间的平均相对误差控制在5%以内。利用核主成分分析法与PSO-SVM相结合的评价模型具有精度高和运算速度快的优点,为充填管道失效风险预测提供了一种可靠的方法。

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.

基于主成分分析和K-means聚类的平行坐标可视化技术研究

为了解决多维数据的维数过高、数据量过大带来的平行坐标可视化图形线条密集交叠以及数据规律特征不易获取的问题,提出基于主成分分析和K-means聚类的平行坐标(PCAKP,principal component analysis and k-means clustering parallel coordinate)可视化方法。该方法首先对多维数据采用主成分分析方法进行降维处理,其次对降维后的数据采用K-means聚类处理,最后对聚类得到的数据采用平行坐标可视化技术进行可视化展示。以统计局网站发布的数据为测试数据,对PCAKP可视化方法进行测试,与传统平行坐标可视化图形进行对比,验证了PCAKP可视化方法的实用性和有效性。

基于主成分分析的回归模型对重度创伤性脑损伤去骨瓣术后脑积水的评估价值

目的探讨基于主成分分析的回归模型对重度创伤性脑损伤去骨瓣术后脑积水的评估价值。方法选取邯郸市中心医院2022-01—2023-10收治的92例重度创伤性脑损伤患者,均接受去骨瓣术治疗。根据患者术后是否发生脑积水分为发生组(20例)及未发生组(72例),比较2组临床资料,并对其进行主成分分析,然后提取主成分作为自变量,采用主成分分析-Logistic回归分析重度创伤性脑损伤去骨瓣术后脑积水的危险因素,采用受试者工作特征曲线评估模型对患者发生脑积水的预测效能。结果单因素分析显示,发生组脑震荡、脑内血肿、术后颅内感染、术后大面积脑梗死、手术前后脑室系统出血占比、受伤距离手术时间、手术前后CGS评分、白细胞计数均高于未发生组(P<0.05)。主成分分析-Logistic回归分析显示,合并脑内血肿、颅内感染、术后大面积脑梗死、手术前后脑室系统出血、手术前后GCS评分低是重度创伤性脑损伤去骨瓣术后发生脑积水的独立危险因素(P<0.05)。主成分分析-Logistic回归模型评估重度创伤性脑损伤去骨瓣术后发生脑积水的灵敏度为90.00%,特异度为94.44%,AUC为0.958。结论主成分分析-Logistic回归模型能够有效评估重度创伤性脑损伤去骨瓣术患者的预后情况,脑内血肿、颅内感染、术后大面积脑梗死、脑室系统出血、GCS评分等是影响患者发生脑积水的重要因素。

基于主成分分析模型的核设施放射性废物管理评价研究

针对核设施放射性废物管理问题,采用主成分分析方法直观定量地研究了大亚湾、岭澳、田湾、秦山等各核电厂单位装机容量(MW)三废年度实际排放值或产生量,揭示了核设施放射性废物管理评价指标数据间的相关性和差异性,识别出了核设施放射性废物管理评价指标数据的主要成分;分析结果基本上反映了各核电厂放射性废物管理状况,主成分分析得分以秦山核电站第一期核电厂最高,其他依次为田湾核电厂、秦山核电站第二期核电厂、岭澳核电厂、大亚湾核电厂,秦山核电站第三期核电厂最低,即秦山核电站第三期核电厂在核设施放射性废物管理最优,大亚湾核电厂次之。辅助核设施放射性废物管理作出快速分析与决策,以提高检测能力和监管能力,具有很好地应用价值。

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。

基于匹配追踪与核主成分分析的地震信号高分辨率处理方法

分辨率是影响地震资料解释结果的一个重要因素,地震信号分辨率低,将导致小断层、薄互层难以识别。为此,将匹配追踪算法与核主成分分析(KPCA)方法应用于地震资料处理,提出了基于匹配追踪与核主成分分析的地震信号高分辨率处理方法。首先,利用匹配追踪算法通过稀疏分解不断迭代得到地震信号的最有效信息;然后,将子波替换为宽带Ricker子波进行整形处理,有效压制子波旁瓣,提高地震资料分辨率;最后,用核主成分分析方法将原始地震信号非线性映射到高维空间,在高维空间内重建地震信号,消除冗余信息。实际资料应用表明,经所提方法处理后的地震信号,波形更清晰,细节更丰富,处理结果有利于断层识别、薄层刻画,为后续地质资料解释、储层预测提供数据基础。

湖羊公羔体重与体尺的主成分分析及回归模型的建立

为研究湖羊体重和体尺性状的关联,试验选取浙江省内湖羊种羊场80只6月龄湖羊公羔,分别测定其体重和11个体尺性状并进行相关性、主成分分析及建立回归模型。结果表明:湖羊公羔的体重、尾长、尾宽、尾周长、肥周长、胸宽以及睾丸围的变异系数均大于10%;羔羊体重与除体高外所有体尺指标呈显著正相关,胸围与体重间的相关系数最大,其次为体斜长和管围,睾丸围与体重间的相关系数最小。在主成分分析中,12个性状可简化为3个主成分指标,相关矩阵特征值为4.286、2.131和1.552,累计贡献率为66.408%。使用体尺指标建立体重的最优回归方程为Y=-56.55+0.65×X1+0.671×X2(Y为体重,X1为胸围,X2为体斜长),R^(2)=0.727,P<0.01。综上,在针对湖羊公羔选育时,可将多个性状简化为综合指标以提高育种效率;逐步回归分析的结果提示,胸围和体斜长可作为重要性状进行选育。

基于核主成分分析的相关向量机人体动作分类新型模型

针对小样本人体动作数据分类泛化性能差等问题,提出一种基于核主成分分析的相关向量机人体动作分类新型模型。该模型有效利用核函数,融合核主成分分析与相关向量机,在高维特征空间挖掘更多蕴含人体动作差异信息的非线性特征,提升相关向量机准确表征人体动作差异稀疏分布的学习性能,提高小样本人体动作数据分类泛化性能。选用美国加利福尼亚州大学公开的可穿戴人体动作数据库UCI-HAR中所有30名受试者,共6类动作模式、10299个样本数据,采用十次交叉验证训练测试方法,评价所提出模型的有效性。结果表明,仅需约10个相关向量,分类准确率可达96%,分别高于基于核主成分分析的支持向量机和CNN-LSTM深度学习模型的分类准确率约5.4%和3.6%,有效提高小样本动作数据分类泛化性能,为准确鉴别人体动作变化提供一个新的思路和方法。

基于核主成分分析的环境质量综合评价模型

环境质量评价是一个多指标决策过程,考虑到评价指标众多关系复杂,该文运用降维效果显著、能有效解决非线性问题的核主成分分析(KPCA)方法对主成分分析(PCA)综合评价进行改进,建立环境质量综合评价模型。实证研究结果表明该模型能够较客观地反映不同地区的环境状况。