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。

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。

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。

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。

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。

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。

非线性主成分分析和RBF神经网络的电力系统负荷预测

电力系统负荷预测是电力系统规划与运行的重要内容,为提高负荷预测的精度,针对主成分分析法在涉及到多指标预测体系中降维作用不明显,且考虑不到指标间非线性关系的问题,采用非线性主成分分析法改进RBF神经网络输入量,该方法克服了数据之间相关性的约束,进一步降低了预测指标维数,兼顾了指标间非线性关系,保留了原始数据的足够信息,获得电力系统负荷预测的主成分,显著地减少了径向基函数神经网络的输入量,从而提高了电力系统负荷预测的精度。实例分析验证了该方法的有效性。

基于非线性主成分分析的综合素质评价模型研究

通过对我国大学生综合素质的评价现状进行分析,构建了综合评价的非线性主成分分析模型,并应用该模型对大学生综合素质进行了合理的评价。

上市公司财务比率指标的非线性主成分分析

本文选取上海证券市场和深圳证券市场共400家上市公司,利用非线性主成分分析方法对这些上市公司的财务比率指标进行综合评价,以考察上市公司的财务状况。

非线性主成分分析在中国四季降水异常分布中的应用

利用中国160站逐月降水资料,运用一种基于前馈型人工神经网络的非线性主成分分析方法(nonlinear principal component analysis,NLPCA)研究了中国近50 a四季降水异常分布的非线性特征。结果表明,NLPCA有能力表示出更一般的低维结构特征。四季降水的异常分布都具有一定的非线性相关空间结构,其中春夏季节非线性较强,秋冬季节稍弱;四季降水距平的一维NLPCA近似在非线性主成分取极端相反位相时,对应的空间分布型表现出明显的不对称性。四季降水异常的一维NLPCA近似都比传统一维PCA的近似逼真,且存在季节变化。

基于非线性主成分和聚类分析法的膨胀土分类

为能准确地对膨胀土进行分类,将非线性主成分分析和聚类分析方法应用于膨胀土分类问题中,建立了膨胀土分类的非线性主成分-聚类和判别模型,选用黏粒含量、粉粒含量、液限和塑性指数4项指标作为聚类和判别指标,以膨胀土实测数据进行分类和判别。研究结果表明:该判别模型分类和判别性能良好,预测精度高,交叉确认估计的误判率很低,是膨胀土分类的一种有效方法,可以在实际工程中应用推广。

形体老化与疾病的非线性主成分分析

本文把 5个形体老化指标及 13种慢性病指标分别做成两个综合指标 ,再去研究人体老化、疾病与性别及年龄的关系。

我国上市公司财务状况的非线性主成分分析研究

文章通过对我国上市公司的财务指标进行综合分析 ,构建了我国上市公司财务状况综合分析的非线性主成分分析模型 ,并应用该模型对上市公司财务状况进行了合理的评价 .

主成分分析在线性模型与非线性模型的应用研究

为了解主成分分析在线性模型与非线性模型预报中的应用效果,在2001-2011年热带气旋历史观测资料基础上,采用主成分分析方法,结合线性回归模型和神经网络模型,开展西北太平洋热带气旋的强度预报技术研究试验.根据提取的主要影响因子构造线性回归模型与BP神经网络的输入样本进行不同样本的台风强度预测.计算结果表明,主成分分析通过降低线性回归模型和BP神经网络模型的维数,减少自变量之间的复共线性,减小模型的预报平均绝对误差.