基于用户评论的IPCA分析的产品优化研究——以京东商城平板电脑为例

[目的/意义]利用文本分析技术从用户评论文本中挖掘用户关注的主题,并结合重要性绩效竞争对手分析法(IPCA),探究如何进行产品优化,从而提升产品竞争力。[方法/过程]采集京东商城平板电脑的用户评论文本,采用LDA主题挖掘获取用户评论文本中关注的主题及与主题相关的主题词,并结合情感分析技术构建IPCA模型,基于构建的模型进行产品优化分析。[结果/结论]用户关注主题中的客户服务位于优势特征区,赠品与配件、系统位于正面竞争区,物流服务、外观设计位于紧急行动区,硬件性能位于无效优势区。基于用户评论构建IPCA模型可进行有针对性的产品优化分析,为产品的优化指明方向。

SWE-IPCA方法在传感器故障诊断中的应用

针对目前油田传感器设备故障诊断广泛采用的主元得分向量平方和与平方预测误差方法,在进行在线故障诊断过程中,往往存在对实际生产过程中产生的弱故障诊断不灵敏,甚至无法有效进行故障识别的问题,同时考虑到油田生产过程的特点,提出一种基于平方加权预测误差的迭代主元分析进行故障检测的方法,在不同的残差空间中对故障进行分析,提高了系统对弱故障诊断的准确性。运用迭代算法更新主元分析算法模型,通过残差空间的平方加权预测误差变量重构确定故障,实现对油田生产传感器设备故障的动态在线诊断。最后利用油田生产的实际数据对该方法进行了在线故障诊断实验,实验结果表明,该方法对油田生产传感器设备可以有效地进行故障诊断。

IPCA在故障检测与分离中的应用

基于 PCA模型 ,综合利用 T2 检验值、Q检验值和故障补偿法等集成化主元分析 ( IPCA)方法对系统的工况故障和仪表故障进行检测和分离 ,并对仪表故障进行补偿 ,该方法既能进行故障检测 ,又能对不同的故障进行分离。仿真实例表明 ,这种方法是有效的。

基于Gist和IPCA算法的多文种离线手写签名识别

由于离线手写签名图像有效的笔画部分普遍比较稀疏,存在大量的无效白色背景,目前常用的特征描述方法会使得得到的特征数据存在大量冗余,影响识别准确率。识别准确率的提高,需要依赖大量的训练数据和提取多个特征并进行融合,但这样又会因特征数据过多和维度过大而造成计算困难,影响识别效率。为此,提出了一种基于Gist和IPCA算法的多文种离线手写签名识别方法,利用Gist特征聚焦图像的整体布局和笔画部分,同时利用IPCA算法的批处理能力来提高识别效果和运行效率。使用中、英、维3种语言的实验数据集,并使用SVM分类器进行识别实验。结果显示,3个数据集上的识别准确率分别为97.97%,98.43%和97.19%,3种数据混合后的识别准确率为97.70%。经过对比分析可知,提出的方法与之前的相关方法相比明显较优。

IPCA技术在新华社多媒体卫星广播网络中的应用研究

本文以新华社全球卫星广播网的实际需求为例,提出了一种增强多媒体卫星广播网的信息安全性能的方案。在简要介绍传统条件接收的基础上,引入了IPCA条件接收技术。文中介绍了IPCA条件接收技术的原理,并以该技术在新华社全球卫星广播网的实际实施为例,阐述了IPCA在多媒体卫星广播网络中应用的优缺点。

基于操作-响应模型的IPCA设计与实现

根据虚拟操作训练系统可以建立确定的操作部件和响应部件之间的逻辑关系模型这一特点,采用产生式知识表达方法和正向推理控制策略,构建了操作-响应模型。在确定误操作类型的基础上,设计了基于操作-响应模型的IPCA(Intelligent Process Control Agent),同时给出了具体的技术实现过程。

基于平面扩展和约束优化的激光惯性SLAM方法

针对激光SLAM算法在特征匮乏、拐角狭窄的室内场景中定位精度低的问题,提出一种基于平面扩展和约束优化的激光惯性SLAM方法。在激光SLAM中融合IMU,根据IMU状态估计结果对激光点云进行位置补偿并判断关键帧。搭建全局平面地图,基于RANSAC算法对关键帧进行平面提取并结合预提取的方法跟踪平面特征以降低时间成本,拟合结果经iPCA优化去除噪声对RANSAC的影响。利用点到面的距离构建平面约束优化方程,并将其与边缘点约束和预积分约束统一融合,建立非线性优化模型,求解得到优化后的平面信息和关键帧位姿。最后为验证算法的有效性,在M2DGR公开数据集和私有数据集上分别进行实验,实验结果表明,本算法在大部分公开数据集上表现良好,特别在私有数据集上,相比于目前广泛应用的faster-lio算法,定位精度提升61.9%,展现出良好的鲁棒性和实时性。

FL-Online:An x-ray crystallographic web-server for atomic-scale structure analysis of biomolecule

FL-Online(http://fanlab.ac.cn) is an out-of-box modern web service featuring a user-friendly interface and simplified parameters, providing academic users with access to a series of online programs for biomolecular crystallography, including SAPI-online, OASIS-online, C-IPCAS-online and a series of upcoming software releases. Meanwhile, it is a highly scalable and maintainable web application framework that provides a powerful and flexible solution for academic web development needs. All the codes are open-source under MIT licenses in GitHub.

FT-NIR光谱半定性判别方法应用于土壤总氮的波段优选

总氮是衡量土壤肥力的重要成分指标。传统的检测土壤总氮含量的化学方法操作复杂且费时费力,采用傅里叶近红外(FT-NIR)对土壤总氮的含量实现直接快速定量分析;然而,利用偏最小二乘(PLS)等线性分析方法定量预测土壤样本的总氮含量,定标预测模型有可能被理想化,不利于在线检测的实际应用。考虑给定量分析模型添加容错机制,将FT-NIR定量分析转化为半定性判别分析,以加强光谱模型的应用能力,提出区间间隔搜索主成分分析逻辑回归(iPCA-LR)方法,结合PLS的先验定量预测值,通过设定r=0.05,0.10,0.15三个不同的容错阈值范围,给样本赋予先验判别标记,将定量分析模式转换为半定性判别模式,建立土壤总氮的FT-NIR半定性判别模型,同时,对比讨论基于k=5,10,15,20四种不同子波段数量的区间划分数据的潜变量转换模式,优选FT-NIR光谱特征子波段,并讨论优选连续子波段的组合建模情况。结果表明,不同阈值范围下的FT-NIR半定性判别模型的预测准确率差别较大,但不同阈值范围的最优判别模型的预测准确率均在75%以上,各个区间划分的优选子波段或合并子波段的判别准确率均达到了90%以上,可以满足不同程度的应用水平。利用PLS结合iPCA-LR将定量预测转换为半定性判别的方法能够应用于土壤总氮的FT-NIR光谱分析,能够解决常规PLS定量分析容易过拟合和过于理想化的问题,半定性判别结果更符合实际,有利于光谱技术的在线应用。

利用AMMI模型分析杂交水稻配合力

配合力分析在亲本育种潜力评价和品种选育中扮演着重要的作用。本试验对5×4不完全双列杂交组合产量性状进行了配合力效应分析,并利用AMMI模型对杂交组合中双亲间互作效应(即特殊配合力)进行了深入剖析。结果表明,利用代表双亲产量特殊配合力效应分值的主成分轴(IPCA)向量可以很好地评价亲本的特殊配合力效应。根据亲本特殊配合力效应分值向量的长度及方向,可将杂交组合中双亲的互作效应分为4种情况:(1)杂交组合中至少有一个亲本的特殊配合力效应分值向量的坐标点比较靠近坐标原点,则测配杂交组合中双亲间的互作效应贡献很小,其杂种优势主要来源于双亲的一般配合力。(2)杂交组合中双亲特殊配合力效应分值向量的方向大致呈垂直状态,则测配杂交组合中双亲间的互作效应很小,其杂种优势也主要来源于双亲的一般配合力。(3)杂交组合中双亲特殊配合力效应分值向量的长度较长但方向大致相反,则杂交组合存在很大的负向特殊配合力效应。(4)杂交组合中双亲特殊配合力效应分值向量的长度均比较大且方向大致相同,则相应杂交组合的正向特殊配合力效应很高。因此,若要获得较大的双亲正向互作效应,则合理选配亲本至关重要;只有当两亲本特殊配合力效应分值向量的长度均比较大且向量方向较一致时才可以达到较大的正向互作效应。

基于增量主成份分析的在线视频镜头边界检测

在基于内容的视频检索系统中,镜头边界检测是极其关键的一步。而在线检测镜头边界也是亟需解决的问题,所以提出利用增量主成份分析(IPCA)方法,对视频进行实时分析和在线镜头边界检测。IPCA方法允许样本逐步输入,这样正符合在线视频的获取方式,所以利用IPCA可以实现镜头边界的在线检测。但是,IPCA也存在存储空间逐步增大的缺陷,针对此问题也提出了解决方案。实验证明该方法可以取得满意的效果。

华为新技术在电网智能化建设中的应用探讨

南方电网作为国内最复杂、科技含量最高的电网,也是西电东送规模最大、效益最好、发展后劲最强的电网,其中数据中心、生产中心等各个智能节点的相互链接对于网络提出了新的、更高的需求。以敏捷交换机为骨干建立的敏捷网络可以通过链路的智能感知,精细化的业务梳理,以及统一用户管理等方式,快速高效地定位或解决数据网络上的故障或时延,同时高效的规划网络,再通过高可靠性的冗余方案保证网络的整体可用性,相对于传统网络,具有革命性的意义。

意大利通货膨胀的测度方法与实践

意大利政府统计比较发达,也曾经为世界官方统计发展做出重要贡献。本文以意大利通货膨胀测度的消费价格指数为核心,系统全面讨论了消费价格指数CPI的发展、理论方法及应用,以及从意大利角度出发的欧盟消费价格指数的方法与应用。这些理论方法与应用,对于我国的CPI统计方法及应用的研究具有重要参考价值。

用~1HNMR法测定丙二酸二异丙酯混合物各组分的含量

报导了用~1H NMR法测定丙二酸二异丙酯(DIPM)、氰基乙酸异丙酯(IPCA)混合物以及环己烷、异丙醇、水混合物中各组分相对含量.测定法的根据是:前一种混合物两组分的亚甲基化学位移δ值、积分面积(或积分高度)不同;后三种物质是根据它们的亚甲基、甲基、活性氢的δ值、积分高度不同,直接从~1H NMR波谱图中求出各组分的相对含量.测定结果表明:DIPM含量为93.9%,IPCA含量为6.1%,环己烷含量54.8%,异丙醇含量25.8%,水的含量19.4%.

基于改进PCA的蛋白质O-糖基化位点的预测

提出了改进的主成分分析(IPCA)的方法,结合支持向量机(SVM)对蛋白质O-糖基化位点进行预测。IPCA克服了传统主成分分析(PCA)寻找全局主要成分的不足,对类内样本进行加权,在保护局部结构的前提下,消除了变量之间的相关性,提取出具有局部特征的主要成分。然后,在特征空间中用SVM进行分类(预测)。实验结果表明,IPCA+SVM方法是预测糖基化位点行之有效的方法。

基于增量式子空间学习的视觉跟踪系统

为了提高视觉跟踪方法在物体外观发生变化时的性能,提出一种基于增量式子空间学习的视觉跟踪系统。该系统利用基于增量式主成分分析的粒子滤波方法增量式地学习一个表示跟踪结果的低维特征空间,以反映目标物体的外观变化。实验结果表明,当目标物体在复杂环境中承受姿态和光照变化时,该视觉跟踪系统具有更好的性能。

基于改进主成分和全局k均值聚类的汽车行驶工况构建

为解决传统聚类算法构建工况初始中心易陷入局部最优、执行时耗长的问题,提出了一种改进全局k均值聚类(improved global k-means clustering,IGKM)算法,以缩小作为候选下一簇的初始中心点集,减少算法的迭代次数;采用小波分层阈值降噪和小波分解域量化压缩对原始数据进行预处理,结合改进主成分分析(improved principal component analysis,IPCA)对片段进行降维和分类;最后,合成汽车行驶工况。实验结果表明,所提方法构建行驶工况的速度-加速度联合分布差异值仅为0.87%,聚类平均耗时仅为83.35 s,行驶工况拟合度较高,更能综合反映实际车辆的运行状况。

动态纹理背景的建模

针对室外条件下动态纹理背景,采用自回归运动平均(ARMA)模型建立背景模型,并引入快速增量主元分析(IPCA)算法对模型进行降维,并辨识其中参数,实现最大似然估计。运用增量主元分析算法,不需要估算协方差矩阵,直接可以递增地得到特征向量和奇异值,计算出样本序列的主要元素。完成参数辨识后,ARMA模型可以合成无限长度的预测图像序列。最后,仿真实验证明了算法的有效性。

血清EPCA-2、PSA在早期前列腺癌诊断中的相关研究与临床指导作用

目的探讨前列腺癌患者中外周静脉血早期前列腺癌抗原-2(early prostate cancer antigen,EPCA-2)、前列腺特异性抗原(prostate specific antigen,PSA)的临床应用价值。方法回顾性研究贵州医科大学附属医院及我院收治的78例前列腺癌患者、118例良性前列腺增生患者及56例健康对照者。检测外周血清中的EPCA-2、PSA浓度,进行统计学分析。结果前列腺癌组血清EPCA-2水平(41.78±21.96)ng/mL明显高于良性前列腺增生组(16.80±12.71)ng/mL和健康对照组(12.97±8.10)ng/mL,差异有统计学意义(P<0.05)。血清EPCA-2用于诊断前列腺癌较PSA有较高的特异性(卡方值为23.73,P<0.05),表明EPCA-2比PSA对前列腺癌有更高的诊断价值。血清EPCA-2及PSA在伴有骨转移性前列腺癌中的浓度(51.36±22.01ng/mL、29.75±18.69ng/mL)均高于局限性前列腺癌(34.38±19.07)ng/mL、(17.86±14.08)ng/mL,差异有统计学意义(P<0.05)。结论EPCA-2具有较高的敏感性和特异性,可作为一种新的前列腺癌特异性肿瘤标志物应用于临床。

基于低秩稀疏表示的加权增量目标跟踪算法

现实中目标物体所处背景往往受到遮挡、光照变化等复杂环境的影响,容易导致跟踪漂移。为提高目标跟踪的精确度,以加权增量主成分分析算法为模板更新机制,提出一种新的目标跟踪算法。通过主成分分析基向量模板和平方模板对变化的目标外观进行线性表示,把目标跟踪问题视为低秩稀疏优化问题,求解低秩稀疏解,得到候选目标重构系数,将基于重构误差后验概率最小的跟踪目标作为当前跟踪结果,并在增量主成分分析算法更新基向量模板过程中,对每个跟踪目标进行加权,从而有效抑制低质量目标样本的影响。实验结果表明,与增量视觉跟踪算法、最小软阈值跟踪算法等相比,该算法在复杂环境的目标跟踪中具有较好的鲁棒性。