成分数据的小离差主成分线性回归

指出了利用偏最小二乘法解决成分数据回归问题的不足之处,提出了小离差主成分回归新模型,并给出了一个具体应用小离差主成分解决成分数据回归的例子。     

数模驱动的主减速器试车台数据平台搭建浅析

针对航空主减速器试车台建设的数据平台搭建,基于数模驱动理念,浅析了一种主减速器地面试车台数据平台搭建方法,提出了航空主减速器在地面试车台上试验数据的标准化、体系化、数据引接、数据治理、数据模型和可视化分析的一种系统路线原理。为逐步建设以大数据、云平台、人工智能、大数据分析为核心,打造以数模驱动的实时化、自动化、智能化的智慧维修工厂提供了一种思路。     

主成分分析方法对数据进行预处理

统计学是一门对数据进行分析、处理的科学 ,而数据挖掘是从大量的数据中挖掘出未被人们发现、但却十分有用的知识。在数据挖掘的过程中 ,必然要对大量的数据进行分析、处理 ,所以数据挖掘借用了很多统计学的方法。本文就数据挖掘中对数据进行预处理的过程中 ,所用到的统计学中的主成分分析方法进行阐述。     

教育装备管理中主成分分析前的数据预处理

介绍在教育装备管理中使用主成分分析前对采集的数据进行数据预处理的过程,并针对统计软件SPSS的使用叙述进行数据预处理的方法。     

主成分分析在实际中应用的探索

根据样本信息中所提供的数据,通过确定主成分的个数,选取主成分以及确定主成分表达式等过程,采用主成分分析得到了与各种肝病关系较为密切的主成分。     

基于主成分分析的国家助学金综合评定方法

介绍了主成分分析法的基本思想、基本原理以及计算步骤;运用主成分分析法建立了全定量化的国家助学金综合评定方法。从定量的角度应用SPSS软件对数据进行多元统计分析,然后进行综合排序,并对排序结果进行分析和评价,数据结果显示该方法具有一定的合理性。     

优化动态核主元分析的工业过程故障监测方法

针对现代生产工业过程中数据的非线性多模态特征,提出了一种基于人工大猩猩部队优化动态核主元分析(GTO-DKPCA)的故障监测方法。利用自回归移动平均时间序列模型和核主成分分析(KPCA)方法构建DKPCA模型,对过程各阶段的批次数据进行DKPCA处理。通过正常数据和故障数据特征构建自适应度函数,利用人工大猩猩部队优化算法对DKPCA核参数进行优化,以发现最优的非线性特征;通过计算各时间点的霍特林统计量T²和平方预测误差(SPE)统计量进行故障监测。青霉素发酵过程故障监测结果表明,GTO-DKPCA方法比多向核主元分析(MKPCA)和多动态核主元分析(BDKPCA)有更好的监测效果,适应性和准确性更高。     

基于主成分分析的在线学习者评价模型构建研究

在大数据技术迅速发展的今天，利用海量的学习数据对学习者的学习过程进行数据分析、建模和解读是在线教育研究的热点和难点问题。文章提出了一种使用主成分分析对实时学习数据进行分析，最终得到对学习者评价的方法。本文通过使用大数据量的样本分析，提出了包括行为数量、行为得分、考试得分等三类共计11个指标，使用主成分分析法将这些指标降维，得到5个表征学习过程的主成分，然后使用主成分回归对5个主成分进行回归分析，最终得到对学习者的评价模型。结果显示模型能准确评估学生学习效果，并已应用于实际系统。     

高维数据的距离判别方法

针对高维数据的判别问题,采用改进的主成分分析法进行降维,按85%的贡献率提取判别数据的主成分,然后以近邻原则建立距离判别准则,并以该准则对待判样品进行判别归类.实例表明,对于高维数据的判别问题,通过降维的方法,有助于提高判别模型的判别正确率.     

检查物理实验数据的计算机程序

该文介绍了利用FoxDASE~ 语言编写处理物理实验数据的程序。该程序由主程序、数据输入及处理子程序和打印输出三部份组成。     

基于命令行传递给主函数参数的应用

文章通过对C语言程序设计中命令行传递给主函数参数的讨论,介绍了命令行传递给主函数参数的个数以及类型,然后分析这些参数,并用这些参数作为程序运行中处理的数据解决具体的问题。     

大数据在医药行业供应链中的应用评价研究

在奥密克戎的冲击下,居民对相关药品的需求激增,使得医药资源在一定时期内较为紧张,但各省市对资源的需求并非在同一时段,使得医药企业供应链管理的难度加大。基于大数据管理技术,分析了大数据在医药行业供应链管理中的应用流程,运用实证分析方法,得到以下研究结论：一是根据学术界的研究成果与医药企业供应链管理实践,在医疗行业供应链管理系统中主要包含分布式流向数据管理、医药行业数据管理和医药终端智能管理3个主系统,在主系统下包含12个子系统。二是在海量数据管理中,需要对数据进行清洗,保证数据质量,数据质量的高低会对研究结论产生重要的影响。三是对比主系统和子系统的权重值可以判断,在医疗行业供应链管理过程中,终端智能管理和数据清洗十分关键。     

安徽省城市经济实力的主成份分析

主成份分析运用降维的思想全面分析多项指标,从中提取较少几项互不相关的综合指标对数据进行综合分析,既降低数据的维数,并且克服了数据间的相关性又保留了原始数据包含的信息,是分析变得简单易行.以2015年安徽省16地市的主要经济指标为基础,运用主成份分析得出反映地区经济基础、生活水平和物质状况、商业贸易繁荣度的三个主成份,并以此对安徽城市经济实力进行排序和综合评价,得出省会合肥经济实力最强,皖东南地市经济较强,皖北皖西城市经济较弱的结论,与实际情况非常吻合.最后分析地域经济发展不平衡的原因,并给出改善的有效对策,以期为地区的经济发展提供参考,这不但在理论上,实践上对安徽地域经济的协调发展都有现实的指导意义.     

网上主成分分析可视化设计

利Microsoft Visual J＋＋6．0作为实验开发平台,采用Java语言及Applet嵌入网页技术,实现基于互联网上主成分分析过程的可视化,用户可通过实例演示该实验设计的各功能：用户对相关原理的学习,数据的录入、修改,显示主成分个数及相应的累计贡献率.     

基于非负主成分分析的低维光谱色彩空间表示法(英文)

针对采用主成分分析法进行多光谱数据降维会使重构光谱反射比出现负值的问题, 提出一种非负约束主成分分析法, 并用该法构造低维空间, 实现高维多光谱数据向低维空间的转换. 首先分析主成分分析法产生非光谱数据的原因, 据此对经典主成分分析模型增加非负约束; 然后求出一组线性无关的非负主成分权向量, 用该组向量构造低维空间; 最后用非线性优化技术确定高维数据在该低维空间中的投影值, 实现了高维空间与低维空间的相互转换. 实验结果表明, 新方法能使重构光谱数据在[0, 1]内, 保持了光谱反射比的物理意义, 同时所构造低维空间的精度能与经典主成分分析法保持一致.     

基于主成分的稀疏贝叶斯信用分类研究

针对传统信用评价方法分类精度较低、数据集属性变量间存在相关性等问题,提出基于主成分分析的稀疏贝叶斯学习（PCA-SBL）算法。首先对数据集特征变量进行主成分分析,使降维后的变量无相关性|其次,对主成分分析后的数据进行稀疏贝叶斯分类|最后将 PCA-SBL 分类方法分类精度与传统分类方法精度进行比较。分析发现,在 German Credit Data 和 Australian Credit Data 上,与传统 KNN、朴素贝叶斯、SVM、随机森林、决策树相比,改进的 SBL 算法分类精度平均提高了 5.26%、4.65%、2.11%、2.125%、4.66%,与稀疏贝叶斯学习算法（SBL）相比,平均提高 0.965%,从而证明 PCA-SBL 算法具有更高的分类效果。     

基于数据治理的高校数据共享模式研究

本文对高校数据治理现状进行分析的基础上提出了高校数据治理的主要内容。并通过构建数据共享平台的方式将主数据、业务数据和分析数据三类数据进行汇集、开发形成数据资产,从而为高校的领导决策、行政管理和信息系统提供快捷的数据服务。     

大数据视野下学校德育工作的变化

德育模式由于连接理论和实践,因此是德育理论研究中非常重要的一个领域.历史上有许多流派的德育模式,主要有主知型、主情型和主行型三大类型,并且各有自身的理论特点.虽然解决的主要问题和缺陷都不相同,但其中隐藏着共同的缺陷:无法真实测量学生的道德素养.大数据时代的到来为德育工作带来了技术上的“福音”,我们可以了利用数据进一步了解学生的相关信息从而提高德育工作的实效性.     

曲面上主曲率及主方向的若干求法

主曲率与主方向是曲面微分几何的重要概念.该文以微积分及线性代数为工具给出了计算主曲率与主方向的几种方法,这些讨论可以帮助本科生更好地掌握知识要点,也为教师的课堂教学提供有益的借鉴和参考.     

基于PCA的SOM网络在基因数据聚类分析中的应用

把主分量分析(PCA)方法和自组织特征映射网络(SOM)相结合,应用到基因数据聚类分析中。首先对基因数据集进行PCA分析,提取出少量的特征主分量,再对数据集进行降维。这些主分量基本上可以反映原数据集的综合信息,然后应用SOM网络对得到的特征分量进行聚类分析,把相似的基因划分到一个区域。实验结果表明,与单一地选用SOM网络进行聚类分析相比,该方法有较高的分类正确率及较为清晰的分类边界,是一种非常有效的聚类分析方法。