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.     

聚类分析中的高维数据降维方法研究

高维数据能充分表达复杂事物的信息,但高维数据自身表达和处理复杂,妨碍了它的实际应用。阐述了用降维算法和构建索引结构来解决高维数据降维问题。以数据对象变异最大方向的投影作为特定数据对象集的主成份,将聚类分析引入高校数据资源的预处理环节,实现了数据对象集合的聚类归约。给出应用实例,为深入探索相关模式提供有效的分析方法。     

基于Fisher准则的特征提取在基因表达数据上的应用

为了对高维的基因表达数据进行有效的降维,本研究采用基于Fisher准则的思想对特征空间进行特征组合,从而得到新的特征空间。实验结果表明,在无法对数据再进行降维的原特征空间中,经过线性变换的方法得到的新特征空间可继续对其数据进行降维。通过这种方法,能将四川省医学科学院动物研究所所提供的抑郁症大鼠DNA的基因表达数据有效地从4353维降到1393维。     

基于局部线性嵌入与主成分分析的优化的RBF降水预报模型

针对用主成分分析算法对非线性数据降维,存在丢失局部结构数据信息的不足,提出了将主成分分析与局部线性嵌入相结合的正交投影降维算法。首先采用主成分分析方法降维可算出特征空间矩阵,然后采用局部线性嵌入方法降维后提取特征空间矩阵,再将这两种方法获得的特征空间矩阵正交投影进行降维的主要信息作为预报因子,最后利用优化的径向基函数RBF建立网络模型,以此对广西5月区域日降水量进行降水预报,结果显示,该模型在预报性能上优于同期的T213日降水预报。     

基于核主成分分析的丝织物缝纫平整度模糊评价

通过核主成分分析对面料FAST高维数据进行降维处理,获取的核主成分作为模糊神经网络的输入,提出了一种丝织物缝纫性能模糊评价方法.实验结果表明,该方法可以基于丝织物FAST力学指标快速准确地预测成衣后的缝纫性能.     

高维数据分析中的降维方法研究

随着互联网广泛应用于人们的生产和生活实际中,应用大量数据来解决实际问题成为一种新型的职业类型和行业特点,因此广大数据处理和数据分析师们在数据分析工作方面做了许多研究,在数据分析和数据处理的过程中,经常遇到复杂高维数据,如何采取一定的降维方法将高维数据转化为低维数据,而常见的降维方法分为线性和非线性两大类,本文通过高维数据分析过程中的降维工作总结了一些经典的降维方法,在此基础上阐述了降维方法的研究对于数据分析以及数字化行业的好处和优势。     

FSVM在老年痴呆数据分析中的应用

支持向量机是人工智能研究领域中的重要课题,但该算法不能够对复杂高维的生物医学数据进行准确的分类,而FSVM方法能够利用模糊性对标记样本数据进行较准确的归类,故采用FSVM算法对老年痴呆数据进行分析.通过特征提取方法对数据进行降维,采用主成分分析法提取出数据的11个主成分,并筛选前3个主成分和前2个主成分分别进行分类模型的训练.利用基于FSVM的模糊C均值聚类方法将老年痴呆的121个样本分成了正负两个类别,实验结果表明,FSVM算法能够有效地分析老年痴呆数据.     

基于K-近邻法的两种降维方法应用研究

本文主要采用两种降维的方法和k-近邻法(KNN)有监督分类的方法来对基因芯片(微阵列)数据进行分析。PCA,PLS是一种提取海量的数据有效特征的有效方法,可以获得与原来基因芯片数据更为接近的成分的提取特征的效果。比较PCA降维方法和PLS降维方法对KNN统计判别分类的效果。     

非线性数据变换及其在离群聚类中的应用

为了提高高维数据集合离群数据挖掘效率,在分析了传统的离群数据挖掘算法优点和缺点的基础上,提出了一种离群点检测算法,首先将非线性问题转化为高维特征空间中的线性问题,然后利用非线性数据变换进行维数约减,对从高维采样数据中恢复得到低维数据集,通过本文提出的离群数据假设,并结合本文给出的离群聚类方法对所得数据对象投影分量是否是离群数据进行判别。仿真实验的结果表明了该方法能够有效地发现高维数据集中的离群点。与此同时,该算法具有参数估计简单、参数影响不大等优点,为离群点检测问题的机器学习提供了一条新的途径。     

基于局部特征核主成分分析的SAR图像识别方法

本文基于局部特征核主成分分析下的SAR图像识别技术手段的探讨研究,根据其基础性能的实际要求以及行业领域的发展标准,在此基础上提出一种两级2维式的局部特征提取判别嵌入的模式,这种局部判别嵌入特征提取的SAR图像识别方法,在图像处理与识别的过程中,有效避免了传统方法中将图像数据转化为向量后所带来的维数灾难以及小样本等问题的出现,通过这种两级2维局部判别嵌入的核主成分分析特征提取方法在SAR图像识别方法中的应用,极大地增强了系统对特征的判别效果。     

一种用于综合评价的主成分分析改进方法

主成分分析是多元统计分析中的降维技术,在用于综合评价时,在不损失原有信息的基础上,主成分分析结果易受异常值的影响,分析结果稳定性差.针对该问题,文中提出一种改进的主成分分析方法,该方法先通过惯性系数加权的方式对原始指标进行分级优化,再利用均值化的思想对其进行处理.实验结果表明,该方法有效地弱化了异常值的影响,增强了分析结果的稳定性,同时具有良好的降维效果.     

基于Matlab仿真的数据降维实验设计

在Matlab的基础上,以3种经典的数据降维方法——主成分分析(PCA)、线性判别分析(LDA)和保局投影算法(LPP)为例,给出3种降维方法的最优化比较结果,对数据降维实验方法进行了探讨和设计。通过UCI标准数据集和ORL、Yale人脸数据集的比较实验表明:3种降维方法均能较好地完成降维任务,其中LPP和LDA数据降维方法效率较优,但在不同的实验条件下,表现略有不同。     

基于2DPCA特征降维的CNN说话人识别

针对使用话语级特征参数矩阵作为卷积神经网络输入而导致收敛速度慢及识别率低的问题,提出一种基于二维主成分分析(2DPCA)特征降维的卷积神经网络(CNN)说话人识别方法.首先将每段语音分帧成多个帧级语音并提取同等大小的帧级特征组成特征矩阵,然后利用2DPCA对特征矩阵进行降维处理,再将得到的主成分特征向量组合成新的特征矩...     

齿轮系统的能量信号监测与故障诊断系统研究

基于LabVIEW虚拟技术平台,以齿轮传动系统的输入功率信号为处理对象,对能量信号监测与诊断系统进行研究。系统首先通过HHT时频域信号变换方法建立高维特征向量库,然后运用核主元分析、模糊K均值聚类等数据处理方法对其降维并提取出核主元特征,开展故障模式判别。运行结果显示,系统可对典型的非线性、非平稳信号进行有效分析并实现特征融合,在齿轮等旋转系统的故障状态实时监测与诊断方面具有良好性能。     

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。     

谈“降维思想”在解决数学问题中的运用

数学中的“维”指的是一个数学问题中元素的自由度,即该元素的坐标数.“降维”则通过一些数学方法,将高维的数学问题降为低维,从而使复杂的数学问题得到简化,达到解决数学问题的目的.本文就“降维思想”在解决数学问题中的运用,谈本人的思考.     

投影寻踪技术的理论及应用研究进展

投影寻踪技术是国际统计界于70年代中期发展起来的、用来处理和分析高维观测数据,尤其是非正态、非线性高维数据的一种新兴统计方法。它利用计算机直接对高维数据进行投影降维分析,进行数据客观投影诊断,自动找出能反映高维空间规律的数据结构,达到研究分析高维数据的目的。本文对30多年来投影寻踪技术在应用领域方面的文献进行收集整理,探讨投影寻踪技术在相关领域的应用和发展状况,为从事投影寻踪研究或应用的专业人员获取和利用相关信息提供线索和参考。     

基于核独立成分分析的静息态fMRI数据研究（英文）

为了方便提取静息态默认网络,降低功能核磁共振（fMRI）数据复杂度,克服独立成分分析只适合于源信号线性混合的限制,提出了特征降维和非线性变换的框架.首先采用主成分分析对fMRI信号的时间维度进行降维,将原始维度为153 594×128的fMRI数据降至153 594×5,以达到降低计算复杂度的目的,并保留95%的信息成分.然后利用基于高斯核的非线性独立成分分析即核独立成分分析来分析静息态fMRI数据并提取默认网络.实验结果表明,在分析静息态fMRI数据的过程中,核独立成分分析不仅能准确提取默认网络,而且降低了噪声,所得到的结果优于普通独立成分分析.     

主成分分析法改进贝叶斯网络入侵检测

使用主成分分析的方法对数据集进行降维,将滑动窗口引入到贝叶斯网络分类算法中,从而得到改进的贝叶斯网络分类算法。实验证明,改进的算法能够有效地降低分类数据的维数,同时该算法建立的入侵检测模型能够更好地检测出已知的入侵攻击类型。     

高维数据降维算法综述

分类介绍了目前具有代表性的数据降维方法,重点阐述了一种新的数据降维方法 -压缩感知,在此基础上,分析了各种数据降维算法的优缺点,并对数据降维研究中存在的问题进行了剖析.