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。     

基于遗传模拟退火优化的FCM算法在西部省区经济发展状况分类的研究

模糊C-均值聚类(FCM)算法属于局部搜索优化算法,遗传算法和模拟退火算法的有机结合能使FCM算法更为有效准确。文章依据2013年的有关数据,利用主成分分析对聚类的特征变量降维,采用基于遗传模拟退火优化的模糊C-均值聚类算法,对西部各省区经济发展状况进行分类和分析,提供了分析大区内子区域经济发展状况的有效新方法,为西部省区经济发展状况的分析及制定相应对策探索了一条新途径。     

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.     

一种基于半监督模糊聚类的人脸识别方法

人脸识别技术是图像处理方面的重要技术。通过对人脸数据进行标准化处理,利用主成分分析和半监督模糊聚类算法对人脸数据库进行聚类分析。实验结果表明,半监督模糊聚类利用主成分降维得到的22个特征进行聚类,对于已知类别属性的人脸,聚类结果与这些属性的一致率达100%,而对于其他数据,一致率也达到99%以上。     

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SDN的DDoS攻击检测技术研究

为了在保证检测准确率的前提下提高检测效率,并优化SDN网络中基于流表特征的DDoS攻击检测算法,主要分析基于流表特征的DDoS攻击检测技术及其存在的不足,提出首先利用主成分分析优化流表特征,从中选出合适的特征子集,并采用支持向量机算法实现分类检测;然后搭建仿真网络环境,利用正常数据集与攻击数据集训练分类器进行测试实验;最后从检测准确率与检测时间两个维度对特征降维前后的检测方法进行对比。实验结果表明,经过特征降维的检测方法在不影响准确率的同时,有效提高了检测速率。     

面向图像分类的核主成分分析网络（英文）

为了能够用线性分类器对非线性特征进行分类,同时提高图像的分类正确率,提出了一种核主成分分析网络(KPCANet).首先通过核主成分分析算法将数据映射到高维空间中,使得数据线性可分,然后建立一个2层的KPCANet,提取出图像的主特征,最后将图像的主特征输入线性分类器中进行分类.实验结果表明,KPCANet对于人脸识别、物体识别以及手写数字识别效果良好,其分类效果优于现存的主成分分析网络(PCANet).同时,KPCANet的成分提取效果不受光照条件变化的影响,且对于遮挡以及微小的形变提取效果稳定.     

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。     

人脸识别算法分析与研究

首先针对两种常用的人脸识别方法:改进主成分分析算法与隐马尔科夫模型算法进行了分析和比较:改进主成分分析算法能更好的保持样本间的分类信息,适合分类识别研究,同一人的面部经过隐型马尔科夫模型算法处理能够看作一种状态产生的一系列的实现,而不同的HMM是用来表现不同的人脸等等,然后分别对它们进行了算法改进,最后对这两种算法进行了总结和展望.     

优化特征加权的FCM算法

模糊聚类是一种重要数据分析和建模的无监督方法.在FCM算法中,考虑到样本矢量中各维特征对模式分类的不同影响,本文提出一种优化特征加权的模糊聚类算法,该算法利用主成分分析法提取主要特征向量并根据其对方差的贡献率不同赋予相应权重进行聚类分析.     

基于SVM的双层圆柱壳体机械振动噪声数据特征提取方法比较

鉴于某双层圆柱壳体的机械振动噪声数据结构复杂、维数较高,工程上不宜直接分析,文章提出先对其进行特征提取后再进一步分析的思路,可有效简化数据结构,提高数据分析的准确度。选择工程上常用的主成分分析法(PCA)、核主成分分析法(KPCA)与独立成分分析法(ICA)对文中高维机械振动噪声数据进行特征提取。利用支持向量机(SVM)的分类识别能力,对经特征提取后不同工况下的噪声数据进行分类识别。依据正确识别率大小比较三种方法的特征提取效果,以选择针对某双层圆柱壳体机械振动噪声数据合适的特征提取方法。结论可为深入分析某双层圆柱壳体机械振动噪声数据的规律特点打下良好基础。     

基于K-均值算法的模糊分类器设计

基于K-均值算法的模糊分类器具有很好的分类效果，用它可以很准确的对训练样本进行分类，此方法是将K-均值算法应用于训练数据的聚类，对每个聚类的半径和聚类的中心都是可计算的，而模糊系统设计方法就是用模糊度来描述聚类，对训练数据进行高效且准确的分类，这种方法有下面几个特点：(a)不要预定义参数；(b)训练时间短；(c)简单；最后用一个例子对这种模糊分类器进行分析验证。     

一种用于电类实验测量数据判决的改进KNN算法北大核心

电类实验教学过程中人工评判学生所测数据工作烦琐,影响了教学质量和效率。该文提出了改进的K近邻(K-nearest neighbors,KNN)分类算法,即基于均值漂移、安全间隔和核主成分分析(KPCA)的M-KPCA-KNN(KNN based on margin and KPCA)算法,以判断学生测量数据正确与否和错误原因。首先利用KPCA对高维实验数据进行降维,然后利用均值漂移向量找到不同类别数据的最密集位置,并在不同类别数据的边界设置安全间隔,最后,将与待测样本距离最近的k个数据设置权重,计算每个类别的权重和,权重和最大的类别为待测样本的类别。与现有的KNN算法相比,M-KPCA-KNN算法不仅提高了分类正确率,而且降低了时间复杂度。     

基于主成分分析的NBA球员综合能力评价

目前对球员综合能力的评价方法有TOPSIS法、灰色关联分析法等,但当评价指标量多时,存在计算效率低等缺陷,同时有些评价指标并不是值越大越好,且会对最优排序和最劣排序造成影响。为求取最适合的算法、作出准确的NBA球员综合能力评价,采用主成分分析法,以现役NBA联盟中538名运动员的得分、助攻、三分命中率等13项指标为实例,进行评价方法研究。分析球员多方面能力,得出球员在各项成分中得分排名并计算出各项能力最强的前十名球员,与体育界分析结果进行比较,分析球员的强项和弱项。实验结果表明,主成分分析能够高效地将数据降维,表现各项数据之间关联性,并且分析结果正确,适用于NBA球员综合能力评价。     

利用神经网络进行人手动作表面肌电信号的识别研究

为了更好地识别人手动作的肌电信号,采用基于小波包分解与主成分分析结合的特征提取方法,并利用粒子群优化Elman神经网络的模式分类方法。选择"db"系小波对肌电信号进行多尺度分解,并结合主成分分析法,选用累计贡献率大于98.6%的十个主成分作为特征向量,输入优化神经网络进行网络训练,实现对人手抓取动作的模式识别。实验结果表明,与传统神经网络仿真结果对比,采用粒子群算法优化Elman神经网络不仅能提高系统稳定性问题,而且能提高人手动作分类识别率,验证了该方法是一种可行的人手动作分类识别方法。     

基于主成分分析的模糊支持向量分类器

由于孤立点和原始样本的选取对于支持向量机的分类性能具有较大的影响,所以本文旨在设计一种区别于以往的支持向量机的算法来解决这个问题。首要步骤是通过主成分分析法对原始数据样本进行处理,以达到用最好的方式对原始数据进行表达,从而达到使高维特征空间的维数降低的目的。然后使用类均值法,依据样本在特征空间的投影到特征空间中本类样本均值的距离,来确定其模糊隶属度,为达到使孤立点对最优分类超平面的影响最小,本文通过赋予较小隶属度的方式来实现这一目标。通过进行仿真实验,我们可以发现,这种算法能够比较有效地降低分类误差,而且在一定程度上也能够使支持向量机的鲁棒性得到提高。     

大雾情形下能见度的估计及预测 ——基于2020年研究生数学建模竞赛E题

针对不同大雾情况下的能见度,建立估计与预测模型.通过建立多分类的多元回归模型,研究能见度与地面气象影响因素之间的关系,并对大雾的能见度进行预测.利用2020年研究生数学建模竞赛E题所提供的数据,用主成分分析进行降维,分析每个变量对能见度的影响规律,建立多分类多元回归模型.模型结果表明,风速对能见度的影响程度最大,呈正相...     

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.     

我国农村居民消费影响因素的主成分回归分析

利用我国农村居民消费有关数据,首先用主成分方法进行降维,并且同时消除解释变量之间的多重共线性,然后对农村居民人均消费支出与农村居民人均纯收入、人均储蓄存款、人均GDP和消费价格指数这四个影响因素进行主成分回归分析.实证分析结果表明,四个影响因素均对农村居民消费需求有显著影响,对模型进一步分析得出,近几年来我国消费迅速上升背后最大推动力竟然是物价的持续上涨,而不是居民消费动力有很大提高,最后对实证结果给予合理的经济解释.