检索结果-维普期刊中文期刊服务平台

函数型数据的共同主成分分析探究及展望被引量：5: 1; 作者曲爱丽朱建平《统计与信息论坛》 CSSCI 2009年第2期19-23,共5页; 函数型数据的主成分分析(FPCA)已经成功应用在许多领域,但它主要研究的是单样本问题。本文详细讨论了一种新近发展的函数型数据分析的理论——函数型共同主成分(CFPC)分析方法,它主要应用于检验两组函数型随机样本的分布情况。CFPC方法... 展开更多; 关键词函数型数据共同主成分分析 KL展开 BOOTSTRAP方法; 在线阅读下载PDF 职称材料

多元时间序列特征降维方法研究被引量：14: 2; 作者李正欣张凤鸣 +1 位作者张晓丰杨仕美《小型微型计算机系统》 CSCD 北大核心 2013年第2期338-344,共7页; 针对常见的降维方法难以有效地保留多元时间序列主要特征的问题,分析了传统PCA方法在多元时间序列降维中的局限性;提出一种基于共同主成分分析的线性降维方法;把共同主成分与核技巧相结合,通过数学推导,将其拓展为基于共同核主成分分析... 展开更多; 关键词多元时间序列特征降维共同主成分共同核主成分模式匹配; 在线阅读下载PDF 职称材料

种群内和种群间小拟南芥植株营养含量的变化及协变格局研究被引量：6: 3; 作者刘彤李学禹 +2 位作者向其柏任丽彤潘志斌《武汉植物学研究》 CSCD 2004年第3期251-258,共8页; 以拟南芥(Arabidopsisthaliana)近缘种小拟南芥(A.pumila)为试材,研究了新疆玛河流域6个种群内和种群间植株N、P、K、Na、Ca、Mg、Fe、Zn、Cu、Mn含量的变化格局。发现10种元素含量在种群间达到极显著差异,Na、Ca、Mg、Fe、Zn含量在种... 展开更多; 关键词小拟南芥植株营养含量可塑性生理整合共同主成分分析; 在线阅读下载PDF 职称材料

基于数据块的多变量时间序列相似性度量被引量：1: 4; 作者翟彦青丁立新周考《计算机应用研究》 CSCD 北大核心 2016年第9期2705-2707,2711,共4页; 针对现有经典的时序数据相似性度量方法共同主成分分析(CPCA)和二维奇异值分解(2DSVD)中存在无法保存时序数据集合中蕴涵的某些重要局部特征的问题,提出了基于数据分块方式的CPCA方法和2DSVD方法。该算法首先对原始多变量时间序列数据... 展开更多; 关键词多变量时间序列相似性度量共同主成分分析二维奇异值分解分块; 在线阅读下载PDF 职称材料

含噪声的海量多元时间序列降维方法研究被引量：1: 5; 作者刘博郭建胜《计算机工程与应用》 CSCD 北大核心 2015年第1期137-142,共6页; 多元时间序列具有高噪声、非线性和海量的特点,但传统基于距离的降维方法难以有效的应对噪声带来的子空间偏移和数据的爆炸式增长。在基于角度优化的全局嵌入算法和共同核主成分分析方法的基础上,提出了一种基于角度优化的共同核主成分... 展开更多; 关键词多元时间序列特征降维共同核主成分角度优化噪声云计算平台; 在线阅读下载PDF 职称材料

题名函数型数据的共同主成分分析探究及展望被引量：5: 1; 作者曲爱丽朱建平; 机构厦门大学经济学院; 出处《统计与信息论坛》 CSSCI 2009年第2期19-23,共5页; 基金国家教育部社科研究规划项目<数据挖掘中关联规则的统计研究及应用>(06JA910003); 文摘函数型数据的主成分分析(FPCA)已经成功应用在许多领域,但它主要研究的是单样本问题。本文详细讨论了一种新近发展的函数型数据分析的理论——函数型共同主成分(CFPC)分析方法,它主要应用于检验两组函数型随机样本的分布情况。CFPC方法的理论基础是将两组函数型样本进行Karhunen-Loève(KL)展开,并用Bootstrap方法检验两组样本的均值函数、特征值和特征函数的一致性。最后,我们对CFPC的理论研究和应用前景进行了展望。; 关键词函数型数据共同主成分分析 KL展开 BOOTSTRAP方法; Keywords Functional Data common principal component analysis KL expansion Bootstrap method; 分类号 O212.4 [理学—概率论与数理统计]; 在线阅读下载PDF 职称材料

题名多元时间序列特征降维方法研究被引量：14: 2; 作者李正欣张凤鸣张晓丰杨仕美; 机构空军工程大学装备管理与安全工程学院; 出处《小型微型计算机系统》 CSCD 北大核心 2013年第2期338-344,共7页; 文摘针对常见的降维方法难以有效地保留多元时间序列主要特征的问题,分析了传统PCA方法在多元时间序列降维中的局限性;提出一种基于共同主成分分析的线性降维方法;把共同主成分与核技巧相结合,通过数学推导,将其拓展为基于共同核主成分分析的非线性降维方法;最后分析两种方法的降维有效性.与传统PCA方法相比,基于共同核主成分分析的降维方法可以表达变量间的非线性关系、能够选取合适的核函数和形状参数,因此降维手段更为灵活、对数据的适应性更强.实验结果表明,本文提出的降维方法能够更有效地对多元时间序列进行降维.; 关键词多元时间序列特征降维共同主成分共同核主成分模式匹配; Keywords Key words：multivariate time series feature dimension reduction common principal component common kernel principal compo- nent pattern matching; 分类号 TP311 [自动化与计算机技术—计算机软件与理论]; 在线阅读下载PDF 职称材料

题名种群内和种群间小拟南芥植株营养含量的变化及协变格局研究被引量：6: 3; 作者刘彤李学禹向其柏任丽彤潘志斌; 机构南京林业大学森林资源与环境学院石河子大学生物工程学院; 出处《武汉植物学研究》 CSCD 2004年第3期251-258,共8页; 基金国家自然科学基金资助项目(30160009 300360017)。; 文摘以拟南芥(Arabidopsisthaliana)近缘种小拟南芥(A.pumila)为试材,研究了新疆玛河流域6个种群内和种群间植株N、P、K、Na、Ca、Mg、Fe、Zn、Cu、Mn含量的变化格局。发现10种元素含量在种群间达到极显著差异,Na、Ca、Mg、Fe、Zn含量在种群内和种群间均变化较大,是小拟南芥适应异质环境变化较大的一类元素,而N、P、K、Cu、Mn含量在种群内变化较稳定;种群内植株营养成分含量的双重协变数量3～6对,K与Ca、Na,Na与Zn在6个种群内均表现出正相关,其中K与Ca在5个种群中相关显著;主成分分析发现6个种群的植株营养成分含量都是由3个较大载荷构成,占原变量总方差的83.9%～91.4%,K与Ca、Na在5个种群统一表现出相似的整合格局,但共同主成分分析发现种群间营养成分含量协方差矩阵彼此独立,缺乏共性。认为K与Ca、Na的整合性可能是小拟南芥在新疆土壤类型多样条件下广布的重要原因,但这种整合格局是否是小拟南芥营养元素的普遍整合特点有待在更大尺度下进一步验证。; 关键词小拟南芥植株营养含量可塑性生理整合共同主成分分析; Keywords Arabidopsis pumila Nutrient concentrations of seedling Physiological integration Plasticity Common principal component analysis; 分类号 Q941.2 [生物学—植物学]; 在线阅读下载PDF 职称材料

题名基于数据块的多变量时间序列相似性度量被引量：1: 4; 作者翟彦青丁立新周考; 机构武汉大学计算机学院; 出处《计算机应用研究》 CSCD 北大核心 2016年第9期2705-2707,2711,共4页; 基金中央高校基本科研业务费专项资金资助项目(2012211020209) 广东省省部产学研结合专项资助项目(2011B090400477) +2 种基金 2012D0501990016) 珠海市重点实验室科技攻关项目(2012D0501990026); 文摘针对现有经典的时序数据相似性度量方法共同主成分分析(CPCA)和二维奇异值分解(2DSVD)中存在无法保存时序数据集合中蕴涵的某些重要局部特征的问题,提出了基于数据分块方式的CPCA方法和2DSVD方法。该算法首先对原始多变量时间序列数据进行分块处理,然后对分块得到的子矩阵采用CPCA、2DSVD进行特征提取,从而得到代替原始模式的低维新模式,最后在低维空间中利用最小距离法构建分类器对多变量时间序列进行分类。EEG数据分类实验证明了所提方法的有效性。; 关键词多变量时间序列相似性度量共同主成分分析二维奇异值分解分块; Keywords multivariable time series similarity measurement CPCA 2DSVD partition; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名含噪声的海量多元时间序列降维方法研究被引量：1: 5; 作者刘博郭建胜; 机构空军工程大学装备管理与安全工程学院; 出处《计算机工程与应用》 CSCD 北大核心 2015年第1期137-142,共6页; 文摘多元时间序列具有高噪声、非线性和海量的特点,但传统基于距离的降维方法难以有效的应对噪声带来的子空间偏移和数据的爆炸式增长。在基于角度优化的全局嵌入算法和共同核主成分分析方法的基础上,提出了一种基于角度优化的共同核主成分分析方法,并将该方法依托Hadoop平台进行了并行化改进,有效解决了噪音带来的子空间偏移和海量数据带来的巨大运算量问题。通过实验,对算法的有效性、运行效率及伸缩性进行了验证,结果表明提出的方法可以有效地对含有噪声的多元时间序列进行降维;基于Hadoop平台并行后的方法具有良好的运行效率和伸缩性。; 关键词多元时间序列特征降维共同核主成分角度优化噪声云计算平台; Keywords Multivariate Time Series （MTS） feature dimension reduction common kernel principal component angleoptimized noise cloud computing platform; 分类号 TP311 [自动化与计算机技术—计算机软件与理论]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	函数型数据的共同主成分分析探究及展望	曲爱丽朱建平	《统计与信息论坛》 CSSCI	2009	5	在线阅读下载PDF 职称材料
2	多元时间序列特征降维方法研究	李正欣张凤鸣张晓丰杨仕美	《小型微型计算机系统》 CSCD 北大核心	2013	14	在线阅读下载PDF 职称材料
3	种群内和种群间小拟南芥植株营养含量的变化及协变格局研究	刘彤李学禹向其柏任丽彤潘志斌	《武汉植物学研究》 CSCD	2004	6	在线阅读下载PDF 职称材料
4	基于数据块的多变量时间序列相似性度量	翟彦青丁立新周考	《计算机应用研究》 CSCD 北大核心	2016	1	在线阅读下载PDF 职称材料
5	含噪声的海量多元时间序列降维方法研究	刘博郭建胜	《计算机工程与应用》 CSCD 北大核心	2015	1	在线阅读下载PDF 职称材料