期刊文献+
共找到2,529篇文章
< 1 2 127 >
每页显示 20 50 100
Real-time lane departure warning system based on principal component analysis of grayscale distribution and risk evaluation model 被引量:4
1
作者 张伟伟 宋晓琳 张桂香 《Journal of Central South University》 SCIE EI CAS 2014年第4期1633-1642,共10页
A technology for unintended lane departure warning was proposed. As crucial information, lane boundaries were detected based on principal component analysis of grayscale distribution in search bars of given number and... A technology for unintended lane departure warning was proposed. As crucial information, lane boundaries were detected based on principal component analysis of grayscale distribution in search bars of given number and then each search bar was tracked using Kalman filter between frames. The lane detection performance was evaluated and demonstrated in ways of receiver operating characteristic, dice similarity coefficient and real-time performance. For lane departure detection, a lane departure risk evaluation model based on lasting time and frequency was effectively executed on the ARM-based platform. Experimental results indicate that the algorithm generates satisfactory lane detection results under different traffic and lighting conditions, and the proposed warning mechanism sends effective warning signals, avoiding most false warning. 展开更多
关键词 lane departure warning system lane detection lane tracking principal component analysis risk evaluation model ARM-based real-time system
在线阅读 下载PDF
基于PCA-BP神经网络的应急响应物资精准需求预测模型构建——以地震灾害响应初期的灾民生活物资需求为例
2
作者 李尧远 曲政澍 《灾害学》 北大核心 2025年第4期31-36,共6页
为提升灾害应急响应能力,实现响应初期应急物资精准供给,保障灾民基本生活需求,该文以我国部分地震灾害为例,收集地震数据,以紧急转移安置人口数量为预测目标,选取相关地震指标为影响因素,构建基于主成分分析(PCA)与反向传播(BP)神经网... 为提升灾害应急响应能力,实现响应初期应急物资精准供给,保障灾民基本生活需求,该文以我国部分地震灾害为例,收集地震数据,以紧急转移安置人口数量为预测目标,选取相关地震指标为影响因素,构建基于主成分分析(PCA)与反向传播(BP)神经网络的紧急转移安置人口数量预测模型。在此基础上,结合紧急转移安置人口数量与灾民生活物资需求的关系,建立物资需求预测模型。结果表明:该模型在在紧急转移安置人口预测方面具有更高的精度,能够较为准确估算紧急转移安置人口数量;在生活物资需求预测方面,经算例验证,该模型具备一定实践价值,可为应急响应初期的物资配置决策提供科学依据。 展开更多
关键词 应急响应 需求预测 地震 主成分分析法(pca) 反向(BP)神经网络
在线阅读 下载PDF
基于PCA-TSO-BPNN模型的海底管道内腐蚀速率预测研究 被引量:2
3
作者 肖荣鸽 刘国庆 +3 位作者 刘博 魏王颖 庄琦 靳帅帅 《热加工工艺》 北大核心 2025年第4期82-88,共7页
近年来,随着我国海洋油气勘探开发力度不断增强,在役的和建设中的海底油气管道越来越多,海底油气管道内腐蚀速率预测对于海底油气管道的日常运行、维护和检修极为重要。为了提高海底油气管道内腐蚀速率预测精度和稳定性,建立了基于主成... 近年来,随着我国海洋油气勘探开发力度不断增强,在役的和建设中的海底油气管道越来越多,海底油气管道内腐蚀速率预测对于海底油气管道的日常运行、维护和检修极为重要。为了提高海底油气管道内腐蚀速率预测精度和稳定性,建立了基于主成分分析(Principal Component Analysis,PCA)和金枪鱼群算法(Tuna Swarm Optimization,TSO)优化BP神经网络的海底管道内腐蚀速率预测组合模型PCA-TSO-BPNN。运用PCA进行数据降维,筛选出海底管道内腐蚀速率的主要影响因素;建立海底管道内腐蚀速率BPNN预测模型,并采用TSO算法对BPNN预测模型的权值和阈值参数进行寻优;利用PCA-TSO-BPNN组合模型对海底管道内腐蚀速率进行预测,并与对比模型进行比较,验证PCA-TSO-BPNN组合模型的可行性和可靠性。结果表明:PCA-TSO-BPNN组合模型的平均绝对百分误差(MAPE)和均方根误差(RMSE)分别为1.8441%和0.06757,远低于对比模型,组合模型具有较高的预测精度和稳定性,可为海底管道内腐蚀防护和流动保障提供决策支持。 展开更多
关键词 BP神经网络 主成分分析 金枪鱼群算法 海底管道 腐蚀速率预测
在线阅读 下载PDF
应用奇异值分解(SVD)-主成分分析(PCA)组合模型定量圈定与评价腾冲地块锡钨和铅锌多金属找矿靶区 被引量:3
4
作者 郑澳月 费金娜 +3 位作者 陈永清 宁妍云 曹一琳 赵鹏大 《地学前缘》 北大核心 2025年第1期283-301,共19页
成矿元素或元素组在一个地质单元中的富集是成岩和成矿地质过程多阶段作用的产物。基于水系沉积物地球化学数据,主成分分析(principal component analysis,PCA)可识别成矿元素组。奇异值分解(singular value decomposition,SVD)可将成... 成矿元素或元素组在一个地质单元中的富集是成岩和成矿地质过程多阶段作用的产物。基于水系沉积物地球化学数据,主成分分析(principal component analysis,PCA)可识别成矿元素组。奇异值分解(singular value decomposition,SVD)可将成矿元素组主成分得分进一步分解为两个部分:(1)成矿元素组合区域异常分量,能够表征在地壳演化过程中,由各种地质作用(岩浆作用、沉积作用和/或变质作用)形成的有利于成矿的高背景区域;(2)成矿元素组合局部异常分量,能够表征成矿作用引起的,叠加在成矿元素组合区域异常分量之上的成矿元素组合局部异常分量,应用局部异常分量能够识别找矿靶区。本次研究,首先基于国家1∶200000水系沉积物地球化学数据,应用主成分分析建立不同类型的成矿元素组;其次,利用SVD从成矿元素组的主成分得分中识别出不同类型成矿过程引起的成矿元素组合局部异常分量;最后,应用局部异常分量识别找矿靶区。最终在腾冲地块圈定15处找矿靶区,其中Sn-W找矿靶区8处,Pb-Zn-Ag找矿靶区7处。预测Sn-W潜在资源量915 Mt,Pb-Zn-Ag潜在资源量792 Mt。 展开更多
关键词 SVD pca 成矿元素组合异常分量 地球化学块体 锡钨和铅锌多金属矿 腾冲地块 西南地区
在线阅读 下载PDF
Comprehensive multivariate grey incidence degree based on principal component analysis 被引量:6
5
作者 Ke Zhang Yintao Zhang Pinpin Qu 《Journal of Systems Engineering and Electronics》 SCIE EI CSCD 2014年第5期840-847,共8页
To overcome the too fine-grained granularity problem of multivariate grey incidence analysis and to explore the comprehensive incidence analysis model, three multivariate grey incidences degree models based on princip... To overcome the too fine-grained granularity problem of multivariate grey incidence analysis and to explore the comprehensive incidence analysis model, three multivariate grey incidences degree models based on principal component analysis (PCA) are proposed. Firstly, the PCA method is introduced to extract the feature sequences of a behavioral matrix. Then, the grey incidence analysis between two behavioral matrices is transformed into the similarity and nearness measure between their feature sequences. Based on the classic grey incidence analysis theory, absolute and relative incidence degree models for feature sequences are constructed, and a comprehensive grey incidence model is proposed. Furthermore, the properties of models are researched. It proves that the proposed models satisfy the properties of translation invariance, multiple transformation invariance, and axioms of the grey incidence analysis, respectively. Finally, a case is studied. The results illustrate that the model is effective than other multivariate grey incidence analysis models. 展开更多
关键词 grey system multivariate grey incidence analysis behavioral matrix principal component analysis pca).
在线阅读 下载PDF
Decentralized Fault Diagnosis of Large-scale Processes Using Multiblock Kernel Principal Component Analysis 被引量:23
6
作者 ZHANG Ying-Wei ZHOU Hong QIN S. Joe 《自动化学报》 EI CSCD 北大核心 2010年第4期593-597,共5页
关键词 分散系统 MBKpca SPF pca
在线阅读 下载PDF
基于PCA-HPO-ELM的智能化矿井瓦斯涌出量预测研究
7
作者 张科学 李中旭 +7 位作者 陈学习 郑庆学 王晓玲 李小磊 侯典臣 李鑫磊 闫星辰 李伟涛 《矿业科学学报》 北大核心 2025年第5期879-889,共11页
随着煤矿开采智能化的发展,煤矿安全事故发生率逐年下降,而准确预测矿井瓦斯涌出量是保障安全生产与提升效率的关键环节之一。为满足现代煤矿智能化管理需求,改善传统预测方法在处理高维数据时存在的计算复杂、精度不足等问题,提出了主... 随着煤矿开采智能化的发展,煤矿安全事故发生率逐年下降,而准确预测矿井瓦斯涌出量是保障安全生产与提升效率的关键环节之一。为满足现代煤矿智能化管理需求,改善传统预测方法在处理高维数据时存在的计算复杂、精度不足等问题,提出了主成分分析-猎人猎物优化-极限学习机(PCA-HPO-ELM)智能化矿井瓦斯涌出量预测模型。首先,选取煤层厚度、开采深度等13种关键影响因素,利用主成分分析(PCA)将数据从13维降至4维,既降低维度又保留主要信息,为模型训练奠定基础;其次,引入猎人猎物优化(HPO)算法解决传统极限学习机(ELM)模型输入权值和隐含层阈值选择的随机性问题,实现瓦斯涌出量的精准预测;最后,利用相同数据集对比了PCA-HPO-ELM、PCA-PSO-ELM和PCA-ELM模型的预测结果。结果表明:PCAHPO-ELM模型迭代速度优于PCA-PSO-ELM模型,预测矿井瓦斯涌出量的决定系数R^(2)达0.99376,高于后两者(分别为0.9885和0.8943),表现出优越性,该模型为智能化矿井瓦斯涌出量的预测精度和效率的提升具有借鉴作用。 展开更多
关键词 智能化矿井 瓦斯涌出量 预测模型 主成分分析 决定系数
在线阅读 下载PDF
Sparse flight spotlight mode 3-D imaging of spaceborne SAR based on sparse spectrum and principal component analysis 被引量:2
8
作者 ZHOU Kai LI Daojing +7 位作者 CUI Anjing HAN Dong TIAN He YU Haifeng DU Jianbo LIU Lei ZHU Yu ZHANG Running 《Journal of Systems Engineering and Electronics》 SCIE EI CSCD 2021年第5期1143-1151,共9页
The spaceborne synthetic aperture radar(SAR)sparse flight 3-D imaging technology through multiple observations of the cross-track direction is designed to form the cross-track equivalent aperture,and achieve the third... The spaceborne synthetic aperture radar(SAR)sparse flight 3-D imaging technology through multiple observations of the cross-track direction is designed to form the cross-track equivalent aperture,and achieve the third dimensionality recognition.In this paper,combined with the actual triple star orbits,a sparse flight spaceborne SAR 3-D imaging method based on the sparse spectrum of interferometry and the principal component analysis(PCA)is presented.Firstly,interferometric processing is utilized to reach an effective sparse representation of radar images in the frequency domain.Secondly,as a method with simple principle and fast calculation,the PCA is introduced to extract the main features of the image spectrum according to its principal characteristics.Finally,the 3-D image can be obtained by inverse transformation of the reconstructed spectrum by the PCA.The simulation results of 4.84 km equivalent cross-track aperture and corresponding 1.78 m cross-track resolution verify the effective suppression of this method on high-frequency sidelobe noise introduced by sparse flight with a sparsity of 49%and random noise introduced by the receiver.Meanwhile,due to the influence of orbit distribution of the actual triple star orbits,the simulation results of the sparse flight with the 7-bit Barker code orbits are given as a comparison and reference to illuminate the significance of orbit distribution for this reconstruction results.This method has prospects for sparse flight 3-D imaging in high latitude areas for its short revisit period. 展开更多
关键词 principal component analysis(pca) spaceborne synthetic aperture radar(SAR) sparse flight sparse spectrum by interferometry 3-D imaging
在线阅读 下载PDF
基于改进型PCA全极化雷达回波信号融合的动目标检测方法
9
作者 庞岳 岳富占 +4 位作者 夏正欢 张闯 王洪强 高文宁 张瑶 《现代雷达》 北大核心 2025年第2期126-133,共8页
树林遮蔽场景下的雷达回波信号存在信噪比低、信号幅度和相位起伏等问题,极大地增加了目标检测难度。针对信号级中低分辨率雷达探测树林遮蔽目标的应用需求,文中研究了一种基于改进型主成分分析(PCA)全极化雷达回波信号融合的动目标检... 树林遮蔽场景下的雷达回波信号存在信噪比低、信号幅度和相位起伏等问题,极大地增加了目标检测难度。针对信号级中低分辨率雷达探测树林遮蔽目标的应用需求,文中研究了一种基于改进型主成分分析(PCA)全极化雷达回波信号融合的动目标检测方法。该方法首先在杂波背景下提取动目标信号,并利用改进型PCA进行全极化雷达回波信号融合;然后分别在时间维和距离维进行目标检测,并通过非相参积累方法重检测,有效排除目标混叠和虚警干扰,从而检测出目标并提取了其关注区域;最后通过自主研发的L波段全极化雷达系统,对该方法进行了实验验证。实验结果表明:该方法对于树林遮蔽环境下动目标具有很好的检测效果,显著提升了L波段全极化雷达在树林遮蔽条件下的目标检测性能。 展开更多
关键词 L波段全极化雷达 主成分分析 数据融合 树林遮蔽场景 目标检测
在线阅读 下载PDF
基于PCA−Transformer的工作面瓦斯浓度预测算法研究 被引量:1
10
作者 杨建 舒龙勇 +2 位作者 张书林 秦凯 崔聪 《工矿自动化》 北大核心 2025年第5期1-7,共7页
针对目前工作面瓦斯浓度预测的研究样本在特征维度及数据体量方面偏小,难以从大规模时序数据中挖掘出瓦斯浓度长时间尺度上波动规律的问题,提出一种基于主成分分析(PCA)−Transformer的工作面瓦斯浓度预测算法。首先,对瓦斯浓度原始数据... 针对目前工作面瓦斯浓度预测的研究样本在特征维度及数据体量方面偏小,难以从大规模时序数据中挖掘出瓦斯浓度长时间尺度上波动规律的问题,提出一种基于主成分分析(PCA)−Transformer的工作面瓦斯浓度预测算法。首先,对瓦斯浓度原始数据进行数据清洗,采用最小−最大特征缩放标准化公式对清洗后的数据进行归一化操作。然后,利用PCA对7种影响工作面瓦斯浓度的因素(上隅角瓦斯浓度、回风流瓦斯浓度、氧气浓度、一氧化碳浓度、温度、纯流量、风速)进行降维处理,有效剔除与工作面浓度相关性较低的影响因素。最后,将处理后的训练集输入到Transformer模型,通过编码器、解码器提取瓦斯浓度内在的变化规律和特征。以某高瓦斯矿井224工作面监测数据为样本,利用PCA−Transformer预测模型与长短时记忆神经网络(LSTM)、PCA−LSTM及Transformer等预测模型进行对比分析,结果表明:①PCA−Transformer模型的平均绝对误差为0.0203,均方误差为0.0472,运行时间为86 s,能够满足煤矿生产对瓦斯浓度预测的精度与时效要求。②相较于LSTM,PCA−LSTM,Transformer等预测模型,PCA−Transformer预测模型能够更好地拟合瓦斯浓度变化趋势,有效识别波峰、波谷序列特征,计算耗时最少,验证了PCA−Transformer预测模型的有效性。 展开更多
关键词 工作面瓦斯浓度预测 瓦斯时序数据 主成分分析 TRANSFORMER 降维处理
在线阅读 下载PDF
基于DRS-PCA-深度森林架构对牛皮纸袋的分类研究
11
作者 姜红 杨棋驭 张馨艺 《包装工程》 北大核心 2025年第17期265-270,共6页
目的解决普通拉曼光谱对牛皮纸袋进行分类的过程中存在的荧光干扰强、数据维度高、模型泛化能力不足等问题。方法建立一种基于“差分拉曼光谱-主成分分析-深度森林”(DRS-PCA-深度森林)三级联合分类框架。结果利用差分拉曼光谱采集54个... 目的解决普通拉曼光谱对牛皮纸袋进行分类的过程中存在的荧光干扰强、数据维度高、模型泛化能力不足等问题。方法建立一种基于“差分拉曼光谱-主成分分析-深度森林”(DRS-PCA-深度森林)三级联合分类框架。结果利用差分拉曼光谱采集54个牛皮纸袋样品的光谱数据,根据样品填料成分将其分为六大类,主成分分析将原始的1912维光谱数据降至13维,有效降低了数据复杂度,深度森林模型在分层划分训练集和验证集条件下,其准确率达到93.2%,加权F1为0.932,显著优于SVM、随机森林等传统方法。同时,通过噪声实验验证了该模型在噪声干扰的情况下仍然能保持较高的准确率。结论该方法为牛皮纸袋样品分类提供了高效、无损的解决方案,也可用于物证溯源及废纸回收等领域,还可为公安机关实际办案提供技术支持。 展开更多
关键词 差分拉曼光谱 牛皮纸袋 主成分分析 深度森林模型
在线阅读 下载PDF
基于PCA-LM-NARX的禽舍室温预测模型
12
作者 钟宁帆 高鲁宁 +1 位作者 贺凯迅 李娟 《农业工程学报》 北大核心 2025年第2期261-270,共10页
采用隧道式通风系统的禽舍室内温度容易受自然环境变化以及家禽日龄影响,难以在线准确预测。为了准确预测禽舍室内温度,该研究结合主成分分析法(principal component analysis,PCA)、莱温伯格-马夸特算法(LevenbergMarquardt method,LM... 采用隧道式通风系统的禽舍室内温度容易受自然环境变化以及家禽日龄影响,难以在线准确预测。为了准确预测禽舍室内温度,该研究结合主成分分析法(principal component analysis,PCA)、莱温伯格-马夸特算法(LevenbergMarquardt method,LM)和带外部输入的非线性自回归模型(nonlinear auto-regressive model with exogenous inputs,NARX),提出了一种PCA-LM-NARX的方法用于在线构建禽舍室内温度预测模型。该方法利用主成分分析提取影响禽舍室内温度的关键环境变量,构建基于关键环境变量的NARX神经网络室温预测模型,并利用LM算法对神经网络参数进行优化计算。考虑到禽舍室温变化的滞后特性,PCA-LM-NARX方法利用贝叶斯信息准则设计NARX神经网络的最优延迟阶数。建模过程中PCA-LM-NARX方法采用移动窗法在线更新室温预测模型参数,以适应不同日龄的家禽和自然环境的变化。试验结果显示,基于PCA-LM-NARX方法构建的室温预测模型预测未来5、15、30 min温度值的均方误差大小分别为0.022 0、0.047 2、0.077 9℃^(2);在i5-12500H型CPU上运行建模程序,平均建模用时为0.332 1 s。研究结果表明,PCA-LM-NARX方法可以构建高精度禽舍室温预测模型,并实现模型参数的快速在线更新。 展开更多
关键词 温度 预测模型 禽舍 隧道式通风系统 NARX神经网络 主成分分析法
在线阅读 下载PDF
The Formation Mechanism of Hydrogeochemical Features in a Karst System During Storm Events as Revealed by Principal Component Analysis
13
作者 Pingheng Yang Daoxian Yuan Kuang Yinglun,Wenhao Yuan,Peng Jia,Qiufang He 1.School of Geographical Sciences,Southwest University,Chongqing 400715,China. 2.Laboratory of Geochemistry and Isotope,Southwest University,Chongqing 400715,China 3.The Karst Dynamics Laboratory,Ministry of Land and Resources,Institute of Karst Geology,Chinese Academy of Geological Sciences,Guilin 541004,China 《地学前缘》 EI CAS CSCD 北大核心 2009年第S1期33-34,共2页
The hydrogeochemical parameters of Jiangjia Spring,the outlet of Qingrnuguan underground river system(QURS) in Chongqing,were found responding rapidly to storm events in late April,2008.A total of 20 kinds of hydrogeo... The hydrogeochemical parameters of Jiangjia Spring,the outlet of Qingrnuguan underground river system(QURS) in Chongqing,were found responding rapidly to storm events in late April,2008.A total of 20 kinds of hydrogeochemical parameters,including discharge,specific conductance,pH,water tempera- 展开更多
关键词 RAINFALL principal component analysis(pca) soil EROSION AGRICULTURAL activities KARST hydrogeochemical feature Qingmuguan
在线阅读 下载PDF
PCA+GWO集成特征选择和模型堆叠的客户流失预测
14
作者 刘梅 郑立君 +1 位作者 段永良 段红秀 《计算机工程与应用》 北大核心 2025年第15期329-342,共14页
客户的长期稳定对酒店营收和提高竞争力具有重要意义。在客户流失预测研究中,生产环境采集的数据存在数据量大、维度高、噪点多等问题,导致机器模型的准确率、稳定性和泛化能力下降。针对此类问题,设计了基于PCA+GWO的集成特征选择方法... 客户的长期稳定对酒店营收和提高竞争力具有重要意义。在客户流失预测研究中,生产环境采集的数据存在数据量大、维度高、噪点多等问题,导致机器模型的准确率、稳定性和泛化能力下降。针对此类问题,设计了基于PCA+GWO的集成特征选择方法,并用模型堆叠构建了客户流失预测模型。提出了利用Pearson系数和随机森林(RF)的特征重要性来确定需要降维特征组的方法。改进了灰狼优化算法(GWO)中的灰狼位置更新机制和收敛条件,并将其应用于选择最佳特征子集的过程中。选取了10种不同的机器学习模型进行训练,挑选出F1-score表现最优的模型作为基模型,进行元模型训练。实验结果表明,使用某酒店客户信息数据集时,改进后的GWO算法收敛速度显著提升,且预测模型的F1-score达到了97.9%,该模型具有较强的泛化能力。 展开更多
关键词 特征选择 随机森林(RF) 主成分分析(pca) 灰狼优化(GWO)算法 模型堆叠
在线阅读 下载PDF
PCA与叙事设计的传统工艺文创产品设计研究
15
作者 刘钊 《家具与室内装饰》 北大核心 2025年第7期84-89,共6页
研究提出PCA与叙事设计双轨驱动的方法,构建了传统工艺文创产品设计的创新框架。通过PCA的量化解析和叙事设计的文化转译,结合形态重构、色彩叙事及交互赋能的三元策略,系统性地实现了传统工艺文化基因的“可量化解析-可感知转译-可场... 研究提出PCA与叙事设计双轨驱动的方法,构建了传统工艺文创产品设计的创新框架。通过PCA的量化解析和叙事设计的文化转译,结合形态重构、色彩叙事及交互赋能的三元策略,系统性地实现了传统工艺文化基因的“可量化解析-可感知转译-可场景化落地”。该方法在保留文化保真度的同时,显著提升了产品的现代适应性,并为高熵值符号提出了分众转化路径。研究以淮阳泥泥狗为实证对象,验证了框架的有效性,为传统工艺文创设计提供了标准化参考,并为非遗现代化创新提供了科学与人文相结合的新思路。 展开更多
关键词 主成分分析(pca) 叙事设计 传统工艺 文创设计 现代化创新
在线阅读 下载PDF
Eco-environmental Quality Evaluation of Coal City Based on AHP-PCA Model 被引量:20
16
作者 李峰 刘小阳 +1 位作者 于雪涛 刘文龙 《矿业安全与环保》 北大核心 2017年第5期103-106,110,共5页
在线阅读 下载PDF
基于PCA-BP神经网络的巷道通风摩擦阻力系数预测模型 被引量:6
17
作者 高科 吕航宇 +1 位作者 戚志鹏 刘玉姣 《矿业安全与环保》 CAS 北大核心 2024年第1期7-13,共7页
根据实测巷道通风摩擦阻力系数数据的特点,建立了主成分分析PCA-BP神经网络预测模型。采用PCA法对影响巷道通风摩擦阻力系数的支护类型、断面形状、巷道宽、巷道高、支护部分周边长、巷道断面积和巷道长度7个因素进行降维。将降维后因... 根据实测巷道通风摩擦阻力系数数据的特点,建立了主成分分析PCA-BP神经网络预测模型。采用PCA法对影响巷道通风摩擦阻力系数的支护类型、断面形状、巷道宽、巷道高、支护部分周边长、巷道断面积和巷道长度7个因素进行降维。将降维后因素的贡献率进行排序筛选,得到3个主成分指标(F_(1)、F_(2)和F_(3)),作为BP神经网络输入层的神经元。利用实测数据对PCA-BP神经网络模型进行训练和测试,并将测试结果与支持向量机回归(SVM)模型和BP神经网络模型的测试结果进行对比,结果显示:全因素的BP神经网络预测模型和SVM预测模型的平均精度分别为92.9420%、93.0235%,而PCA-BP预测模型的平均精度达到了96.4325%。PCA-BP神经网络模型不但简化了网络结构,更提高了网络的泛化能力,使预测误差更小、精度更高,为更准确地获得巷道通风摩擦阻力系数提供了一种有效的方法。 展开更多
关键词 矿井通风 巷道通风摩擦阻力系数 预测模型 pca-BP神经网络 主成分分析 影响因素
在线阅读 下载PDF
基于RS-PCA-SVM的建筑项目安全预测模型 被引量:1
18
作者 李永清 马亚冰 凤亚红 《合肥工业大学学报(自然科学版)》 CAS 北大核心 2024年第9期1243-1247,1261,共6页
为了减少建筑项目安全事故的发生,文章提出一种基于RS-PCA-SVM建筑项目安全组合预测模型,采用粗糙集理论(rough set,RS)对数据进行属性约简,剔除交叉和冗余信息,降低输入变量维数和计算复杂度,减少训练时间;利用主成分分析(principal co... 为了减少建筑项目安全事故的发生,文章提出一种基于RS-PCA-SVM建筑项目安全组合预测模型,采用粗糙集理论(rough set,RS)对数据进行属性约简,剔除交叉和冗余信息,降低输入变量维数和计算复杂度,减少训练时间;利用主成分分析(principal component analysis,PCA)法进行降维处理,除去贡献率较低的主成分,将剩余主成分作为支持向量机(support vector machine,SVM)的输入变量,并选择自适应权重粒子群优化算法(particle swarm optimization,PSO)优化SVM的参数,避免参数选择的盲目性。结果表明:该模型的平均预测准确率为93.78%,相比传统方法预测精度高、计算速度快。 展开更多
关键词 属性约简 主成分分析(pca)法 支持向量机(SVM) 预测模型
在线阅读 下载PDF
基于粗糙集理论与PCA-APSO-SVM的沥青路面使用性能预测 被引量:3
19
作者 李海莲 杨斯媛 +2 位作者 祁增涛 刘忠磊 李清华 《重庆交通大学学报(自然科学版)》 CAS CSCD 北大核心 2024年第8期10-17,共8页
针对传统沥青路面使用性能预测精度较低的问题,建立了基于粗糙集理论(rough set,RS)与主成分分析法(principal compoent analysis,PCA)-自适应粒子群算法(adaptive particle swarm optimization,APSO)-支持向量机(support vector machin... 针对传统沥青路面使用性能预测精度较低的问题,建立了基于粗糙集理论(rough set,RS)与主成分分析法(principal compoent analysis,PCA)-自适应粒子群算法(adaptive particle swarm optimization,APSO)-支持向量机(support vector machine,SVM)的沥青路面使用性能预测模型。基于沥青路面的时序指标与影响因素指标,建立了11个初始预测指标(包括前3年的路面使用性能、当量轴次、路龄、养护性质、坑槽率、修补率、年降水量、平均气温、日照时数);通过RS属性约减筛选出9个核心指标;利用PCA提取4个主成分,得到了基于4个主成分的数据集;将APSO引入到SVM中,对数据集进行训练,并优化了SVM模型参数;建立了路面使用性能的PCA-APSO-SVM预测模型,并以G6京藏高速甘肃境内某段道路为例,对路面使用性能进行预测。研究结果表明:PCA-APSO-SVM模型预测精度较PCA-PSO-SVM、APSO-SVM、PSO-SVM有较大提高,预测结果与实际情况更加符合,能为路面养护决策提供相关参考。 展开更多
关键词 道路工程 路面使用性能预测 粗糙集理论 主成分分析 粒子群算法 支持向量机
在线阅读 下载PDF
基于KPCA与KLPP及Wilks统计量的留兰香三维荧光数据特征提取与鉴别分析
20
作者 殷勇 徐非凡 +1 位作者 于慧春 袁云霞 《农业工程学报》 EI CAS CSCD 北大核心 2024年第19期272-280,共9页
为实现留兰香产地的快速鉴别,该研究提出了一种核主成分分析(kernel principal component analysis,KPCA)与核局部保持投影(kernel locality preserving projections,KLPP)及WilksΛ统计量序贯融合的特征波长提取策略,在此基础上鉴别5... 为实现留兰香产地的快速鉴别,该研究提出了一种核主成分分析(kernel principal component analysis,KPCA)与核局部保持投影(kernel locality preserving projections,KLPP)及WilksΛ统计量序贯融合的特征波长提取策略,在此基础上鉴别5个产地的留兰香。首先,在采集5个产地300个留兰香样本的三维荧光数据后,运用三角形内插值法去除原始光谱中的瑞利散射和拉曼散射,并运用SG(Savitzky-Golay)对数据进行平滑预处理。然后,对预处理后的荧光光谱数据分别利用KPCA、KPCA+KLPP、KPCA+WilksΛ统计量、 KPCA+KLPP+WilksΛ统计量4种方法提取特征激发波长和特征发射波长。接着,按特征激发波长从小到大顺序将其对应的特征发射波长光谱值首尾相连转换成行向量;4种方法从300个样本中各得到1个300行的特征波长光谱值矩阵。再者,运用Fisher判别分析(fisher discriminant analysis,FDA)对特征波长光谱值矩阵进行数据可分性融合,生成可分性FD(fisher discriminant)变量。选取前4个累计判别能力达到99%的FD变量作为鉴别模型的输入向量。最后,用支持向量机(support vector machine,SVM)算法分析4个FD变量,分别得到对应于4种特征提取波长方法的FDA+SVM鉴别结果,其正确率分别为92.00%、96.00%、94.67%、100%。结果表明,所提出的KPCA+KLPP+WilksΛ统计量序贯融合的特征波长提取策略能够有效减少三维荧光光谱数据的冗余,并能表征原始荧光数据的信息特征,实现了5种留兰香产地的正确鉴别。该研究可为后续利用三维荧光光谱开展留兰香重要组分量化分析提供一定的基础。 展开更多
关键词 荧光光谱 判别分析 模型 留兰香 核主成分分析
在线阅读 下载PDF
上一页 1 2 127 下一页 到第
使用帮助 返回顶部