导读:本文包含了主成份论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:成份,张量,神经网络,脑部,特征,淮河,收率。
主成份论文文献综述
刘雷,谭方玉[1]（2019）在《基于主成份分析的探地雷达信号去噪研究》一文中研究指出探地雷达是估计地下介质分布的重要浅层地球物理方法,实际记录中包含噪声是不可避免。为了提高探地雷达(GPR)勘探资料解释的准确性和可靠性,这里利用主成份分析(PCA)理论进行了强噪声背景下的探地雷达信号去噪研究。阐述PCA的基本理论,着重讨论了PCA去噪算法的实现步骤。在时间域和频率域应用PCA去噪算法,对含噪声的合成雷达剖面分别进行去噪分析,采用L曲线法确定最佳参数K,达到最佳信噪分离效果,在时域和频域中使用最佳K值进行去噪,可以提高探地雷达数据的信噪比。以GPR实测数据为例,将PCA算法应用于探地雷达剖面数据去噪,可以在保持有用信号不丢失,幅值不失真的基础上,使噪声得到了较好地抑制,有助于突出探地雷达剖面中异常体特征,达到了提高资料解释准确性和可靠性的目的。(本文来源于《物探化探计算技术》期刊2019年05期）
胡亚超,刘超,陈勇,李美蓉[2]（2019）在《基于主成份分析法的神经网络电力负荷预测》一文中研究指出影响电力负荷的变量具多,其具有非线性程度高、冗余程度高等特点,传统方法预测结果精度不高。为了提高结果精度,利用主成份分析方法对人工神经网络进行优化,达到提高预测精度的目的。首先,利用粒子群算法优化、改进径向基函数神经网络。然后,对输入量进行主成份分析、筛选,把经分析、筛选的输入量重新输入神经网络。最后,进行训练、预测,得出结果。利用经过优化、改进的模型对某地级市2016年的电力负荷进行验证。结果表明,径向基函数神经网络经过粒子群算法的优化以及主成份的分析,负荷预测精度得到了提高。(本文来源于《自动化技术与应用》期刊2019年07期）
吴立旗,张萍,徐凤芹[3]（2019）在《基于主成份/因子及聚类分析的冠心病中医证型分布规律研究》一文中研究指出目的:本研究基于大型数据库平台,应用两种不同的数据挖掘技术对样本人群的冠心病中医证素、证型分布规律进行探讨。方法:通过收集以冠心病为第一诊断的住院患者,使用朱文峰教授的"证候辨证素量表",根据其症状、舌脉计算出相应证素,再使用主成份/因子及聚类分析方法总结出冠心病患者的证型分布规律。结果:本研究最终纳入冠心病患者9368例,有7046例冠心病患者计算出证素值,其中心阳虚是冠心病患者的主要证候(占79.78%),其次是肺、痰、气虚、血瘀、胸膈、阴虚、气滞等;通过主成份/因子分析、聚类分析两种不同的分析方法得出相同的结论,即冠心病患者证候类型主要表现为:肝肾阴虚(血虚)、心阳虚、痰浊阻肺、气阴两虚、脾胃病变、气滞、血瘀这7类。结论:本文基于大样本数据平台,利用两种不同的数据分析方法研究样本人群冠心病中医证型分布情况,所得结果一致,可为今后中医证候的客观化研究提供有效参考。(本文来源于《中国中西医结合学会第八届虚证与老年医学专业委员会、中国老年学和老年医学学会中西医结合分会、江苏省中医药学会老年医学专业委员会2019年学术年会论文集》期刊2019-05-31）
赵源泽[4]（2018）在《枳实体积大小与其主成份(橙皮苷)含量和收率关系的研究》一文中研究指出本研究采用正交实验对叁个不同产地(四川金堂淮口、重庆万县地区、四川眉山地区)、不同体积大小(直径0.6-0.9cm;1.2-1.8cm;2.0-2.5cm)的枳实通过同一种提纯工艺提取橙皮苷,并以同一种高效液相色谱法对橙皮苷含量进行检测分析,得出枳实体积越小橙皮苷含量越高、且收率越高的关系。这一实验结果对按照枳实体积大小进行分类工业化生产不同含量的橙皮苷和对果农采摘高质量高价值枳实具有重要的指导意义和实用价值。(本文来源于《健康之路》期刊2018年10期）
郝婷婷,李擎,苏英彦[5]（2018）在《基于主成份分析与神经网络相结合的农村商业银行不良贷款影响因素》一文中研究指出农村商业银行在我国的银行业中占有非常重要的地位,但由于其金融主体的特殊性等一些原因,不良贷款率一直居高不下。神经网络模型是近年来学术界和应用界广泛关注的一种人工智能技术,主要通过模拟大脑的某些机理与机制,实现特定的功能。本文采用数学建模方法,针对农村商业银行不良贷款的众多影响因素,首先通过主成份分析降维,选取影响农村商业银行不良贷款的主要因素;然后以降维得到的主成份为BP神经网络的输入,以银行现有数据为样本,构建了前反馈BP神经网络模型,对农村商业银行的不良贷款率进行科学预测。本文提出的主成份分析与神经网络相结合的方法,既可以为商业银行发放贷款提供有效参考,又能有针对性的对影响不良贷款的因素进行有效控制,同时为不良贷款的研究提供了新的思路与方法。(本文来源于《电子技术与软件工程》期刊2018年18期）
廖亮,叶海昌,王新强[6]（2018）在《张量主成份分析算法在脑医学图像上的应用》一文中研究指出医学影像中的CT、MRI图像诊断是目前医生确诊疾病的重要依据。另一方面,大脑作为人类最复杂也是最重要的器官之一,对于脑部图像的特征提取和分类具有重要意义。传统上对图像特征提取习惯从向量的角度出发,这样忽略了图像结构特点。为了解决这个问题,本文结合高维空间数据结构,以数据张量化为重点将传统的PCA算法升级为Tensor-PCA,并选择当下最流行的Simulated Brain phantom Database数据集作为本文的仿真对象,经过实验证明,数据张量化的方法在提取图像的特征上具有良好的适用性。(本文来源于《影像研究与医学应用》期刊2018年19期）
陈丽洁,王振菊[7]（2018）在《血脂康胶囊中主成份的提取分离与测定》一文中研究指出研究血脂康胶囊中主成份的分离与测定,将胶囊中红曲成分中的洛伐他汀与化学品洛伐他汀进行分离,并确定分离条件:料液比1∶50乙醇、3 s内震荡5次、迅速过滤,复配药物对分离方法进行验证,确定该分离方法可靠有效,测定出一粒胶囊中洛伐他汀的总含量为31.47 mg,其中红曲中洛伐他汀含量为17.14 mg,化学品洛伐他汀为14.33 mg。分析血脂康中功能成分洛伐他汀的组成及含量,为服药者科学合理用药提供基础数据。(本文来源于《广州化工》期刊2018年09期）
叶海昌[8]（2018）在《张量主成份分析算法在脑部医学图像上的应用》一文中研究指出在计算机视觉进步迅猛的今天,图像处理技术和机器学习等相关学科也在不断发展壮大,伴随着医学图像在临床上的成功应用,医学影像处理及分类工作也越来越重要。图像的分类,就是依照图像中不同区域的像素点所反映出的不同特征,将不同的类别区分开来。分类后的图像可以广泛的应用到各种场合,如人脸识别、高光谱遥感、计算机引导手术等。脑医学影像的识别分析是一个多学科、相互交叉的热门发展方向,原因在于人脑组织结构的复杂性。大脑构成一个叁维空间影像数据集,数据量庞大且样本标记有限等,这样就增加了脑部图像分类与识别的难度。因此,作为脑图像分析与处理的关键技术之一,脑图像的特征提取与分类方法的研究得到了越来越多国内外者的关注,也成为诸多领域研究的重点。在解决高维图像的特征提取和分类问题上,一般研究学者习惯从向量的视角去解决,而这样就忽视了图像组织特性,从而破坏了高阶图像的邻域信息。为了解决这一难题,并提高脑部图像分类精度的性能,本文主要针对大脑核磁共振图像的特征提取及有监督分类方法进行了深入研究。以张量矩阵为基础,将传统的图像特征提取的主成份分析算法进行了分析和改进,扩展到高阶的张量主成份分析算法,传统的主成份分析算法仅是张量主成份分析算法中的一个特例,新算法和传统方法相比具有潜在的优越性,新算法具有更加广泛的意义,并且在计算效率上和特征提取上具有优势。本文针对 MRI 脑医学图像上 Brain Web:Simulated Brain Phantom Database,(简称BPD)叁维脑部数据集,并引用近些年来所出现的t-product的数据张量模型的定义及理论,利用磁共振脑图像的领域特征将图像像素的原始数据集进行了数据张量化,结合张量主成份分析算法将核磁共振脑图像进行了特征提取以及分类的工作,针对传统非张量的分类需求,对提取的高阶图像特征数据进行了切片操作。其次,由于张量化后的数据之间的运算是在所定义的循环卷积的张量矩阵框架内之间的运算,在实数域中计算量尤为复杂,要进行大量地计算,因此用必要提出快速计算张量主成份的算法。本文将张量化后的数据集直接带入到二维快速傅里叶域中进行,从而在运算上缩短了计算所需的时间。在本文的工作中,使用新算法对大量核磁共振脑图像MRI Phantom数据进行了广泛实验,并取得较好的效果,实验证明基于张量矩阵框架内的张量主成份分析算法在图像的特征提取和分类效果上要优于经典的主成份分析算法。本文中的张量模型不同于传统成熟的张量模型,该张量模型将近年来的“t-product”张量模进行了扩展,从而得到了“张量矩阵”的数学模型。张量矩阵模型保留了传统矩阵的行和列的双路特性,比较好的兼容了传统矩阵模型。本文的工作将张量矩阵的理论成果用于医学核磁共振图像的分析与处理上,有比较好的应用价值和引导意义。(本文来源于《中原工学院》期刊2018-04-01）
王欢,耿天召[9]（2017）在《基于主成份分析的安徽省淮河支流污染特征》一文中研究指出采用主成份分析法,运用SPSS软件分析2011—2015年安徽省淮河流域主要支流水质污染特征。结果表明:主要支流的主要污染指标为BOD、COD和NH3-N,包河、黑茨河和赵王河等排名靠前的河流污染较重,水质较差,而黄尾河、西淠河、淠河总干渠等排名靠后的河流水质较好。评价结果吻合实际情况且更加客观准确。(本文来源于《中国环境管理干部学院学报》期刊2017年05期）
顾明亮,刘俊[10]（2017）在《独立主成份ICA在表面肌电信号特征提取中的应用研究》一文中研究指出由于表面肌电信号非线性的特点,传统的线性PCA只具有处理二阶统计特性的能力,而忽视了高阶统计特性进而对信号的特征分析不够全面。独立主元分析(ICA)具有高阶统计分析和不用考虑过程数据分布的优点,而且能够以较少的特征元素来表征数据的非线性特性。为此,本文提出基于独立主成份ICA和SOM聚类算法相结合的新方法,对前臂的掌长肌、肱桡肌和尺侧腕屈肌叁块肌肉的肌电信号进行特征提取,经实验发现,6种手部运动模式(握拳、展拳、内旋、外旋、屈腕、伸腕)的数据元素经SOM算法聚类后,每种运动模式都会形成自己特有的簇(或者类),可以有效地进行手部动作的模式识别。(本文来源于《自动化应用》期刊2017年08期）
主成份论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
影响电力负荷的变量具多,其具有非线性程度高、冗余程度高等特点,传统方法预测结果精度不高。为了提高结果精度,利用主成份分析方法对人工神经网络进行优化,达到提高预测精度的目的。首先,利用粒子群算法优化、改进径向基函数神经网络。然后,对输入量进行主成份分析、筛选,把经分析、筛选的输入量重新输入神经网络。最后,进行训练、预测,得出结果。利用经过优化、改进的模型对某地级市2016年的电力负荷进行验证。结果表明,径向基函数神经网络经过粒子群算法的优化以及主成份的分析,负荷预测精度得到了提高。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
主成份论文参考文献
[1].刘雷,谭方玉.基于主成份分析的探地雷达信号去噪研究[J].物探化探计算技术.2019
[2].胡亚超,刘超,陈勇,李美蓉.基于主成份分析法的神经网络电力负荷预测[J].自动化技术与应用.2019
[3].吴立旗,张萍,徐凤芹.基于主成份/因子及聚类分析的冠心病中医证型分布规律研究[C].中国中西医结合学会第八届虚证与老年医学专业委员会、中国老年学和老年医学学会中西医结合分会、江苏省中医药学会老年医学专业委员会2019年学术年会论文集.2019
[4].赵源泽.枳实体积大小与其主成份(橙皮苷)含量和收率关系的研究[J].健康之路.2018
[5].郝婷婷,李擎,苏英彦.基于主成份分析与神经网络相结合的农村商业银行不良贷款影响因素[J].电子技术与软件工程.2018
[6].廖亮,叶海昌,王新强.张量主成份分析算法在脑医学图像上的应用[J].影像研究与医学应用.2018
[7].陈丽洁,王振菊.血脂康胶囊中主成份的提取分离与测定[J].广州化工.2018
[8].叶海昌.张量主成份分析算法在脑部医学图像上的应用[D].中原工学院.2018
[9].王欢,耿天召.基于主成份分析的安徽省淮河支流污染特征[J].中国环境管理干部学院学报.2017
[10].顾明亮,刘俊.独立主成份ICA在表面肌电信号特征提取中的应用研究[J].自动化应用.2017
论文知识图
