导读:本文包含了谱主成分分析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:成分,示功图,清远,小波,信号,人口,评价。
谱主成分分析论文文献综述
田增国,田东哲,姜宝柱,陈继华[1]（2019）在《基于主成分分析方法的示功图故障诊断系统》一文中研究指出示功图是一种判断抽油机工作状况的重要途径,本文基于电参数法产生间接示功图,并验证主成分分析在间接示功图应用上的可行性,阐述了主成分分析的实现方法,实现了基于主成分分析方法的示功图故障诊断。(本文来源于《内燃机与配件》期刊2019年24期）
侯静,郑召丽[2]（2019）在《基于主成分分析的我国高校科技创新能力评价方法研究》一文中研究指出高校是国家科技创新体系的重要组成部分,高校科技创新能力评价研究对提高和完善高校科技创新体系具有重要意义。主成分分析法在引进多方面变量的同时运用合适的降维方式归结为几个主成分,通过构建适当的价值函数,得到更加科学有效的结果数据信息。以45所我国高校科研统计数据为样本,建立了高校科技创新能力评价指标体系,利用主成分分析法对高校科技创新能力评价进行了实证分析。(本文来源于《智库时代》期刊2019年51期）
王鸣涛[3]（2019）在《基于主成分分析法的工业行业知识产权实力评价研究》一文中研究指出工业是我国迈进"知识产权强国"的重要驱动力。为了更好评估工业知识产权工作,有必要对各行业知识产权实力进行系统的评价。本文通过文献调研和专家咨询,重点关注《中国科技统计年鉴》和《工业企业科技活动统计年鉴》的统计指标,构建了一套科学可行的工业行业知识产权实力评价指标体系。采用主成分分析法对20个工业行业的知识产权实力进行了实证研究,在分析结果的基础上,给出了提升知识产权实力的建议。(本文来源于《中国发明与专利》期刊2019年12期）
朱翔,谢峰[4]（2019）在《基于核主成分分析BP＿Ada Boost算法的数控铣床故障诊断》一文中研究指出刀具是数控铣床加工过程的关键零部件,其长期处于高速加工状态极其容易出现故障。针对数控铣床加工过程中刀具的磨损状态数据少、诊断效率低、维护成本高、缺乏有效的诊断方法的问题,提出了利用小波包分析与核主成分分析提取特征,然后利用BP_AdaBoost算法对刀具磨损状态进行诊断的方法。通过在数控铣床的加工工件与其夹具间安装测力仪及安装加速度传感器,来采集立铣刀振动信号与切削力信号;然后对振动信号与切削力信号进行小波包分析处理,将处理好的信号进行核主成分分析(KPCA),降维以后作为立铣刀磨损状态的特征向量;最后利用得到的特征向量训练和验证BP_AdaBoost分类模型。实验结果表明BP_AdaBoost算法比SVM算法能更有效实现对数控铣床的刀具磨损状态的评估。(本文来源于《机械强度》期刊2019年06期）
朱立云,刘媛华[5]（2019）在《基于主成分分析和支持向量机的影视业盈利能力预测》一文中研究指出盈利能力也称获利能力,是指企业在一定时期内获取利润的能力。利润率越高,盈利能力就越强。针对中国影视业上市公司样本规模较小,常规的预测方法难以奏效,文章尝试运用支持向量机来预测其盈利能力。首先从不同的角度选择盈利能力单项指标,以此为基础构建反映公司盈利能力的集成指标,再运用2007—2017中国A股影视业上市公司的数据,构建基于支持向量机的盈利能力预测模型,最后对影视公司的盈利能力进行预测。研究结果显示,经过训练的支持向量机模型能比较成功地预测样本公司的盈利能力,2009-2018的预测准确率均超过80%。(本文来源于《计算机时代》期刊2019年12期）
胡诗韵,张烨[6]（2019）在《基于主成分分析的江苏省人口城镇化质量评价》一文中研究指出本文构建人口城镇化质量综合指标体系,并结合江苏省13个城市2007-2017年数据,采用主成分分析法对江苏省人口城镇化质量进行综合考量。研究发现:江苏省全省人口城镇化地区协调发展趋势明显,各地人口城镇化质量综合得分差距在不断缩小,但苏北五城仍然是江苏省人口城镇化发展的薄弱地区。在接下来的一个时期,江苏省可从大力扶持苏北经济、实现省内人口合理聚集、保障常住人口生活质量、协调发展城乡民生等方面考虑,促进江苏省人口城镇化质量稳步提升。(本文来源于《中国物价》期刊2019年12期）
肖力伟[7]（2019）在《一种基于小波包和主成分分析的超声信号特征提取方法》一文中研究指出为了有效识别不同类型的超声缺陷信号,提出了一种基于小波包分解和主成分分析(Principal Component Analysis,PCA)的信号特征提取方法。首先,提取缺陷信号小波包分解后的能量系数组成多维特征向量集;然后,使用PCA方法对多维特征向量进行降维得到融合特征量;最后,输入BP神经网络对不同类型的缺陷信号进行分类测试,并与未经PCA处理的特征量分类测试结果进行对比。试验结果证明,该特征量提取的方法能够有效地对缺陷进行分类,且测试速度明显得到提高。(本文来源于《无损检测》期刊2019年12期）
吕敏芝,邝智祥,黄得纯,黄强,蔡影峰[8]（2019）在《清远麻鸡不同配套组合体重与体尺性状主成分分析》一文中研究指出为了筛选出能反映清远麻鸡体重主要信息的少数几个综合性指标,试验选择经过四个世代选育出来的2个清远麻鸡专门化快羽品系1号(K_1)、2号(K_2)和1个慢羽品系(M),平均分为3组,每组290只,1组为快羽1号公鸡×慢羽母鸡(K_1♂×M♀),2组为快羽2号公鸡×慢羽母鸡(K_2♂×M♀),3组为慢羽公鸡×慢羽母鸡(M♂×M♀),对不同配套组合的清远麻鸡体重与体尺性状的大量测定数据进行主成分分析。结果表明:3种配套组合K_1M、K_2M和MM母鸡在筛选出的4个主成分中,都是主成分1的贡献率最大,分别为34.442%、48.009%、48.061%,反映的综合信息量最大,称为整体体型因子;K_1M和K_2M组合主成分2都是胸深因子,而MM组合的主成分2却为冠高因子。3种不同配套组合清远麻鸡各主成分所反映出的信息侧重点有所不同。(本文来源于《黑龙江畜牧兽医》期刊2019年23期）
张素智,陈小妮[9]（2019）在《基于互信息可信度的主成分分析数据降维》一文中研究指出数据降维就是将数据集从高维特征空间向低维特征空间的映射.传统的主成分分析(PCA)算法是一种常用的线性数据降维算法.但是耗时太长,降维结果不够好,同时不能满足实际分类要求.为此,通过引入互信息可信度,提出了一种基于互信息综合可信度的主成分分析(MIS-PCA)数据降维算法.该算法首先介绍互信息(MI)、相对互信息可信度(MIR)和绝对互信息可信度(MIA)的思想;然后根据MIA和MIR求解互信息综合可信度(MIS),利用互信息综合可信度进行特征筛选;最后再运用PCA算法对处理后的数据进行降维,并将降维后的数据采用KNN、SVM算法进行分类.对比PCA、E-PCA算法,通过试验表明该方法的降维结果较好、分类精确度较高.(本文来源于《湖北民族学院学报(自然科学版)》期刊2019年04期）
刘晓燕,马秀梅,代青措,马海玲,陶世银[10]（2019）在《基于主成分分析的两次雷电过程特性对比》一文中研究指出雷电发生时涉及的宏观环境参量多且复杂,考虑不损失大量信息的前提下,基于主成分分析法对两次雷电天气过程进行特性对比,凝练雷电天气潜势预报和临近预报的着眼点,有助于提高其预报准确率。利用闪电、雷达和天气背景资料选取2011—2013年6—8月西宁雷电活动样本,提取同时次探空资料中26个环境参数作主成分分析,深入分析2012年7月29日(过程Ⅰ)和2013年8月26日(过程Ⅱ)两次雷电天气过程的演变和环境条件。结果表明:大气动力和大气温湿类参数与西宁雷电活动关系最为密切,闪电强度累积概率显示动力类较温湿类偏强,平均负地闪强度偏大-1.91 kA,平均正地闪强度偏大1.92 kA。过程Ⅰ表现为西风槽型雷电天气,受大气温湿类参数影响较大;而过程Ⅱ属于副高边缘型雷电天气,明显受大气动力参数影响。两次过程的闪电活动均以负地闪为主,都有明显的日变化规律,且呈单峰型分布。过程Ⅰ在闪电频次上占优势,但在强度上明显弱于过程Ⅱ的。(本文来源于《气象与环境科学》期刊2019年04期）
谱主成分分析论文开题报告
（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：
高校是国家科技创新体系的重要组成部分,高校科技创新能力评价研究对提高和完善高校科技创新体系具有重要意义。主成分分析法在引进多方面变量的同时运用合适的降维方式归结为几个主成分,通过构建适当的价值函数,得到更加科学有效的结果数据信息。以45所我国高校科研统计数据为样本,建立了高校科技创新能力评价指标体系,利用主成分分析法对高校科技创新能力评价进行了实证分析。
（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。
谱主成分分析论文参考文献
[1].田增国,田东哲,姜宝柱,陈继华.基于主成分分析方法的示功图故障诊断系统[J].内燃机与配件.2019
[2].侯静,郑召丽.基于主成分分析的我国高校科技创新能力评价方法研究[J].智库时代.2019
[3].王鸣涛.基于主成分分析法的工业行业知识产权实力评价研究[J].中国发明与专利.2019
[4].朱翔,谢峰.基于核主成分分析BP＿AdaBoost算法的数控铣床故障诊断[J].机械强度.2019
[5].朱立云,刘媛华.基于主成分分析和支持向量机的影视业盈利能力预测[J].计算机时代.2019
[6].胡诗韵,张烨.基于主成分分析的江苏省人口城镇化质量评价[J].中国物价.2019
[7].肖力伟.一种基于小波包和主成分分析的超声信号特征提取方法[J].无损检测.2019
[8].吕敏芝,邝智祥,黄得纯,黄强,蔡影峰.清远麻鸡不同配套组合体重与体尺性状主成分分析[J].黑龙江畜牧兽医.2019
[9].张素智,陈小妮.基于互信息可信度的主成分分析数据降维[J].湖北民族学院学报(自然科学版).2019
[10].刘晓燕,马秀梅,代青措,马海玲,陶世银.基于主成分分析的两次雷电过程特性对比[J].气象与环境科学.2019
论文知识图
