检索结果-内蒙古大学图书馆

医药导报 2025年第4期44卷 682-686页

作者：唐蕾邱磊俞佳慧冀召帅清华大学附属北京清华长庚医院/清华大学临床医学院药学部北京102218

目的针对目前药品分类主观性较强、分类标准模糊、影响因素繁杂的问题,探讨一种科学的药品分类方法,以降低库存成本,提高库存的有效性。方法在北京某三级医院2021—2022年历史数据中随机抽取700种药品为研究对象,通过主成分分析(PCA)算... 详细信息

目的针对目前药品分类主观性较强、分类标准模糊、影响因素繁杂的问题,探讨一种科学的药品分类方法,以降低库存成本,提高库存的有效性。方法在北京某三级医院2021—2022年历史数据中随机抽取700种药品为研究对象,通过主成分分析(PCA)算法和K均值聚类(K-means)算法对研究对象进行分类。结果确定轮廓系数为0.3470的分类数4为最佳分类数,将700种药品分为4类,其中有363种归为第一类,186种归为第二类,94种归为第三类,57种归为第四类。将该文研究的药品分类方法模拟运用到某三级医院2023年第二季度的药品库存管理中,模拟结果表明该分类方法能够降低库存成本,提高库存有效性。结论基于PCA算法和K-means聚类算法的药品分类方法能够为药品库存分类管理提供可靠依据。

关键词：药品分类主成分分析算法 K均值聚类算法药品库存管理

来源：评论

学校读者我要写书评

暂无评论

重加权稀疏主成分分析算法及其在人脸识别中的应用

引用

计算机应用 2020年第3期40卷 717-722页

作者：李东博黄铝文西北农林科技大学信息工程学院

针对主成分分析(PCA)算法获取的主成分向量不够稀疏,拥有较多的非零元这一问题,使用重加权方法对PCA算法进行优化,提出了一个新的提取高维数据特征的方法,即重加权稀疏主成分分析(RSPCA)算法。首先,将重加权?1最优化框架和LASSO回归模... 详细信息

针对主成分分析(PCA)算法获取的主成分向量不够稀疏,拥有较多的非零元这一问题,使用重加权方法对PCA算法进行优化,提出了一个新的提取高维数据特征的方法,即重加权稀疏主成分分析(RSPCA)算法。首先,将重加权?1最优化框架和LASSO回归模型引入到PCA算法数学模型中,建立新的数据降维模型;然后,使用交替最小化算法、奇异值分解算法、最小角回归算法等方式对模型进行求解;最后,使用人脸识别实验对算法效果进行了验证。在实验中使用K折交叉验证的方法针对ORL人脸数据集分别使用PCA算法和RSPCA算法进行识别实验。实验结果表明,RSPCA算法在获取更稀疏解的情况下仍拥有着不弱于PCA算法的表现,平均识别准确率达到95.1%,所提算法与表现最好的sPCA-rSVD算法相比,识别准确率提高了6.2个百分点;针对手写数字识别这一具体现实应用进行求解,获取到平均识别准确率96.4%的良好实验效果。证明了所提方法在人脸识别及书写数字识别方面的优异性。

关键词：稀疏优化数据降维主成分分析算法人脸识别手写数字识别

来源：评论

学校读者我要写书评

暂无评论

基于生存信息势—主成分分析算法的TE过程故障检测方法

基于生存信息势—主成分分析算法的TE过程故障检测方法

引用

作者：任密蜂梁艳程兰李悦侯文丽 030024 山西省太原市迎泽大街79号

本发明涉及非高斯随机系统故障诊断领域，具体为基于生存信息势—主成分分析算法的TE过程故障检测方法，解决TE过程不服从高斯分布且变量个数较多，传统的方法结果不精确的问题，步骤：一、采集正常数据归一化处理；二、计算平均重构误... 详细信息

标准号: CN108958226B

本发明涉及非高斯随机系统故障诊断领域，具体为基于生存信息势—主成分分析算法的TE过程故障检测方法，解决TE过程不服从高斯分布且变量个数较多，传统的方法结果不精确的问题，步骤：一、采集正常数据归一化处理；二、计算平均重构误差；三、构建SIP‑PCA算法；四、估计SPE及T²统计量的控制限；五、采集故障数据与控制限对比，检测是否发生故障。优点：计算复杂度低，迭代不涉及指数运算，收敛速度快；无分布假设，更具一般性；控制限的计算过程中采用核密度估计法，充分考虑非高斯噪声的影响，提高了故障检测的精度；使用SIP使变量的随机性变小，在非高斯噪声干扰下的估计结果具有更好的平滑性。

关键词：控制限非高斯噪声主成分分析算法随机性采集故障诊断领域归一化处理核密度估计计算复杂度发生故障高斯分布估计结果故障检测故障数据过程故障计算过程随机系统正常数据指数运算传统的非高斯平滑性检测变小迭代构建重构算法收敛

来源：评论

学校读者我要写书评

暂无评论

基于生存信息势—主成分分析算法的TE过程故障检测方法

基于生存信息势—主成分分析算法的TE过程故障检测方法

引用

作者：任密蜂梁艳程兰李悦侯文丽 030024 山西省太原市迎泽大街79号

标准号: CN108958226A

来源：评论

学校读者我要写书评

暂无评论

基于主成分分析算法的大数据技术的后台数据管理方法

基于主成分分析算法的大数据技术的后台数据管理方法

引用

作者：杨海花 210000 江苏省南京市六合区江北新区长芦街道宁六路606号B栋690室

本发明提出了基于主成分分析算法的大数据技术的后台数据管理方法，通过对收集的大数据的后台数据进行进行预处理，再根据使用需要进行相应归类，之后再根据实际需要进行使用，由于进行数据预处理，从而可以大幅去除冗杂数据提高数据的... 详细信息

标准号: CN116431617A

本发明提出了基于主成分分析算法的大数据技术的后台数据管理方法，通过对收集的大数据的后台数据进行进行预处理，再根据使用需要进行相应归类，之后再根据实际需要进行使用，由于进行数据预处理，从而可以大幅去除冗杂数据提高数据的整体精度，方便后期再进行相应的处理，再根据根据管理需要将数据分成批量数据和实时数据，对批量数据进行定期更新，对实时数据进行当日更新，处理好数据根据明细数据和汇总数据进行二次分类，最后根据需要进行调用。方便后期直接使用，从而能够提高开发管理效率。

关键词：批量数据实时数据大数据预处理主成分分析算法数据管理数据预处理定期更新二次分类后台数据开发管理明细数据好数据归类去除调用后台更新管理

来源：评论

学校读者我要写书评

暂无评论

一种基于并行化主成分分析算法的数据降维方法

一种基于并行化主成分分析算法的数据降维方法

引用

作者：王勇杨晓东陈炬光杨晨张应福 610041 四川省成都市高新区(西区)西源大道2006号

本发明公开了一种基于并行化主成分分析算法的数据降维方法，包括步骤：S1：把待降维的高维数据构造成样本数据矩阵Dn×m；S2：计算所述样本数据矩阵Dn×m的协方差矩阵Cm×m；S3：计算所述协方差矩阵Cm×m的m个特征值... 详细信息

标准号: CN107273917A

本发明公开了一种基于并行化主成分分析算法的数据降维方法，包括步骤：S1：把待降维的高维数据构造成样本数据矩阵D_n×m；S2：计算所述样本数据矩阵D_n×m的协方差矩阵C_m×m；S3：计算所述协方差矩阵C_m×m的m个特征值和对应的m个特征向量；S4：根据所述特征值和特征向量确定主成分数量k；S5：利用前k大特征值对应的特征向量构造变换矩阵，利用变换矩阵计算主成分矩阵，所述主成分矩阵即是降维后的数据。本发明克服了传统单机主成分分析算法的由于数据规模太大而无法一次加载到内存的问题，并减少了I/O操作，提高了数据降维的处理效率。

关键词：矩阵特征向量主成分分析算法协方差矩阵主成分矩阵数据降维样本数据降维变换矩阵处理效率传统单机高维数据构造变换数据规模并行化加载内存

来源：评论

学校读者我要写书评

暂无评论

基于主成分分析算法的多属性轻量级物理层认证方法

基于主成分分析算法的多属性轻量级物理层认证方法

引用

作者：许力颜胜男周赵斌林晖黄川 350108 福建省福州市闽侯县上街镇大学城福建师范大学科技处

本发明公开基于主成分分析算法的多属性轻量级物理层认证方法，涉及认知无线电网络，方法包括以下步骤：1）初始认证。Alice在时间向基站发送一条或多条感知消息，基站提取出对多个属性的不完全估计；2）提取信道估计。当Alice或者欺诈... 详细信息

标准号: CN111586689B

本发明公开基于主成分分析算法的多属性轻量级物理层认证方法，涉及认知无线电网络，方法包括以下步骤：1）初始认证。Alice在时间向基站发送一条或多条感知消息，基站提取出对多个属性的不完全估计；2）提取信道估计。当Alice或者欺诈者Eve在时间再次向基站发送消息，基站再次从消息中提取出信道估计；3）挑选属性。基站利用主成分分析算法来挑选出区分用户明显的几个属性；4）认证。基站将在时刻的信道估计矩阵与时刻的信道估计矩阵利用假设检验进行认证，通过认证，则判定为合法用户。未通过认证判定为非法用户。本发明方法有效提高了信道属性提取的稳定性。

关键词：基站认证主成分分析算法信道估计矩阵信道估计判定认知无线电网络基站发送消息初始认证多个属性非法用户合法用户基站发送假设检验信道属性物理层感知欺诈

来源：评论

学校读者我要写书评

暂无评论

一种基于奇异值分解的主成分分析算法的硬件电路及方法

一种基于奇异值分解的主成分分析算法的硬件电路及方法

引用

作者：王巍刘斌政丁辉滕洪菠李明波马力张涛洪袁军赵汝法 400065 重庆市南岸区南山街道崇文路2号

本发明请求保护一种基于奇异值分解的主成分分析算法的硬件电路及方法，属于无监督学习的降维算法的硬件实现技术。该电路包括下面的电路模块：控制模块、Hestense模块、CORDIC模块和雅可比旋转模块，其中，控制模块用于控制各个模块的... 详细信息

标准号: CN115659880A

本发明请求保护一种基于奇异值分解的主成分分析算法的硬件电路及方法，属于无监督学习的降维算法的硬件实现技术。该电路包括下面的电路模块：控制模块、Hestense模块、CORDIC模块和雅可比旋转模块，其中，控制模块用于控制各个模块的时序和工作状态；Hestense模块用于计算CORDIC模块所需的参数，由乘法器、加法器、寄存器和RAM搭建构成；CORDIC模块用于计算反三角函数，由多路选择器、寄存器和移位器搭建构成；雅可比旋转模块用于计算输入数据的正交化结果，由四个乘法器、一个加法器和一个减法器搭建构成。

关键词：控制模块旋转模块乘法器寄存器加法器主成分分析算法计算输入数据多路选择器反三角函数奇异值分解无监督学习时序电路模块硬件电路硬件实现减法器移位器正交化降维算法电路

来源：评论

学校读者我要写书评

暂无评论

基于改进主成分分析算法的桥梁损伤识别方法

基于改进主成分分析算法的桥梁损伤识别方法

引用

作者：漆玲玲施庆伟游凯瑞罗声高景鑫任宏蔡伟光 400044 重庆市沙坪坝区沙正街174号

本发明公开了一种基于改进主成分分析算法的桥梁损伤识别方法，包括步骤：S1.采集桥梁的响应数据；所述响应数据包括应变响应、结构响应以及振动响应；S2.基于改进主成分分析算法对响应数据进行目标特征提取，得到损伤特征；S3.依据损... 详细信息

标准号: CN113673623B

本发明公开了一种基于改进主成分分析算法的桥梁损伤识别方法，包括步骤：S1.采集桥梁的响应数据；所述响应数据包括应变响应、结构响应以及振动响应；S2.基于改进主成分分析算法对响应数据进行目标特征提取，得到损伤特征；S3.依据损伤特征对桥梁损伤程度进行评估，得到评估结果；S4.判断评估结果与设定结果之间的差值是否在正常范围内，若是，则桥梁状态正常；若否，则桥梁受损。本发明的基于改进主成分分析算法的桥梁损伤识别方法，能够对监测数据进行降维处理，减少分析时间，得到更为客观准确的特征数据，保证了桥梁损伤识别的准确性。

关键词：桥梁主成分分析算法损伤识别响应数据损伤评估结果目标特征提取改进监测数据降维处理结构响应特征数据振动响应状态正常采集受损响应评估分析保证

来源：评论

学校读者我要写书评

暂无评论

基于主成分分析算法的渠道反作弊方法、装置和电子设备

基于主成分分析算法的渠道反作弊方法、装置和电子设备

引用

作者：于洋 200333 上海市普陀区同普路800弄4号1109室

本发明涉及计算机技术领域，具体涉及基于主成分分析算法的渠道反作弊方法、装置和电子设备，对渠道数据特征进行数据降维，将多维数据特征映射到二维平面上的点；对所述二维平面上的点进行转化，计算映射点和转化后的二维平面上的点之... 详细信息

标准号: CN112288016B

本发明涉及计算机技术领域，具体涉及基于主成分分析算法的渠道反作弊方法、装置和电子设备，对渠道数据特征进行数据降维，将多维数据特征映射到二维平面上的点；对所述二维平面上的点进行转化，计算映射点和转化后的二维平面上的点之间的欧氏距离；对所述欧氏距离进行分区段频数统计，获取异常渠道扣掉的数量。本发明将复杂的数据进行中心化处理，完成高维数据到低维数据的转化，减小数据的复杂程度；通过得到数据的主要成分，舍弃次要成分，降低数据计算的难度；简化了各渠道和标准参考渠道差异化的计算过程，让结果更加显而易见，提升作弊渠道判断的准确性。

关键词：二维平面渠道欧氏距离作弊转化计算机技术领域主成分分析算法中心化处理标准参考电子设备多维数据高维数据计算过程数据计算数据降维数据特征差异化分区段映射点映射低维减小频数舍弃统计

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：