检索结果-内蒙古大学图书馆

第十五届全国计算语言学学术会议(CCL2016)暨第四届基于自然标注大数据的自然语言处理国际学术研讨会(NLP-NABD-2016)

作者：钟毓费定舟武汉大学哲学学院心理系湖北武汉430072

目的:针对社会媒体中非正式文本的数据分析经常出现的稀疏数据矩阵,在应用文本分析工具的基础上使用稀疏主成分分析这一特征降维分析方法分析现实情况下聊天文本中非正式语词表现的认知语用特征、描述非正式语词与人格的关系.方法:使用... 详细信息

目的:针对社会媒体中非正式文本的数据分析经常出现的稀疏数据矩阵,在应用文本分析工具的基础上使用稀疏主成分分析这一特征降维分析方法分析现实情况下聊天文本中非正式语词表现的认知语用特征、描述非正式语词与人格的关系.方法:使用短文本主题模型、心理距离问卷、大五人格问卷测量人格和背景变量,使用计算机文本分析工具对被试提供的即时聊天文本内的语词计频,使用简体中文版语词查询与字词计数字典和认知语用学对稀疏主成分分析后非正式语词维度进行特征表征.结果:在非正式语词降维上,稀疏主成分分析比主成分分析在因子载荷数上更稳定,在累积方差解释率上也相对更优(24.54％>23.40％);降维所得的6因子中“主观评价”与宜人性正相关(r0.05=.16,p=.03<0.05),“随意社交”与宜人性负相关(r0.05=-.16,p=.03<0.05),“认知愉悦”与性别显著正相关(r0.05=.43,p=.00<0.001).结论:使用稀疏主成分分析对非正式语词的降维效果较好,并且比较简体中文版语词查询与字词计数字典的非正式语词维度和降维后所得非正式语词维度,两者在和人格的相关上是相符的,且后者能探索出更多信息.

关键词：非正式语词稀疏主成分分析心理特征人格特征

来源：评论

学校读者我要写书评

暂无评论

基于稀疏主成分分析的鲁棒性图像分割算法

基于稀疏主成分分析的鲁棒性图像分割算法

引用

第十一届和谐人机环境联合会议

作者：卢涛万永静杨威武汉工程大学计算机科学与工程学院智能机器人湖北重点实验室湖北430073

图像分割是机器视觉中的基础问题,基于阈值的图像分割算法对输入图像的噪声敏感.为了实现图像分割算法对输入图像噪声的鲁棒性,提出了一种基于稀疏主成分分析的自适应去噪的图像分割算法.首先该算法利用稀疏主成分分析感知图像的噪声水... 详细信息

图像分割是机器视觉中的基础问题,基于阈值的图像分割算法对输入图像的噪声敏感.为了实现图像分割算法对输入图像噪声的鲁棒性,提出了一种基于稀疏主成分分析的自适应去噪的图像分割算法.首先该算法利用稀疏主成分分析感知图像的噪声水平自适应去噪;其次通过二维直方图获得图像分割阈值实现图像分割.在伯克利数据集上的仿真实验结果表明:相比传统的阈值分割算法,该算法在分割边缘的准确性和对噪声的鲁棒性上具有一定的优势,在主客观上均具有较好的分割效果.

关键词：图像分割全局阈值自适应去噪鲁棒性稀疏主成分分析

来源：评论

学校读者我要写书评

暂无评论

基于稀疏主成分分析的乳制品拉曼光谱特征提取及解析技术研究

基于稀疏主成分分析的乳制品拉曼光谱特征提取及解析技术研究

引用

第二十届全国分子光谱学学术会议暨2018年光谱年会

作者：桂冬冬鲁齐金灿灿张正勇王海燕南京财经大学管理科学与工程学院湖南大学化学生物传感与计量学国家重点实验室浙江工商大学管理工程与电子商务学院

实验采集了三种不同品牌乳制品的拉曼光谱数据,并分别进行了主成分分析法(Principal Component Analysis,PCA)和稀疏主成分分析法(Sparse Principal Component Analysis,SPCA)处理。PCA特征提取结果显示前三个主成分贡献了超过90%信息,... 详细信息

实验采集了三种不同品牌乳制品的拉曼光谱数据,并分别进行了主成分分析法(Principal Component Analysis,PCA)和稀疏主成分分析法(Sparse Principal Component Analysis,SPCA)处理。PCA特征提取结果显示前三个主成分贡献了超过90%信息,可实现乳制品品牌的分类识别,但是PCA的载荷向量图较为复杂,而SPCA的载荷向量图清晰明了,直观上便能凸显乳制品拉曼光谱的重要特征信息,增强了稀疏主成分的可解释性。进一步结合乳制品拉曼光谱谱图的化学先验信息,可以实现特征提取成分的信息归属解析。因此,实验结果表明运用稀疏主成分分析法能有效提取解析乳制品拉曼光谱谱图中的有效特征信息。

关键词：稀疏主成分分析拉曼光谱乳制品特征提取谱解析

来源：评论

学校读者我要写书评

暂无评论

基于一种非凸罚函数的稀疏主成分分析方法

引用

河南科学 2019年第9期37卷 1385-1389页

作者：余嘉月张倩李海洋西安工程大学理学院西安710048 电子科技大学计算机科学与工程学院成都611731

稀疏主成分分析方法剔除了与主成分关系不密切的原始变量,保留了与主成分关系密切的原始变量,克服了经典主成分分析方法的不足.在稀疏主成分分析的基础上,用一种收缩算子所对应的非凸罚函数替代稀疏主成分分析中的L1罚,提出了基于非凸... 详细信息

稀疏主成分分析方法剔除了与主成分关系不密切的原始变量,保留了与主成分关系密切的原始变量,克服了经典主成分分析方法的不足.在稀疏主成分分析的基础上,用一种收缩算子所对应的非凸罚函数替代稀疏主成分分析中的L1罚,提出了基于非凸罚函数的稀疏主成分分析方法,并给出了阈值迭代算法.结果表明,该方法相对于稀疏主成分分析方法,不仅提高了总方差贡献率,而且增加了主成分载荷的稀疏度,即更加凸显主成分与某些原始变量的关系.

关键词：稀疏主成分分析阈值迭代算法非凸罚函数稀疏信息处理收缩算子临近算子

来源：评论

学校读者我要写书评

暂无评论

基于逆幂法的组合稀疏约束主成分分析

引用

海南大学学报（自然科学版） 2016年第4期34卷 338-342页

作者：李霞刘向阳河海大学理学院江苏南京210098

讨论了在标准主成分分析的基础上增加L0罚,L1罚和L2罚约束条件,使主成分变得更加稀疏,以便于解释实际问题,运用逆幂法给出了求解目标函数的迭代算法.数据模拟实验展示了此算法在主成分的稀疏程度和累积贡献率上都取得了很好的效果.

关键词：主成分分析稀疏主成分分析逆幂法非线性特征提取

来源：评论

学校读者我要写书评

暂无评论

基于稀疏主成分分析的高维数据特征选择

引用

福建质量管理 2019年第11期 156-156页

作者：郭小静上海海事大学上海 201306

信息技术的高速发展,带来了数据的海量存储,数据的维度也随之升高.数据维度的升高不仅会在非参数模型中遭遇'维数灾难',还容易在拟合过程中造成过度拟合.因此降低数据维度,简化算法,提高模型的可解释度成为数据挖掘的一项重要工... 详细信息

信息技术的高速发展,带来了数据的海量存储,数据的维度也随之升高.数据维度的升高不仅会在非参数模型中遭遇'维数灾难',还容易在拟合过程中造成过度拟合.因此降低数据维度,简化算法,提高模型的可解释度成为数据挖掘的一项重要工作.而稀疏主成分分析在主成分分析的基础上能够提升变量的可解释度,且具有降维和特征选择的双重意义.因此本文以德国某信贷数据为例,对基于稀疏主成分分析的高维特征进行了选择.结果证明稀疏主成分分析能够同时达到降维和变量选择的双重目的,在实际的建模数据集预处理的过程中有重大价值.

关键词：高维数据稀疏主成分分析降维变量选择

来源：评论

学校读者我要写书评

暂无评论

基于弹性网的稀疏近似主成分分析方法

引用

曲靖师范学院学报 2020年第3期39卷 1-5页

作者：张文明付光辉张小花昆明长水国际机场信息技术部云南昆明650211 昆明理工大学理学院数学系云南昆明650500

主成分分析因能在损失极小信息的基础上极大地降低数据的维数且各个主成分相互正交而具有广泛的应用,但各个主成分是所有初始预测变量的线性组合,这不利于模型的解析.本文在主成分分析的基础上采用弹性网对各个主成分系数施行稀疏近似,... 详细信息

主成分分析因能在损失极小信息的基础上极大地降低数据的维数且各个主成分相互正交而具有广泛的应用,但各个主成分是所有初始预测变量的线性组合,这不利于模型的解析.本文在主成分分析的基础上采用弹性网对各个主成分系数施行稀疏近似,得到了稀疏近似主成分分析(sPCA)算法.sPCA不但保留了原主成分分析的优点,而且因为其系数具有稀疏性,能极大地提高模型的解释性.

关键词：主成分分析稀疏主成分分析弹性网模型解释性

来源：评论

学校读者我要写书评

暂无评论

飞行员多生理信号主成分分析

引用

电光与控制 2017年第1期24卷 82-85,101页

作者：白东博吴奇黄丹傅山上海交通大学航空航天学院上海200240

航空人为因素会对航空安全产生重要影响,通过提取飞行员多生理信号主成分评估飞行员工作负荷是航空人为因素重要研究内容之一。提出一种有效提取飞行任务中多生理信号稀疏主成分的高效算法——稀疏主成分分析(SPCA),它通过对标准主成分... 详细信息

航空人为因素会对航空安全产生重要影响,通过提取飞行员多生理信号主成分评估飞行员工作负荷是航空人为因素重要研究内容之一。提出一种有效提取飞行任务中多生理信号稀疏主成分的高效算法——稀疏主成分分析(SPCA),它通过对标准主成分分析(PCA)施加限定的约束或惩罚项来实现结果的稀疏。经过模拟飞行实验采集的多维生理信号数据集和公共数据集的实验,结果显示与标准PCA相比,SPCA提取的稀疏主成分解释性更强、计算用时更短。

关键词：飞行安全工作负荷评估稀疏主成分分析多维生理信号

来源：评论

学校读者我要写书评

暂无评论

基于主成分分析的我国金融业内在关系研究

基于主成分分析的我国金融业内在关系研究

引用

作者：洪正山东大学

学位级别：硕士

在对实际数据的分析研究过程中,由于实际问题往往是多因素多变量的,因此常用到多元统计分析的方法.本文在主成分分析的基础上,基于其缺点,利用改进的主成分分析方法—稀疏主成分分析,对于我国金融业机构的财务数据进行了一系列分析,试... 详细信息

在对实际数据的分析研究过程中,由于实际问题往往是多因素多变量的,因此常用到多元统计分析的方法.本文在主成分分析的基础上,基于其缺点,利用改进的主成分分析方法—稀疏主成分分析,对于我国金融业机构的财务数据进行了一系列分析,试图探寻金融业机构的实际业务变化在统计层面上的反映.本文选取的数据来自金融业内部不同行业的多家机构的财务数据,这些数据覆盖了一个较长的历史时期,从中可以挖掘出一些规律性的趋势.由于财务数据之间往往存在比较复杂的相互关系,因此我们选择主成分分析方法,来解决原始数据之间明显的共线性问题.但是在解决共线性之余,由于传统的主成分分析方法所得的主成分往往与所有的变量都相关,这使得解释主成分的含义变得非常困难.为了解决这一问题,我们引入了改进的主成分分析方法—稀疏主成分分析.通过一系列有效地约束条件,我们可以将一些较小的主成分负载系数“收缩”到0,同时对所得的主成分的性质不会有太大的影响.Lasso最早是作为多元线性回归中的一种变量选择方法被提出的,运用lasso可以得到稀疏的回归系数,而当将主成分求解问题转化为线性回归问题以后,我们同样可以为主成分求解问题添加lasso约束,这样就得到了稀疏主成分分析的雏形.但是当观测数少于变量数时,lasso约束不能保证结果的唯一性,因此需要进一步添加elastic net约束,来保证主成分求解结果的唯一性.这样,完整的稀疏主成分分析方法就形成了.之后,本文首先对于金融业内部的三个小行业运用稀疏主成分分析方法进行了研究,通过大量的对比,探讨如何在稀疏主成分分析过程中确定相关参数的值,以获得性质比较优良的主成分,之后利用已经确定的参数值,对于多个时间截面上的分行业数据进行稀疏主成分分析,观测第一主成分贡献率随时间变化的情况.之后,将金融业的全体数据放在一起,运用稀疏主成分分析的方法,观察对于金融业全体来说,其第一主成分的贡献率随着时间变化有怎样的波动趋势,同时与分行业的第一主成分贡献率的波动趋势进行比较.我们发现,第一主成分的贡献率波动趋势与实际的行业经济形势之间,存在着一定的关系.

关键词：主成分分析稀疏主成分分析第一主成分贡献率

来源：评论

学校读者我要写书评

暂无评论

基于l0惩罚下的主成分分析与线性判别分析

基于l0惩罚下的主成分分析与线性判别分析

引用

作者：尹祺中国科学技术大学

学位级别：硕士

本文研究了高维情形下基于l0惩罚的稀疏主成分分析与稀疏线性判别分析.主成分分析和线性判别分析是常用的统计线性降维工具,在生物学、工程学和社会科学等各个领域中得到了广泛的应用.然而,当数据的维数逐渐增加,尤其是当维数超过观测... 详细信息

本文研究了高维情形下基于l0惩罚的稀疏主成分分析与稀疏线性判别分析.主成分分析和线性判别分析是常用的统计线性降维工具,在生物学、工程学和社会科学等各个领域中得到了广泛的应用.然而,当数据的维数逐渐增加,尤其是当维数超过观测值的数目时,这两种方法的效果会大大减弱.这是由于高维数据的协差阵可能是奇异的,常规算法在准确性上有所欠缺,最终导致不相合的估计结果.此外,它们都是原始变量的非稀疏线性组合,在高维情况中往往缺乏解释性.为了解决上述估计结果的相合性以及可解释性问题,本文引入了稀疏主成分分析算法和稀疏线性判别分析算法,即考虑原始变量的稀疏线性组合.在这种情况下,主成分和判别向量的载荷中绝大部分都是0,这极大地增加了估计结果的可解释性.然而,现有的绝大多数算法都是基于l1或者l2惩罚,这不可避免地会造成了一些信息损失.本文通过直接求解基于l0惩罚的优化问题来得到稀疏的主成分和判别向量.本文基于l0惩罚与增广拉格朗日法相结合,提出了一个新的稀疏正交的主成分分析算法和稀疏线性判别分析算法.在稀疏主成分算法中,本文所提出的方法不仅保留了主成分载荷矩阵的正交约束,而且可以同时计算多个主成分,从而极大地提高了估计精度.在理论研究中,本文给出了估计量的极小极大化下界和上界.在稀疏线性判别算法中,我们使用组间方差矩阵的一个正定估计来解决矩阵奇异的问题,然后开发了一个高效的算法来计算稀疏判别向量.最后的数值模拟以及实际数据应用表明,我们所提出的方法可以得到更小的估计误差从而优于一些现有的方法.

关键词：稀疏主成分分析稀疏线性判别分析最优子集选择高维数据 l0范数正交约束

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：