检索结果-内蒙古大学图书馆

作者：梁小娟陕西科技大学

学位级别：硕士

近红外分析技术是一种快速、无损、高效、可靠的分析方法,已被广泛应用于食品、药品、化工和农业等领域,尤其在中药领域有着重要的应用价值。近红外光谱分析技术能够实现中药材产地、等级的判别以及药物成分的含量检测。但近红外光谱数... 详细信息

近红外分析技术是一种快速、无损、高效、可靠的分析方法,已被广泛应用于食品、药品、化工和农业等领域,尤其在中药领域有着重要的应用价值。近红外光谱分析技术能够实现中药材产地、等级的判别以及药物成分的含量检测。但近红外光谱数据是典型的高维小样本数据,数据的特征维数远大于数据样本数,光谱数据中会不可避免地含有冗余信息和干扰变量,导致所建模型复杂度增大,计算量提高,预测效果降低。因此,筛选出有效的波长变量在近红外光谱分析中至关重要。本文针对近红外光谱数据中存在的冗余信息和干扰变量问题,探究了不同特征波长选择算法对近红外光谱建模的影响,主要内容如下:(1)设计数据采集实验,搭建数据采集平台,利用SupNIR-2700近红外光谱仪对山楂叶和何首乌光谱数据进行采集。(2)针对近红外光谱产地判别模型数据样本量小、维度高、类别不平衡特性,研究了一种基于稀疏主成分分析特征选择(Sparse Principal Compo-nent Analysis for Feature Selection,SPCAFS)与支持向量机(Support Vector Machine,SVM)建模的定性分析方法(SPCAFS-SVM)。该方法对数据进行稀疏表示,利用特征向量的稀疏性来剔除数据中的冗余信息,并采用SVM建立山楂叶近红外产地判别模型,实现了山楂叶南北产地判别。与传统的主成分分析方法不同,SPCAFS通过L1正则化来增强特征向量的稀疏性,并引入约束条件,增强特征向量之间的独立性,从而提升样本之间的区分度。模型以准确率、精确度和灵敏度作为评价标准,并与连续投影(Successive Projections Algorithm,SPA),正则化自表示(Regularized self-representation,RSR)和稀疏子空间聚类(Sparse Subspace Clustering,SSC)3种特征选择算法进行对比,在山楂叶南北产地的判别实验中验证了 SPCAFS的有效性。(3)针对近红外光谱含量检测模型数据样本量小、维度高和局部线性整体非线性特性,研究了一种基于可扩展的自表示学习波段选择算法(Scalable One-Pass Self-Representation Learning,SOP-SRL)与决策树偏最小二乘法(Decision Tree-Partial Least Squares,DT-PLS)建模的定量分析方法(SOP-SRL-DT-PLS)。该方法为每个样本的损失函数分配适当的权重,以强调样本中的差异,同时增加了一个基于图的正则化项,通过测量由所选波段构建的样本之间的局部相似性来提高波段的代表性。为了解决何首乌数据局部线性,整体非线性的问题,使用了 DT-PLS建模算法。选用何首乌二苯乙烯苷和蒽醌类含量为研究对象,通过综合对比分析,选择出合适的预处理方法、样本选择方法和特征选择方法,并分别针对二苯乙烯苷和蒽醌类含量,建立了两种何首乌含量检测模型。结果表明,SOP-SRL-DT-PLS在所用方法中表现最佳。(4)为了检验SPCAFS和SOP-SRL在中药检测中的实际应用能力,分别设计了基于SPCAFS和SOP-SRL的PLS定量分析模型。以安胎丸指标含量阿魏酸、黄芩苷和汉黄芩苷为研究对象,分别通过SPCAFS和SOP-SRL选取代表性特征波段,之后采用PLS建立近红外光谱回归模型,并与CCBS、RSR和SSC3种特征波长选择算法的建模结果进行对比。结果表明,SPCAFS和SOP-SRL可有效提取安胎丸指标含量阿魏酸、黄芩苷和汉黄芩苷的特征波段,并实现阿魏酸、黄芩苷和汉黄芩苷含量的准确检测。

关键词：近红外光谱中药波长选择稀疏主成分分析可扩展的自表示学习

来源：评论

学校读者我要写书评

暂无评论

制造业上市公司财务危机预警的数理研究

制造业上市公司财务危机预警的数理研究

引用

作者：谢小梅长沙理工大学

学位级别：硕士

随着经济全球化进程加剧和中国社会主义市场经济进一步深化,企业无时无刻不面临着激烈的竞争和严峻的挑战。在竞争激烈的市场环境中,一些企业不可避免地会陷入财务危机,甚至出现生存危机。企业财务危机问题是一个影响市场稳定的系统性... 详细信息

随着经济全球化进程加剧和中国社会主义市场经济进一步深化,企业无时无刻不面临着激烈的竞争和严峻的挑战。在竞争激烈的市场环境中,一些企业不可避免地会陷入财务危机,甚至出现生存危机。企业财务危机问题是一个影响市场稳定的系统性问题。因此,近年来对于企业财务危机的研究受到越来越多的关注。本文以沪深A股制造业上市公司作为研究对象,选取了2008-2009年的18家ST上市公司和与其配对的18家非ST上市公司作为建模样本,并选取了2010年13家ST上市公司和与其配对的13家非ST上市公司作为检测样本。根据国内外关于财务危机预警研究指标选取的标准,选取了具有代表性的17个财务比率作为原始财务指标体系,并对建模样本的财务指标进行指标差异性检验,以筛选出其中具有显著性差异的财务指标用于预测模型的构建。利用建模样本t-1年、t-2年的财务指标数据分别构建基于主成分分析的财务危机预警模型,并运用检测样本相应的财务指标数据对预测模型进行检测,得到t-1年、t-2年的准确率分别为96.15%、88.45%,说明基于主成分分析方法构建的预警模型具有很好的预测能力。但通过该方法得到的主成分难于解释,不能反映主成分所代表的实际经济含义,从而对预防财务危机缺乏实际指导意义。为此,我们需要对主成分分析进行相应改进,本文提出了稀疏主成分分析方法对主成分载荷进行稀疏,便于对主成分进行经济解释。最后,我们利用稀疏主成分分析法分别建立了t-1年、t-2年的预警模型,并得到它们的模型准确率分别为92.31%、84.6%。根据模型的预测准确率结果可知,距离企业陷入财务危机的时间越接近,构建的财务危机预警模型的预测精度越高;相反,模型的预测精度越低。实证分析结果表明,采用稀疏主成分分析法进行财务危机预警是合适的,该方法不仅与利用主成分分析的结果基本一致,而且根据对主成分载荷的稀疏,我们可以更明确的分析反映影响企业财务状况的财务因素,这就能更好的指导我们进行企业财务危机预警,并采取相应的措施进行风险规避,具有很好的实践指导意义。

关键词：财务危机预警主成分分析稀疏主成分分析准确率

来源：评论

学校读者我要写书评

暂无评论

基于稀疏谱哈希的图像索引

基于稀疏谱哈希的图像索引

引用

作者：张啸浙江大学

学位级别：硕士

随着互联网的高速发展,多媒体数据指数级增长的时代已经到来。面对具有海量、高维等新特点的互联网数据,传统的索引和检索方式已经难以满足用户快速而准确的要求。因此,新的、快速有效处理大规模高维数据的索引算法不仅具有十分重要的... 详细信息

随着互联网的高速发展,多媒体数据指数级增长的时代已经到来。面对具有海量、高维等新特点的互联网数据,传统的索引和检索方式已经难以满足用户快速而准确的要求。因此,新的、快速有效处理大规模高维数据的索引算法不仅具有十分重要的理论意义,也成为现代网络背景下的迫切需求,故而成为近年来国际国内的研究热点。针对数据高维化的新特性而产生的相似度计算困难等新问题,本文受语义哈希算法(Semantic Hashing)启发,在传统谱哈希(Spectral Hashing)索引方法的基础上,引入稀疏主成份分析法(Sparse Principal Component Analysis)求取高维特征降维后的内嵌子空间,排除特征表达中冗余的影响,使得高维特征索引和检索更加快速而有效。本文称这一索引方法为稀疏谱哈希(Sparse Spectral Hashing)索引。同时,为了使得稀疏谱哈希算法更好地适应真实数据分步,本文在稀疏谱哈希中引入了机器学习中的Boosting机制来确定其阈值,使得这一方法具有更强的适应性和更广泛的应用。实验证明,本文提出方法不仅可以有效地适用于图像索引,在视频关键帧、文本等多种媒体数据集上均有良好表现,且评价结果普遍优于LSH、RBM、PSH和谱哈希等索引方法。

关键词：语义哈希索引稀疏主成分分析拉普拉斯特征图降维 Boosting

来源：评论

学校读者我要写书评

暂无评论

面向随机矩阵集中不等式及其应用研究

面向随机矩阵集中不等式及其应用研究

引用

作者：姜冰大连理工大学

学位级别：硕士

随机矩阵集中不等式是随机矩阵理论中的一个重要研究方向,它研究的问题是限定随机矩阵和的极端特征值(或范数)大于给定常数的概率,被广泛地应用于机器学习、压缩感知、量子计算、优化等领域。国内对这一问题的研究还处于起步阶段,因此... 详细信息

随机矩阵集中不等式是随机矩阵理论中的一个重要研究方向,它研究的问题是限定随机矩阵和的极端特征值(或范数)大于给定常数的概率,被广泛地应用于机器学习、压缩感知、量子计算、优化等领域。国内对这一问题的研究还处于起步阶段,因此本文总结了当前主流的随机矩阵集中不等式的框架。这些框架的主要步骤如下:首先,使用矩阵的拉普拉斯变换方法,通过矩阵矩母函数的迹控制随机矩阵和的特征值的尾部概率;然后,使用Golden-Thompson不等式或累积母函数控制矩母函数的上界。通过这些方法得到的随机矩阵集中不等式依赖于矩阵的维数,这阻止了它在高维或无限维矩阵中的应用。进行主成分分析和稀疏主成分分析的数据通常是高维数据,本文使用维数无关的随机矩阵集中不等式对它们的实际误差上界进行了研究,得到了指数形式的实际误差上界,适用于维数很高的数据。根据稀疏主成分分析的理论研究,对稀疏主成分分析进行了改进:为了克服其得到的主轴不正交的问题,基于施密特正交化的思想去除主轴的相关性。对三个数据集Wine、Heart和Sonar分别用稀疏主成分分析和改进的稀疏主成分分析降维,使用支持向量机分别对用两种方法降维的数据进行分类,实验结果表明使用改进的稀疏主成分分析降维的数据进行分类比使用稀疏主成分分析降维的数据分类的平均准确率和平均查全率分别提升5.8%和5.1%。因子分析的目标是获得符合简单性原则的因子载荷矩阵,将稀疏主成分分析和改进的稀疏主成分分析分别应用于因子分析的参数估计,实验结果表明稀疏主成分分析得到的结果易于解释,并且信息的损失较少,改进的稀疏主成分分析的信息损失相对较多。

关键词：随机矩阵集中不等式主成分分析稀疏主成分分析因子分析

来源：评论

学校读者我要写书评

暂无评论

乳制品的品牌鉴别与质量统计过程控制研究

乳制品的品牌鉴别与质量统计过程控制研究

引用

作者：桂冬冬南京财经大学

学位级别：硕士

乳制品质量安全问题日益突出,发展乳制品的品牌鉴别与质量统计过程控制研究迫在眉睫。一方面,由于不同品牌乳制品外表形态差异不大造成大量乳制品掺假造假,亟需建立不同品牌乳制品的快速有效鉴别方法;另一方面,乳制品生产制造商要加强... 详细信息

乳制品质量安全问题日益突出,发展乳制品的品牌鉴别与质量统计过程控制研究迫在眉睫。一方面,由于不同品牌乳制品外表形态差异不大造成大量乳制品掺假造假,亟需建立不同品牌乳制品的快速有效鉴别方法;另一方面,乳制品生产制造商要加强自身生产过程质量控制,提高乳制品生产质量,进而由内及外全面推进乳制品质量安全管理。因此,本文进行了乳制品的品牌鉴别与质量统计过程控制研究,主要包括以下三方面内容。针对乳制品质量数据（拉曼光谱数据）采集与处理,首先给出了乳制品拉曼光谱数据的采集方法,并进行了数据结构分析;其次通过对多元散射校正,Savitzky-Golay多项式平滑和小波降噪三种处理方法的对比分析,发现三种方法连用可以有效减小数据基线偏移和噪音等误差;最后提出了基于稀疏主成分分析（SPCA）方法的特征向量提取,对比主成分分析（PCA）方法,发现SPCA方法既能有效提取特征,又能实现特征归属解析,同时还给出计算拉曼光谱特征峰面积的特征提取方法。针对基于多核学习的乳制品品牌鉴别,首先通过Kennard-Stone方法进行了训练集和测试集选取;然后通过核函数选择与参数优化实验,得到利用SPCA方法提取的特征建模,设置多项式核函数+径向基核函数加权线性组合合成核,参数为d（28）0.6,q（28）1,?（28）0.01,达到品牌最高平均识别率99.83%;利用特征峰面积建模,设置径向基核函数+径向基核函数加权线性组合合成核,参数为d（28）0.4,?1（28）0.01,?2（28）0.02,达到品牌最高平均识别率99.61%;最后通过方法对比实验进一步验证了模型的合理性和有效性。针对基于贝叶斯方法的乳制品质量统计过程控制,首先给出了贝叶斯理论下控制图控制线和过程能力指数的计算方法;然后利用乳制品拉曼光谱数据与平均光谱数据之间的欧氏距离作为质量特征值,通过贝叶斯方法的质量控制图和过程能力分析实现了乳制品质量统计过程控制,结果表明,贝叶斯方法充分利用检测样本先验信息,随着有效批次的增加,贝叶斯方法控制图控制线与理论控制线之间差异逐步减小,贝叶斯过程能力指数和不合格率也表现比常规方法更加可靠,并能在早期发出质量预警。

关键词：乳制品稀疏主成分分析多核学习贝叶斯

来源：评论

学校读者我要写书评

暂无评论

基于文本挖掘的教学质量评价指标量化研究

引用

应用数学进展 2022年第12期11卷 8598-8604页

作者：赵宇昂周胜张泽文南京信息工程大学江苏南京

教学质量评价数据主要由专家给出的评判等第和综合评语构成,现存的教学质量评估方法只能根据专家给出的等第对教学质量进行粗略划分,缺少对于专家综合评语的具体量化。本文旨在通过文本挖掘方法实现对于专家评语的具体量化,然后结合专... 详细信息

教学质量评价数据主要由专家给出的评判等第和综合评语构成,现存的教学质量评估方法只能根据专家给出的等第对教学质量进行粗略划分,缺少对于专家综合评语的具体量化。本文旨在通过文本挖掘方法实现对于专家评语的具体量化,然后结合专家给出的等第进行监督加权,得到一个结合专家等地和专家评分的综合量化得分,实现对于教学质量的具体评价。最后使用提出的量化指标对该校近三年的教学质量进行稀疏主成分分析,得到的三个主成分具有良好的解释性,可以被解释为“学期效应”、“理论课效应”和“实践课效应”,揭示出新冠疫情爆发导致高校教学质量急剧降低的规律。

关键词：文本挖掘监督加权教学质量评价 TF-IDF准则稀疏主成分分析

来源：评论

学校读者我要写书评

暂无评论

基于稀疏表示的球面梯度下降算法

引用

浙江理工大学学报（自然科学版） 2020年第5期43卷 714-721页

作者：赵永红沈益胡瑞芳浙江理工大学理学院杭州310018 嘉兴学院南湖学院数理系浙江嘉兴314000

针对基于稀疏表示的球面最小化问题,结合梯度下降、球面投影、稀疏逼近等方法设计了球面上的迭代硬阈值(Iterative hard thresholding,IHT)算法。首先证明了该算法产生的序列收敛到模型的L稳定点,然后通过Nesterov加速进一步提升了该算... 详细信息

针对基于稀疏表示的球面最小化问题,结合梯度下降、球面投影、稀疏逼近等方法设计了球面上的迭代硬阈值(Iterative hard thresholding,IHT)算法。首先证明了该算法产生的序列收敛到模型的L稳定点,然后通过Nesterov加速进一步提升了该算法的性能,最后将加速后的算法应用于稀疏主成分分析(Sparse principal component analysis,SPCA)和1-Bit压缩感知(1-Bit compressive sensing,1-Bit CS)。采用高斯随机矩阵进行测试,并与1-Bit CS中的二进制迭代硬阈值算法、SPCA算法中的截断幂法进行了对比,数值实验表明:该算法可以有效地求解基于稀疏表示的球面最小化问题,算法产生的序列收敛到优化模型的L稳定点,加速后算法的收敛速度优于原求解算法。

关键词：稀疏约束球面IHT 1-Bit压缩感知稀疏主成分分析

来源：评论

学校读者我要写书评

暂无评论

基于机器学习的论文评分研究

引用

信息与电脑 2021年第11期33卷 54-56页

作者：牛太冬靳达森张海若张宪帅天津科技大学天津300457

本文首先利用Wordcloud库对评语文本进行可视化,将频率较高的无用词剔除,然后对教师评语进行中文分词,利用TF-IDF算法描述字词在一个语料库的重要程度,并将映射到特征空间的评语数值特征作为特征向量,然后利用稀疏主成分分析法对数据进... 详细信息

本文首先利用Wordcloud库对评语文本进行可视化,将频率较高的无用词剔除,然后对教师评语进行中文分词,利用TF-IDF算法描述字词在一个语料库的重要程度,并将映射到特征空间的评语数值特征作为特征向量,然后利用稀疏主成分分析法对数据进行降维,将总评分作为论文等级的标识划分论文等级,最后使用支持向量机对其进行训练,使得分类器具有评判论文得分等级的功能。

关键词：稀疏主成分分析支持向量机多分类混淆矩阵

来源：评论

学校读者我要写书评

暂无评论

我国地区R&D发展差异分析

引用

统计与咨询 2014年第3期 22-23页

作者：刘超李垠序北京航空航天大学数学与系统科学学院数学信息与行为教育部重点实验室

采用全局稀疏主成分分析方法研究了各地区R&D发展状况,在此基础上分析了地区R&D的发展差异和分布格局,从而发现地区R&D发展和科技战略布局与经济发展战略的实施是基本协调的。

关键词： R&D发展时序立体表稀疏主成分分析

来源：评论

学校读者我要写书评

暂无评论

基于SPCA的我国地区发展评价和分析

引用

经济研究导刊 2014年第26期 74-78页

作者：刘超北京航空航天大学数学与系统科学学院数学信息与行为教育部重点实验室北京100191

唯GDP的考核方式造成了诸多问题。采用稀疏主成分分析构建了新的地区发展评价指数。研究表明,采用该方法是适合的,构造的指数不仅克服了大多数指数权重设置的主观性,能够有效分析地区综合发展水平,而且有利于透视地区发展各个方面存在... 详细信息

唯GDP的考核方式造成了诸多问题。采用稀疏主成分分析构建了新的地区发展评价指数。研究表明,采用该方法是适合的,构造的指数不仅克服了大多数指数权重设置的主观性,能够有效分析地区综合发展水平,而且有利于透视地区发展各个方面存在的不平衡以及历史演进过程。

关键词：地区综合发展稀疏主成分分析 CFI指数

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：