PCA

摘要： Qingke(highland barley)Baijiu is a special Chinese Baijiu which is mainly produced from Qinghai-Tibet Plateau.Since the pine board is used as the bottom of the fermentation pit,we deduced that the terpenoids and norisoprenoids in pine board might be introduced into Qingke Baijiu.Thus,the terpenoids and norisoprenoids in Qingke Baijiu were investigated by headspace solid phase microextraction(HS-SPME)combined with comprehensive two-dimensional gas chromatography coupled to time-of-flight mass spectrometry(GC×GC-TOFMS).The results showed thatγ-terpinene(0.70-530.72μg/L),α-phellandrene(0.34-256.66μg/L),longicyclene(0-38.55μg/L),α-pinene(1.21-35.54μg/L)and limonene(0.93-23.69μg/L)were the top 5 terpenoids/norisoprenoids in Qingke Baijiu.Pulegone was detected and reported for the first time in Baijiu,and the concentrations in Qingke Baijiu were 0.78μg/L(fresh)and 3.90μg/L(7 years old).According to the principal component analysis(PCA)plot,young,aged,and retail Qingke Baijiu could be differentiated clearly.Fold change(FC)and t-tests analysis indicated thatβ-pinene,γ-terpinene,andα-selinene were the most different terpenoids/norisoprenoids between young and aged Qingke Baijiu,and longifolene was the most different terpenoids/norisoprenoids between base and retail Qingke Baijiu.The terpenoids and norisoprenoids,such as(E)-β-ionone,isoborneol andβ-cyclocitral,could be potential markers indicating the ageing process of Qingke Baijiu.

摘要： 准确的区域铁路货运量预测在区域物流顶层规划、运输资源合理配置及其他物流辅助活动中起着重要的参考作用。针对LSSVM模型参数选择敏感和选择随意,且多输入条件下模型过程计算复杂的问题,提出一种融合PCA方法、WOA算法和LSSVM模型的区域铁路货运量预测新方法。采用PCA方法提取样本数据的主成分作为模型的输入,利用WOA算法全局搜索能力强、寻优效率高的优点对LSSVM模型的参数组合(λ,δ)进行寻优,得到基于改进LSSVM的区域铁路货运量预测模型。以陕西省2001—2019年与铁路货运量相关的18个指标数据作为样本,通过实际算例验证模型的预测性能。结果表明,所建模型的最大相对误差绝对值达到2.724%,相较于传统LSSVM模型和WOA-LSSVM模型降低了7.748%和3.589%,且模型的泛化能力和稳定性都得到了提升。

摘要： 为了实现对仓储物流环节中货架上的物体进行区分,本文从多个位姿视角,利用三维相机拍摄货架中所有物体的三维点云数据。通过深度学习神经网络对图像中物体进行分割,然后滤掉点云数据的杂点和异常点,进行多位姿点云数据融合。并基于PCA进行粗匹配得到物体的大概位姿,然后利用ICP优化匹配,得到物体的精确位姿,从而引导机器人实现物体的任意位姿自动抓取。

摘要： 针对传统的机器人抓取检测方法存在准确率低、实时性差的问题,提出了基于深度学习的机器人抓取位姿检测方法。在康奈尔抓取数据集上,设计一种端到端的抓取检测网络模型并训练,输出目标物体的抓取位姿表示参数。针对现有的抓取姿态表示方法的不足,结合YOLOv5目标检测算法生成目标物体的点云图,采用PCA方法生成抓取姿态,并提出一种优化的姿态提取方法。实验结果表明,利用端到端的网络模型和优化的PCA方法提高了机器人抓取位姿检测的准确性、实时性。

摘要： 针对油田水结垢预测算法中SI饱和指数法计算复杂、修正系数选取困难的问题,基于主成分分析法(PCA)对影响结垢的因素进行筛选和数据降维,采用灰色关联(GRA)-TOPSIS法分析不同水质与理想状态之间的相对贴近度,形成了一种用于快速评价水质的方法。结果表明,引起管网和管柱结垢的因素权重从大到小依次为HCO_(3)^(-)、Ca^(2+)、Cl^(2+-)、Mg^(2+)、Na^(+)+K^(+)和SO_(4)^(2-);利用PCA-GRA-TOPSIS法得到的水质评价结果与SI饱和指数法、腐蚀结垢评价实验的结果相符,验证了该方法的准确性。研究结果可为预防注水管网和管柱腐蚀结垢提供技术支持,为开发方案的优化和水源井的选择提供有力依据。

摘要： 电力变压器油的检测分析是电力变压器故障诊断的有效方法,快速识别电力变压器油的油样对电力变压器故障诊断工作有重大意义。常规的电力变压器油的检测技术主要是气相色谱法,此方法操作比较复杂,且不适合在线检测,不能及时发现变压器的故障隐患。提出一种激光诱导荧光光谱(LIF)技术与极限学习机(ELM)算法的电力变压器故障诊断研究的方法。实验采集四种油样,分别为热性故障油、电性故障油、局部受潮油以及原油。使用激光发生器激发油样而发射荧光,获取不同油样光谱数据,采用MSC、SNV预处理算法对光谱数据进行处理,防止噪声等因素干扰。随后,利用KPCA和PCA降维,主成分个数皆取5,KPCA处理后显示MSC预处理的累计贡献率最高,为99%,经MSC预处理的PCA模型累计贡献率依然达到95%以上,Original-KPCA与Original-PCA模型的累计贡献率均达到65%以下,可以发现,采用预处理的模型,累计贡献率均有上升。最后,分别对两种降维后的数据利用ELM进行回归拟合。实验表明,KPCA、PCA两种降维方式,KPCA算法表现性能较好,处理数据时间更短,提高了模型的可靠性和效率。同KPCA降维方式下,MSC-ELM模型的拟合优度R^(2)为0.99941,均方误差MSE为0.074%;SNV-ELM拟合优度R^(2)为0.99908,均方误差MSE为0.129%;Original-ELM拟合优度R^(2)为0.99695,均方误差MSE为0.399%;对比可以发现MSC比SNV处理后的效果更好,MSC-KPCA-ELM模型表现效果最佳,预测值与真实值更为接近,均方根误差最小。结果证明,MSC-KPCA-ELM模型结合激光诱导荧光光谱技术更加适用于对电力变压器是否发生故障的快速诊断,精确判断为哪种故障类型,保障电力设备的运行安全。

摘要： 目前商业运营还存在投入成本高但管理不够精细,店铺属性关联不明显等问题。基于此,文章利用机器学习中的聚类模型、关联规则模型解决了上述问题。特别是,利用PCA(principle component analysis,主成分分析)技术将高维数据降维,便于将高维数据的聚类结果进行可视化分析。实验结果验证了文章所提出的算法能够有效的将店铺根据其消费记录进行分类,以及能够利用关联规则将店铺进行兴趣关联和层次定位,运行结果证明该方法是正确和有效的。

摘要： 在采用随机采样一致性算法(SAC-IA)进行卫星点云配准计算时,为克服由于降采样、法向量计量、FPFH特征计算过程中部分数值相同导致的误区配问题,提出一种改进直通滤波SAC-IA粗配准算法.首先,采用PCA算法确定点云主成分方向,并对点云坐标进行变换;其次,对卫星点云进行直通滤波处理,滤除卫星主体部分之外的卫星两侧太阳能帆板数据;然后,计算主体部分法线、快速点特征直方图;最后采用SAC-IA方法进行点云配准,并利用计算结果进行点云变换.利用两组不同位姿局部卫星点云实验,并跟3DSC、4PCS、FPFH和NDT传统粗配准方法比较,实验结果表明:采用改进直通滤波方法能够很好改善配准过程中两平面特征误配准,实现对卫星点云的有效粗配准.

摘要： The current study attempted to evaluate the water quality in terms of physico-chemical properties, metals, and bacteriological characteristics of the surface water available in Shigar Valley located along Shigar River in sub-district Shigar of district Skardu, Gilgit Baltistan (GB), Pakistan. A total of 17 water samples were collected during 2020 and analysed to perform multivariate analysis through principal component analysis (PCA) and cluster analysis (CA). Spatial distribution using inverse distance weight (IDW) interpolation was also utilised to determine the water quality in the valley to elucidate public health concerns. The study reveals that physico-chemical characteristics are the most important that affect water quality, followed by metals and bacteriological variables, according to a PCA application based on multivariate analysis. Examinations found that some of the metals including arsenic (As), copper (Cu), lead (Pb), iron (Fe), zinc (Zn), manganese (Mn), and molybdenum (Mo) and all bacteriological parameters enlisting total coliform count (TCC), total faecal coliform (TFC), and total faecal streptococci (TFS) are not following the WHO guidelines that could be hazardous from the public health viewpoint. The IDW-based spatial distribution indicates that water samples have an intermittent and unusual distribution of observed parameters. Having considerable community settlements, people in the valley have limited options and have no choice except to consume the available water as no alternate source is available. People hardly question the water quality and rarely examine the water potability. The study also demonstrated that combining PCA with IDW would be a powerful method for assessing water quality. It is suggested that the sources of contamination be investigated further in detail to reduce the pollution load of the surface water in the valley, which could aid in the development of sustainable ecotourism.

摘要： 针对采摘机器人对被抓果实感知能力有限、触觉反馈信息不丰富等问题,提出了一种基于主成分分析法的触觉特征提取与处理的方法。首先,将4×6阵列式触觉传感器集成在机械手中,通过控制机械手的闭合来抓持苹果样本,触觉传感器可实时采集接触信息。然后,对采集到的触觉信息进行预处理,并结合主成分分析法特征提取,以获取触觉特征集。最后,为验证特征集数据的有效性,将特征集作为反馈信息用于抓取果实预测分拣。结果表明:基于主成分分析的算法能够成功实现抓取触觉数据集的维数约简,并找到了最能反映接触果实过程的特征。该方法消除了接触数据的冗余,解决了特征提取困难的问题,验证了特征集能够用于采摘机器人对果实特性进行辨识感知。

摘要： The article proposed a new way of facial expression recognition by reconstructing the PCAmethods. Separating the training set into 7 parts by expression, and get the Orthonormal Basis of each subsetexpression by PCA algorithm. Then make projection with the original image on each of the OrthonormalBasis, rebuilt the projection coordinate and recognize the expression by the combination of D-valuesummation and similarity methods. Finally, we get the final result by comparing the similarity between theoriginal and reconstruction image.

摘要： The article proposed a new way of facial expression recognition by reconstructing the PCAmethods. Separating the training set into 7 parts by expression, and get the Orthonormal Basis of each subsetexpression by PCA algorithm. Then make projection with the original image on each of the OrthonormalBasis, rebuilt the projection coordinate and recognize the expression by the combination of D-valuesummation and similarity methods. Finally, we get the final result by comparing the similarity between theoriginal and reconstruction image.

摘要： The article proposed a new way of facial expression recognition by reconstructing the PCAmethods. Separating the training set into 7 parts by expression, and get the Orthonormal Basis of each subsetexpression by PCA algorithm. Then make projection with the original image on each of the OrthonormalBasis, rebuilt the projection coordinate and recognize the expression by the combination of D-valuesummation and similarity methods. Finally, we get the final result by comparing the similarity between theoriginal and reconstruction image.

摘要： The article proposed a new way of facial expression recognition by reconstructing the PCAmethods. Separating the training set into 7 parts by expression, and get the Orthonormal Basis of each subsetexpression by PCA algorithm. Then make projection with the original image on each of the OrthonormalBasis, rebuilt the projection coordinate and recognize the expression by the combination of D-valuesummation and similarity methods. Finally, we get the final result by comparing the similarity between theoriginal and reconstruction image.

摘要： The article proposed a new way of facial expression recognition by reconstructing the PCAmethods. Separating the training set into 7 parts by expression, and get the Orthonormal Basis of each subsetexpression by PCA algorithm. Then make projection with the original image on each of the OrthonormalBasis, rebuilt the projection coordinate and recognize the expression by the combination of D-valuesummation and similarity methods. Finally, we get the final result by comparing the similarity between theoriginal and reconstruction image.

摘要： The article proposed a new way of facial expression recognition by reconstructing the PCAmethods. Separating the training set into 7 parts by expression, and get the Orthonormal Basis of each subsetexpression by PCA algorithm. Then make projection with the original image on each of the OrthonormalBasis, rebuilt the projection coordinate and recognize the expression by the combination of D-valuesummation and similarity methods. Finally, we get the final result by comparing the similarity between theoriginal and reconstruction image.

摘要： 本文介绍了常用的声学边界元分析方法，并基于LMS Virtual.Lab Acoustics软件，针对某轿车进行了车内声模态、驾驶员耳侧声压、面板贡献量分析PCA(Panel Contribution Analysis)、传递路径分析 TPA(Transfer Path Analysis)、接附点导纳IPI(Input Point Inertance)等分析。综合分析结果，找出了弱点，为车身等结构的改进提供了依据。

摘要： 本文介绍了常用的声学边界元分析方法，并基于LMS Virtual.Lab Acoustics软件，针对某轿车进行了车内声模态、驾驶员耳侧声压、面板贡献量分析PCA(Panel Contribution Analysis)、传递路径分析 TPA(Transfer Path Analysis)、接附点导纳IPI(Input Point Inertance)等分析。综合分析结果，找出了弱点，为车身等结构的改进提供了依据。

摘要： 本文介绍了常用的声学边界元分析方法，并基于LMS Virtual.Lab Acoustics软件，针对某轿车进行了车内声模态、驾驶员耳侧声压、面板贡献量分析PCA(Panel Contribution Analysis)、传递路径分析 TPA(Transfer Path Analysis)、接附点导纳IPI(Input Point Inertance)等分析。综合分析结果，找出了弱点，为车身等结构的改进提供了依据。

摘要： 本文介绍了常用的声学边界元分析方法，并基于LMS Virtual.Lab Acoustics软件，针对某轿车进行了车内声模态、驾驶员耳侧声压、面板贡献量分析PCA(Panel Contribution Analysis)、传递路径分析 TPA(Transfer Path Analysis)、接附点导纳IPI(Input Point Inertance)等分析。综合分析结果，找出了弱点，为车身等结构的改进提供了依据。

摘要： 用于在无线通信系统中提供显式信道状态信息CSI反馈的通信设备，包括收发器和处理器，收发器经由无线电时变频率MIMO信道从发送器接收无线电信号，所述无线电信号包括根据参考信号配置的下行链路参考信号、以及包括参考信号配置的下行链路信号，处理器使用在一个或多个时刻/时隙上根据参考信号配置对无线电信道的下行链路参考信号的测量来估计CSI，使用CSI估计构造频域信道张量，对信道张量执行较高阶主分量分析HO‑PCA，识别信道张量的多个主导主分量，由此获得经压缩的信道张量，以及向发送器报告包括信道张量的主导主分量的显式CSI。

摘要： 本发明属于激光清障术领域，公开了一种CO2激光器融合PCA‑MEABP覆冰预测模型的变电站激光除冰方法及系统，包括以下步骤：1)获得变电站激光除冰影响因素数据集，从变电站激光除冰影响因素数据集中选取一部分影响因素数据，通过PCA方法分析比较排序，获得新主成分变量数据集；2)通过从新主成分变量数据集中随机抽取500组为训练组数据，50组为测试组数据，训练获得PCA‑MEABP覆冰预测模型，随机在PCA‑MEABP覆盖预测模型中输入当天变电站的特征向量，获得目标覆冰厚度；3)根据激光除冰作业距离，调整激光光斑大小和激光输出功率，输出激光开始除冰工作；整个除冰工作不需要依靠人工，且无需停电，实现对电气设备部位的覆冰厚度进行精准测量。

摘要： 本发明公开了一种牵引供电系统电能质量分类管理的PCA‑Kmeans聚类方法，通过利用PCA主成分分析法将电能质量评估指标降维成两个特征，再通过Kmeans聚类算法对各个电力片段的电能质量进行了成功的划分评估，最后经过与其他电能质量划分方式的对比，验证本发明具有更好的实践性。首先将轨道交通变电所输出的三相电压、电流数据预处理，然后分别进行对称分解和傅里叶变换，然后提取出来计算评估电能质量的6个特征值，最后通过这6个特征值利用PCA‑Kmeans聚类算法进行降维仿真，来对牵引供电系统的可靠性进行等级划分、评估验证，综合以上提高牵引供电系统的可靠性进行电能质量的评估和确定。

摘要： 本发明属于高分辨多光谱数据PCA降维算法技术领域，公开一种基于异构计算的高分辨多光谱数据PCA降维算法的加速计算方法：步骤一、实现高分辨多光谱遥感数据的多维数据体的读取和加载；步骤二、通过基于循环分裂窗算法的异构计算方法来求解单维度数据的非背景像元的自比例加权平均值；步骤三、实现单维度数据的非背景像元数据的中心标准化；步骤四、通过异构计算方法求解数据体的各维度间的协方差矩阵；步骤五、利用基文斯旋转矩阵迭代法来求解协方差矩阵的特征值和对应的特征向量；步骤六、求解多维像元向量在各个主成分上的投影；步骤七、获取和存储经投影计算后的若干个主成分波段的结果数据，本发明能实现大数据体量下的PCA降维算法的加速优化。

摘要： 本发明公开了一种基于PCA与RF的区块链异常检测方法，包括调用PCA模型对原始交易数据进行降维，得到待检测数据；调用贝叶斯优化模型对待检测数据进行调优训练，得到随机森林模型最优超参数；基于所得超参数进行随机森林模型训练，得到区块链异常检测模型；调用预先训练的随机森林模型对待检测数据进行计算，得到对应原始交易数据的异常检测结果。通过PCA模型对所述原始交易数据进行降维，可以减小冗余特征干扰，提高异常检测性能；通过贝叶斯优化模型实现随机森林超参数智能化优化，可以提高分类性能，消除区块链交易数据正负样本极不平衡的影响。本发明还提供了一种装置、设备及存储介质，同样具有上述有益效果。

摘要： 本发明提供了一种基于PCA模型的桥区轨道平顺度评价方法，通过综合TQI轨道质量指数，结合PCA模型分析评价桥区轨道的平顺度，克服了现有的局部不平顺幅值超限评分法难以反映线路实际状态、轨道不平顺质量指数评价法无法明确单项几何参数突出的缺陷，针对桥区轨道两孔间与墩台处存在不平顺现象进行单独划分单元，全面综合评价桥区轨道质量、对轨道检修计划提供客观指导依据的功能。本发明通过综合检测车周期性地检测桥区轨道几何平顺状态，对检测数据开展数据分析，基于TQI桥区轨道质量指数中各项指标中的阈值来诊断危害，评估桥区轨道状态。针对统计分析结果，对病害易发区域展开重点监测和检查，为预防性和预测性的管养提供了依据。

摘要： 本发明针对用于预测锂离子电池剩余使用寿命的健康因子品质低、难以测量、适用范围小且预测精度差的问题，提出一种基于PCA‑RVM的锂离子电池剩余使用寿命预测方法，涉及数据驱动预测技术领域。具体步骤如下：提取锂离子电池剩余使用寿命退化特征参数；数据处理；使用PCA算法构建一种新的健康因子；更新RVM中的高斯核函数参数；建立RVM锂离子电池容量估计模型；锂离子电池容量估计和剩余使用寿命预测。利用美国宇航局卓越预测中心(NASA Ames PCoE)公开数据集中B0005号锂离子电池数据验证该方法，利用3种指标评价预测结果，结果表明本发明提出的方法能够实现锂离子电池剩余使用寿命精确预测。

摘要： 本发明公开一种基于PCA‑CNN‑LVQ的电压暂降源识别方法，包括以下步骤：步骤1，构建并训练PCA‑CNN‑LVQ模型：步骤101，采集电压暂降源的电压暂降数据作为样本；步骤102，采用主成分分析法PCA对电压暂降数据进行降维；步骤103，将降维后的电压暂降数据输入到卷积神经网络CNN中提取电压暂降数据特征；步骤104，将电压暂降数据特征输入到学习矢量量化神经网络LVQ中对LVQ进行分类训练；步骤2，通过训练好的PCA‑CNN‑LVQ模型对待识别的电压暂降数据进行分类，得到待识别电压暂降数据的电压暂降类型。本发明提升识别电压暂降类型的准确性。

摘要： 本发明涉及一种基于PCA‑LSTM神经网络的空调负荷预测方法，采用了主成分分析和长短记忆神经网络相结合的方法。本发明首先采用主成分分析法对多元影响因素数据进行降维，降低预测模型输入数据序列的维度和模型复杂度，将几个线性无关的综合因素作为LSTM神经网络的输入。然后本发明构建基于长短记忆神经网络的空调负荷预测模型，长短记忆神经网络具有记忆功能，利用历史记忆能力和人工智能算法的自学能力，挖掘数据之间的时序关系，其可以同时兼顾数据的时序性和非线性，能够提高预测精度。

摘要： 本发明公开了一种基于PCA和XGBoost融合的业务类型识别方法，包括以下步骤：步骤S1、采集带有标签的网络流量数据集，网络流量数据集的业务类型包括HTTP、NTP、DNS、QQ、微信、视频和邮件；步骤S2、对步骤S1中的网络流量数据集进行数据清洗和特征提取，从而得到含有多维特征的网络流量数据集；步骤S3、利用主成分分析特征降维的方法将步骤S2中的多维特征简化成低维特征，得到带标签的低维数据集；步骤S4、得到训练好的极限梯度提升XGBoost分类模型；步骤S5、将待测的网络流量数据集输入到步骤S4中的极限梯度提升XGBoost分类模型，得到业务类型分类结果。本发明不仅可以降低识别方法的复杂度，同时还能够提高对业务类型识别的精度。