基于BP神经网络与PCA的零售业客户细分模型研究

本文结合零售业及其客户消费行为的特点,提出了一套基于客户消费行为分析的零售业客户细分指标体系,采用主成分分析(PCA)和BP神经网络(BPNN)相结合的方法,构建了一种基于消费者行为分析的零售业客户细分模型,最后利用Matlab软件通过零售业客户消费行为的实际数据对该模型进行了测试和验证,结果表明该模型具有良好的适用性和准确性.     

变压器带油补焊引起油中溶解气体变化诊断实例

一、设备运行状况小花果变电所一台新的 3 0 0 0 0kV·A牵引主变压器在投运前后 2 0 0 2年 8月 12日和 8月 2 2日 ,按规程进行了运行状态的色谱监测 (表 1)。 8月 2 3日 ,该变压器突然重瓦斯动作 ,8月 2 4日又对该变压器进行色谱检测 ,检测数据正常。后经检查 ,发现是由于压力释放阀处引线绝缘老化裸露而使瓦斯误动作。厂家进行处理后 ,于 8月 3 0日又继续投运。投运一天后又对该变压器进行了色谱检测 ,检测数据也正常。十天后再次对该变压器进行色谱检测时 ,发现C2 H2 已超过DL T 72 2— 2 0 0 0《变压器油中溶解气体分析和判断导则》中…     

大准线主变压器过负荷分析及对策

本文分析大准线六座牵引变电所主变压器过负荷状况和原因,提出了解决该问题的对策。主变压器过负荷因素较多,如变压器负荷电流增大、输出电压较低、变压器温度升高等。因此,加强变压器通风散热、温度监控、提高过负荷倍数、合理安排车流等方法可抑制过负荷。     

基于主成分分析的我国房地产业周期波动研究

运用主成分分析法构造房地产业景气综合指标（主成分）,第一主成分贡献率为0．96829,说明它保留了原始变量96．829％的信息,在房地产业周期波动分析中就可以把其他主成分舍弃。第一主成分与原始变量的相关系数p称为因子负荷量为0．70632,表明第一主成分反映了商品房销售额指标70．632％的信息。选择商品房销售额指标作为代表,来研究房地产业周期变动的特征和规律性是可行的。运用时间序列加法模型和乘法模型分析了我国房地产业周期波动的特征和规律性,我国房地产业循环波动的周期为12-13年。     

基于面板数据的陕西省主要区域经济发展差异分析

现阶段关于区域经济发展差异的研究主要是利用主成分分析方法,该方法所得出的研究结果过于宏观且指标过多,缺乏实际参考价值.本文在对陕西省区域经济发展分类的基础上,利用面板数据,选取影响陕西省区域经济发展的主要关键指标进行分析对比,结果简洁明了,从正反两方面对影响陕西省主要区域经济发展的因素进行了分析,具有极强的实际参考价值.     

主成分分析方法及其在各仪器分析中的应用

主成分分析是在尽可能保留原有信息的基础上将高维空间中的样本映射到较低维的主成分空间中,使数据矩阵简化,降低维数,寻找少数几个由原始变量线性组合的主成分,以揭示数据结构特征,提取化学信息。随着计算机技术及其应用的发展,作为化学计量学基础的主成分分析方法在仪器分析中的应用越来越广泛,综述了自20世纪90年代至今主成分分析方法在各仪器分析中的应用。     

基于主成分分析的区域物流发展水平综合评价——以广东省江门市为例

采用主成分分析法,构建区域物流发展水平综合评价模型.该模型在建立评价指标体系基础上,利用主成分分析能够剔除多指标间存在相关性及信息重叠的特点,对区域物流发展水平进行综合评价.利用该模型对广东江门市及其周边地区的物流发展水平进行实证分析.结果表明,尽管过去10年江门市物流发展水平逐年提高,但与周边地区相比仍较低.     

某核电厂主变压器油箱壁局部振动问题分析

针对某核电厂主变压器油箱壁局部振动高于其他部位问题,利用主变压器现场状态量测量和频谱技术,结合变压器振源振动机理和传播途径研究,对该变压器的健康状态进行分析评估,有效避免了变压器排油内检造成的机组非计划停运,为现场大型电力变压器油箱壁局部振动问题的解决提供借鉴。     

基于主成分分析的上市公司财务结构模型研究

本文依据Altman提出的预测企业经营模型的思想,提出一个基于主成分分析方法的上市公司财务评价模型,我们发现,公司的若干财务指标可以用简单的主成分指标代替.而且主成分对于信息的解释能力超过96%,可以利用此模型对于上市公司的财务结构进行分析,为财务分析人员及投资者提供了一个简洁的分析工具.     

基于主成分分析法的生物质发电项目效益评价研究

首先构建了生物质发电项目经济效益评价的指标体系,介绍了主成分分析法的基本原理,然后对搜集到的数据采用SPSS软件进行主成分分析。事实证明,主成分分析能剔除指标之间的相关性,比其他方法更加简单易行,能为生物质发电项目的效益评价提供数据支持。     

基于设计模式的文本分类系统

基于设计模式设计了一个分类系统,对于分类系统中的数据结构、流程、分类系统的对外接口等问题进行了探讨,提出了"分类任务"的概念,并设计了一个"分类语言"模型。该方案具有简单、灵活及通用性强的特点,对于设计、实现分类系统具有一定的参考价值。     

一种多层次多属性信息分类编码模型的设计与应用

根据信息管理系统中对信息分类的需求，分析了以往常用的分类方法中存在的一些不足和弊端，提出了一种多层次多属性信息分类编码模型，并应用于中国石油天然气集团公司库尔勒沙漠运输公司物资材料管理。此信息分类编码模型具有良好的柔性结构，编码结构灵活。采用此模型的编码方法可解决各类信息的分类编码编制问题。     

基于Stacking模型融合的店铺销量预测

为了实现企业产品销量预估,提高生产供应的准确性与效率,提出了基于Stacking模型的融合算法进行销量预测。算法设计了两层堆叠的模型结构,初级学习器采用随机森林、支持向量回归、差分整合移动平均自回归、轻量级梯度提升机器和门控循环单元5种单模型,将分类与回归树作为次级学习器构成Stacking融合模型,并对数据进行了预测。预测结果显示,使用Stacking模型融合后得到了较好的预测结果,比单模型中效果最好的模型的均方根误差更小,平均绝对误差更小,决定系数值更大,表明Stacking融合模型的预测准确率更高。所设计模型可用于对企业店铺的产品销量进行预测,帮助企业更好地安排生产、营销活动,为减少库存、缩短生产销售周期提供数据支持,对企业生产决策有一定的参考价值。     

一种归纳算法的研究与改进

机器学习是人工智能应用的一个重要研究领域,分类算法是数据挖掘中的一种重要技术,决策树学习是其中常用的一种方法,本文针对目前在机器学习和数据挖掘领域中普遍采用的典型的决策树分类算法ID3算法存在的缺点提出了一种基于统计理论的统计归纳SIA分类算法,该算法以概率统计学的理论为基础,利用实例中提供给人们的统计规律的信息进行划分归类,从而简化了决策树的剪枝和优化过程,并通过Delphi实现该算法进行仿真试验,具有准确性高,分类速度快的特点。     

基于Adaboost-DPSO-SVM模型的供应链金融信用风险评价研究

数字化赋能供应链金融创新是推动我国产业链、供应链持续稳定优化升级的重要内容,在全球金融风险急剧增加的背景下,供应链金融与大数据、区块链、物联网、人工智能等技术相融合,成为解决我国中小企业融资授信问题的有效方式之一。本文在对供应链金融信用风险评价指标进行特征选择的基础上,采用一种动态变异的粒子群算法(DPSO)和AdaBoost算法对SVM进行协同优化和集成,建立了Adaboost-DPSO-SVM模型,并将该模型应用于我国新能源汽车行业供应链金融信用风险评价中,实验结果表明所建立的模型相对其他评价模型具有更好的分类识别性能。     

A Research Note on Discrimination in Mortgage Lending

This paper examines the hypothesis that mortgage lenders rank applications from better to worst and encourage the better ones to apply. A second ranking occurs when the application is ranked by the loan committee and funds are approved from the top of the list until exhausted. A theoretically correct procedure for analyzing the resulting multivariate ordinal data is the little known rank multiple discriminant analysis. Preliminary results have revealed that this technique produces a "best" model with fewer variables and a higher classification rate than the commonly known multiple discriminant analysis, logit, or probit.     

A consumer-oriented model for analysing the suitability of food classification systems

The main function of food classification systems is to regulate the market and inform it (consumers above all) about the different types of products and their characteristics. However, the reality is that many of these systems give rise to confusion and prevent consumers from obtaining a clear idea of them, making the purchasing process more difficult. The objective of this study was to propose a method that can be used as a basis or reference framework for analysing the suitability of any food classification system, based on maximising consumer comprehension and learning, before introducing it into the market. The model proposed establishes the procedure and the necessary indicators for identifying the advantages and drawbacks of each of the different systems, making it possible to compare their suitability. The model was tested empirically by comparing the current classification of orange juices and Iberian ham with two different proposals, in an experiment conducted with an online consumer panel, and using MANCOVA to analyse the differences between the six indicators related to consumer learning results. It was concluded that the model is suitable for assessing the suitability of the classification systems, as it shows technical viability, ease of introduction in practically any situation and the ability to facilitate and guide the process of drawing up consumer-oriented food classification systems.     

浅谈基于粗集理论的文本归类系统

文本归类是处理大量文本数据自动分类的重要技术。基于粗集理论建立的林业文本信息归类系统,是在已知类别的训练集的基础上,通过分析训练数据样本,建立决策表产生区分矩阵构造出区分函数,并化简它,得到最小属性约简,最后应用Apriori算法产生最终分类的规则表,利用产生的规则表,可将林业文本信息数据进行自动归类。     

基于模糊数学的煤矿风险管理研究

通过对煤矿风险因素进行辨识分析,对重大风险进行分类,建立起二级煤矿风险模糊综合评判模型,并应用该模型对某煤矿的冒顶风险进行分析评价,验证了该模型的有效性。     

Targeting agricultural research to benefit poor farmers: Relating poverty mapping to maize environments in Mexico

We explore approaches for targeting agricultural research to benefit poor farmers. Using small area estimation methods and spatial analysis, we generated high-resolution poverty maps and combined them with geo-referenced biophysical data relevant to maize-based agriculture in Mexico. We used multivariate classification and cluster analysis to synthesize biophysical data relevant for crop performance with rural poverty data. Results show that the rural poor are concentrated in particular regions and under particular circumstances. Formal maize germplasm improvement trials were largely outside the core areas of rural poverty and there was little evidence for direct spillover of improved germplasm. Agro-climatic classification used for targeting breeding is useful but often ignores some important factors identified as relevant for the poor. Combining this method with poverty mapping improves stratifying and targeting crop breeding efforts to meet the demands of resource-poor farmers. We believe this integrated approach will help increase benefits from agricultural research to poor rural communities.