中国科学技术信息研究所--国家工程技术数字图书馆

[学位论文] 李昕怡西安电子科技大学 2017年硕士导师: 张军英共71页

摘要 : 数字图像在我们的生活中占据着越来越重要的角色。在它的获取和传输等过程中会因为各种原因产生噪声，导致图像质量下降。为了提高图像传达信息的准确性，并且为后续图像处理过程打好基础，图像去噪就显得尤为重要。目前，已经出现了多种图像去噪算法... 展开数字图像在我们的生活中占据着越来越重要的角色。在它的获取和传输等过程中会因为各种原因产生噪声，导致图像质量下降。为了提高图像传达信息的准确性，并且为后续图像处理过程打好基础，图像去噪就显得尤为重要。目前，已经出现了多种图像去噪算法，并且都取得了不错的成果。其中由于Kernel PCA算法在非线性特征提取方面的突出表现，基于Kernel PCA的图像去噪算法一直是被广泛使用的方法之一。在本文中，对Kernel PCA图像去噪算法做出了两个方面的改进，第一，提出了基于距离映射的Kernel PCA图像重构算法，第二，提出了一种基于基准矩阵的核参数选择算法。首先，通过深入研究Kernel PCA算法，发现基于定点迭代的核参数重构方法中的缺陷，即容易陷入局部极小值和对初始迭代值的过分依赖性，因此提出了基于距离映射的Kernel PCA重构算法。该算法运用了多维尺度法的基本思想，即将高维空间中的距离关系在转换过程中保留至低维空间，通过计算欧氏距离，将特征空间中映射数据之间的关系映射到了输入空间中，维持了数据本来的结构，取得了较好的重构性能，体现出本文算法的优势。其次，基于核的方法可以用核函数来替代内积运算，规避了求取复杂的非线性映射函数的艰难过程，具有很大的优势。但是，核方法的效果却过分依赖核函数中参数的选择，而目前并没有规范的核参数选择算法。因此，本文提出了一种核参数选优算法，根据一定的标准构造合适的基准矩阵，通过网格搜索核参数，找到使得核矩阵与基准矩阵最相似的那个参数，即为最优核参数。最后，将本文的算法分别应用于四组仿真数据和Yale B人脸数据库实验中，使用基于距离映射的Kernel PCA图像重构算法进行图像重构，使用基于基准矩阵的核参数选择算法选择最优参数，均取得了较好的图像去噪结果，验证了本文算法的优越性。收起

关键词 : 图像去噪距离映射 Kernel PCA算法核参数选择人脸数据库

2. 环境因素对桥梁的损伤识别的影响及分离研究

[学位论文] 韩金明大连理工大学 2020年硕士导师: 李东升共97页

摘要 : 损伤识别是结构健康监测SHM(Structure Health Monitoring)系统性问题的重要一环。目前，基于结构振动特性的全局检测技术已成为SHM领域的核心。对实时监测的结构振动数据进行处理，提取特征参数或者动力指纹，利用无损状态和有损状态的特征参数的差异... 展开损伤识别是结构健康监测SHM(Structure Health Monitoring)系统性问题的重要一环。目前，基于结构振动特性的全局检测技术已成为SHM领域的核心。对实时监测的结构振动数据进行处理，提取特征参数或者动力指纹，利用无损状态和有损状态的特征参数的差异进行结构状态的判断。然而，工程结构处在复杂的环境因素和运行条件中，包括温度，相对湿度，变化的荷载等，这些因素的影响往往会淹没损伤对结构特征参数的改变。如果忽略这种影响的存在，势必会导致结构状态的错判和漏判，使得传统的损伤识别方法在实际应用中失去效果。本文具体研究内容如下： (1)环境因素对一座实际桥梁的模态频率的影响及基于多项式回归的损伤识别。环境因素包含的种类多样，每种环境因素对动力指纹的影响各不相同，本文首先分别对一座实际监测的桥梁的模态频率和温度、风速、交通量的关系进行统计学分析，研究每项环境因素对模态频率的影响；接着，利用多项式模型对频率和几种环境因素的关系进行拟合，建立无损伤状态下频率和环境因素的多项式模型。对模态频率数据进行折减模拟六种损伤工况，利用多项式模型残差进行损伤识别，并用主成分分析和因子分析对比研究了多项式模型在分离环境因素的损伤识别中的效果。 (2)基于核主成分分析的分离环境因素影响的损伤识别。主成分分析(Princ ipa l Component Analysis，PCA)在处理变量之间线性相关的特征参数具有比较好的效果，然而实际监测数据各变量之间常具有非线性关系，线性方法难以较好地提取非线性信息。为了克服PCA的这一缺点，本文将PCA和核分析(Kernel Analysis)方法结合，提出了基于核主成分分析(Kernel Principal Component Analysis，KPCA)的方法。并根据核空间中的次成分与环境因素正交的特性，提出用核空间中的次成分作为新的特征参数进行损伤识别。首先，利用特征量在高维空间更容易线性可分的特点，假设存在一个非线性映射，将低维空间的非线性数据映射到高维空间，在高维空间进行PCA分析；然后通过核再生原理与核函数，在高维空间中构建核空间，在核空间中应用PCA。通过木桁架桥实验数据永和桥实测数据验证了KPCA在处理变量非线性的有效性。 (3)基于滑窗-简约核主成分分析的动态损伤识别。KPCA属于静态的建模方法，静态模型需要尽可能多的包含一个周期内所有环境因素变化的数据集来训练，使得建模过程中的核矩阵维度和计算复杂度非常高，且实际监测早期的数据难以满足这样的要求。此外，实际监测数据常常呈现非线性非平稳的动态变化，基于监测早期数据建立的静态模型难以描述这种由新环境因素导致的监测数据的正常波动，可能导致误判。针对静态KPCA方法的缺陷，引入两种工业领域处理动态非线性非平稳过程的方法，用于土木工程结构的结构健康监测的环境因素分离。引进简约核主成分分析(Reduced Kernel Principal Component Analysis，RKPCA)改进KPCA核矩阵维度高、计算复杂度高的缺陷；引进一种滑窗方法(Moving Window)，根据动态监测的新数据对旧模型进行更新，改进模型无法描述新数据中由环境因素导致的正常波动，易产生损伤误判的缺陷；此外，引进的滑窗方法提出新的模型更新准则，减少了模型更新的次数，提升了动态监测的计算效率，便于在线监测。通过木桁架桥实验和Z24桥标准模型数据比较验证了改进后的KPCA在动态监测中的效果。收起

关键词 : 桥梁结构健康监测损伤识别多项式回归核主成分分析滑窗-核主成分分析

3. 基于LSTM的河南省花生价格预测研究

[学位论文] 张璇华北水利水电大学 2021年硕士导师: 刘建华共76页

摘要 : 农产品作为生活必需品，在国民经济中占据重要地位。但近年来，我国农产品市场价格波动异常，导致农产品市场经济受损，给人民生活和农业生产经营带来极大困扰。因此，结合市场经验分析农产品价格影响因素，对农产品价格进行有效的预测，能够为政府制... 展开农产品作为生活必需品，在国民经济中占据重要地位。但近年来，我国农产品市场价格波动异常，导致农产品市场经济受损，给人民生活和农业生产经营带来极大困扰。因此，结合市场经验分析农产品价格影响因素，对农产品价格进行有效的预测，能够为政府制定经济政策和调控农产品价格提供科学依据，对促进农业生产和市场稳定发展具有现实意义。本文以河南省花生价格为例，运用深度学习技术建立河南省花生价格预测模型，主要从以下几个方面进行研究：一、讨论农产品市场和河南省花生产业现状及存在的问题,分析了花生价格波动状况，并运用HP滤波法（Hodrick-PrescottFilter）通过对河南省2005年到2019年花生月价格数据的波动规律及周期进行分解，得出了河南省花生价格波动周期大约为3-4年。二、利用价格波动理论，根据农产品的供需关系，总结了影响花生价格波动的因素。具体地，从花生市场的供给因素、需求因素、政策因素和宏观因素四个方面进行详细分析各具体因素对花生价格的影响及其影响机制。然后利用灰色关联分析法，对花生价格数据及影响因素数据进行处理，得到了花生价格影响主要因素。三、以河南省花生日度价格及主要影响因素的相关样本作为研究数据，利用长短期记忆网络（LongShort-TermMemory，LSTM）对河南省花生价格进行短期预测。首先利用核主成分分析法（KernelPrincipalComponentAnalysis，KPCA）对数据进行特征提取，作为LSTM输入，通过对不同参数组下的模型精度对比，得到最优参数的预测模型，并对花生一周内的价格进行预测。实验结果表明，本文模型在对河南省花生价格进行预测时，其误差大约为2.02%。与多层前馈神经（BackPropagation，BP）网络模型、KPCA-BP模型、整合移动平均自回归模型（ARIMA）模型相比，本文模型的拟合效果更好，稳定性更强，能够良好的反映花生价格一周内的总体趋势，达到了预期的效果。证明了基于LSTM的模型在花生价格预测上的可行性，为农产品价格预测领域的方法提供参考。收起

关键词 : 花生价格短期预测核主成分分析长短期记忆网络

4. 基于电力大数据的负荷预测研究

[学位论文] 龚亚强华北电力大学 2017年硕士导师: 赵文清共50页

摘要 : 随着我国电力体制改革的继续推进，电力市场环境将逐步发生变化。未来将有更多的售电主体进入市场。售电公司为了提高自己的核心竞争力，在未来电力市场的占有一席之地，就需要科学地分析未来负荷曲线的特性并且准确进行负荷预测。同时伴随着能源互联... 展开随着我国电力体制改革的继续推进，电力市场环境将逐步发生变化。未来将有更多的售电主体进入市场。售电公司为了提高自己的核心竞争力，在未来电力市场的占有一席之地，就需要科学地分析未来负荷曲线的特性并且准确进行负荷预测。同时伴随着能源互联网和电力大数据的建设步伐的不断加快、电网规模和电力信息采集量的扩张，客观上对负荷预测精确度和预测算法的运算效率产生了更高的要求。负荷预测在能源互联网的正常运行和调度有着重要的作用，采用电力大数据技术进行负荷预测，使得对海量实时数据、大量的历史同期数据和天气气象数据的综合利用变得更加有效。本文首先针对先进的检测装置和计量设备对负荷的检测时间间隔越来越短，致使负荷数据向着高维度变化，并加大了负荷曲线聚类难度的现状。为了解决这个问题，本文提出了一种使用核方法将数据映射到高维空间中进行聚类，同时采用核主成分分析与缩减矩阵规模对该方法的计算进行优化。阐述了算法改进的依据和相关理论推导。最后进行了实验分析，结果表明聚类数的变化、输出维度对聚类效果的影响，得出改进的聚类算法可以有效地提高负荷曲线聚类的准确性的结论。其次针对能源互联网所带来的负荷数据海量化，导致数据进行负荷训练面临多次重复训练的问题，本文将增量的方法引入到负荷预测中。数据随着时间更新不断产生，并随着时间的推移某时刻的数据的价值会越来越小。一旦对电力负荷建立预测模型，该模型不能随着时间变化而加入最新值，使得预测模型不能反映最新的时间序列信息，从而降低了预测的准确性。为解决该类问题，本文提出一种BP神经网络隐含层节点增删的方法来实现对BP神经网络训练的增量学习。实验表明，该方法通过实现在BP神经网络训练过程中加入最新的数据，提升了处理海量负荷数据的能力和负荷预测准确率。最后本文为了更好地解决电力负荷数据海量化和高维度的问题，结合了最新的研究热点梯度下降的迭代决策树算法，基于大数据 Spark平台，建立了基于该算法的负荷预测模型，并与随机森林算法比较分析。实验使用随机森林与梯度下降的迭代决策树分别对负荷数据进行训练。实验结果表明，在负荷预测的精度及运算的效率上梯度下降的迭代决策树相对于随机森林，都具有较好提升。收起

关键词 : 核主成分分析负荷预测决策树电力大数据

5. 基于BP神经网络的突变级数法与KPCA岩爆预测

[学位论文] 赵昕强河北工程大学 2022年硕士导师: 郭延华共93页

摘要 : 岩爆是一种破坏力极强的地质灾害，随着目前对地下空间的不断开拓建设，其发生频次与强度日益增加，制约着未来地下工程的深部化发展。针对这一工程现状，本文从岩爆超前预测的角度出发，对岩爆影响因素与预测方法等相关方面展开了研究，构建了合理有... 展开岩爆是一种破坏力极强的地质灾害，随着目前对地下空间的不断开拓建设，其发生频次与强度日益增加，制约着未来地下工程的深部化发展。针对这一工程现状，本文从岩爆超前预测的角度出发，对岩爆影响因素与预测方法等相关方面展开了研究，构建了合理有效的岩爆预测模型，为存在岩爆风险的工程提供防控参考，主要研究工作如下： (1)论证了岩爆预测指标的可靠性。从岩性、围岩应力、开挖条件三个方面分析了岩爆的主要影响因素及其与岩爆烈度等级间的内在联系，并通过Spearman分析方法，得出各指标与岩爆烈度间的相关程度； (2)推导了板裂屈曲型岩爆的垂直地应力条件。基于板梁的势能平衡方程，构建出板裂屈曲型岩爆的尖点突变模型，以此得出垂直地应力条件，并结合工程实例验证发现其分析结果与现场情况较为吻合； (3)构建了两种岩爆预测模型。鉴于岩爆预测指标及数据的多维冗余性不利于模型构建，本文从两种角度分别对其进行了优化。通过突变级数法构建出岩爆预测指标的层级结构，以突变模型处理岩爆数据，结合BP神经网络建立了突变级数法-BP神经网络岩爆预测模型；通过构建具有高维非线性数据降维能力的核主成分分析法，提取岩爆数据的特征信息，结合BP神经网络建立了KPCA-BP神经网络岩爆预测模型； (4)验证了预测模型的准确性。采用不同方法与本文所构建的模型进行预测性能对比评估，结果表明本文所建立的两种岩爆预测综合模型准确度较高，均达到了90%及以上，且结构上更为简单高效。将本文构建的两种预测模型运用于西藏多雄拉隧道工程不同工况下的岩爆预测中，预测结果与现场情况基本一致，相比于传统单一理论判据更为可靠，表明本文所建的两种模型具有工程实用价值。收起

关键词 : 岩爆突变理论 BP神经网络核主成分分析

6. 基于特征融合的正面步态识别方法研究

[学位论文] 潘一凡北京工业大学 2021年硕士导师: 王丹共90页

摘要 : 人体步态识别是通过分析人的身体特征以及步行时的运动姿态来进行身份验证的一种生物识别技术。因其无侵犯性、低分辨率下识别效率高以及较远距离下可识别得等特点，使得步态识别技术在视频监控领域有极高的应用价值，也是目前最具发展潜力的生物识别... 展开人体步态识别是通过分析人的身体特征以及步行时的运动姿态来进行身份验证的一种生物识别技术。因其无侵犯性、低分辨率下识别效率高以及较远距离下可识别得等特点，使得步态识别技术在视频监控领域有极高的应用价值，也是目前最具发展潜力的生物识别技术之一。现有研究大多针对侧面步态，并且提取的特征较为单一，而对于正面视角步态识别的专门研究则较为缺乏，因此针对正面步态识别技术中的运动目标识别、步态周期检测、特征提取以及步态特征融合等方面展开研究，主要工作和贡献如下。 (1)为了克服传统目标识别方法的缺点，检测出更加清晰、准确的前景目标，提出一种基于改进融合的运动目标识别算法。首先对三帧差法以及背景减差法进行改进，然后将改进的帧差法与改进的背景减差法进行融合。与传统算法的实验对比结果表明，该算法能更有效的填补运动目标空洞，去除阴影，使提取出的运动目标区域更为完整，边缘信息更加丰富。 (2)获取步态周期是提取步态特征前的必要步骤，为更加准确、有效的获取步态周期，提出一种基于比值的正面视角步态周期检测算法。首先计算每帧图像中运动目标区域的小腿及以下部位的两侧像素点数比值，然后根据比值数的变化获取步态周期。与传统算法的实验对比结果表明该算法具有更加明显且稳定的周期变化特性，能更好的表征人体步态运动规律。 (3)为获取到更加准确且更加适合分类的步态特征，提出一种基于Gabor小波的步态特征提取算法。首先根据一个周期内的图像生成步态能量图，并对传统的主成分分析(KPCA)、线性判别分析(LDA)进行优化改进，提出IKPCA与ILDA算法，然后利用Gabor小波变换提取步态能量图特征，最后再结合IKPCA与ILDA进行特征降维。该算法可有效融合Gabor小波、IKPCA与ILDA的优点，能更好的表征图像多尺度信息，使提取出的特征在降维的同时兼顾适合分类的特性。将其与已有算法进行对比实验，结果表明该算法的步态识别成功率更高。 (4)针对单一步态特征信息量不足的问题，提出一种动静态特征融合的算法。将人体下四分之一区域左右两侧像素点数比值特征，以及反映行走速度的步态周期作为动态特征，Gabor小波特征、Hu矩特征作为静态特征，然后将以上特征在特征层进行融合。在中科院CASIA-B数据库中利用支持向量机开展分类实验，结果表明相较于单一特征以及其他文献中的特征融合算法，本文提出的算法具有更高的步态识别率，且对于背包、衣着等外部影响因素具有更强鲁棒性。收起

关键词 : 正面步态识别特征融合 Gabor小波核主成分分析

7. 多元时序数据演化模糊分割算法研究及其在热工过程中的应用

[学位论文] 汪国新东南大学 2019年硕士导师: 郝勇生共82页

摘要 : 火力发电是我国国民经济的支柱产业，也是促进经济健康快速发展的重要保障。因此，针对发电机组设备热工过程状态监测的研究具有重要的价值与意义。在发电机组中广泛使用的信息化系统，为长时间采集机组运行数据提供了良好的条件，为基于数据的运行状... 展开火力发电是我国国民经济的支柱产业，也是促进经济健康快速发展的重要保障。因此，针对发电机组设备热工过程状态监测的研究具有重要的价值与意义。在发电机组中广泛使用的信息化系统，为长时间采集机组运行数据提供了良好的条件，为基于数据的运行状态监测提供了新的技术手段。然而，由于这些数据具有非线性、强耦合性、大规模及时变性等特性，给人工分析带来了巨大的困难，需要借助数据挖掘的相关理论及方法开展深入研究，以达到对发电机组设备热工过程状态监测的目的。本文以典型发电机组设备热工过程为研究对象，从多元时间序列数据分割的角度出发，提出一种基于核主成分分析及演化理论的Gath-Geva聚类时序分割方法。主要内容如下： 1、针对发电机组设备热工过程数据所具有的非线性及强耦合特性，提出一种基于核主成分分析法和Gath-Geva模糊聚类的多元时序分割算法，即KPCA-GG算法。根据Gath-Geva模糊聚类算法所得到的聚类结果，利用核主成分分析法提取类簇之间的非线性特征并构造非线性分析模型，将类簇在该模型空间中的距离作为类簇相似性分析及合并的标准，提高聚类分割算法对非线性数据的准确性，从而达到对该类数据状态监测的目的。 2、针对发电机组设备热工过程数据规模大以及时变特性，将演化聚类理论融入上述KPCA-GG算法，提出一种可用于实时聚类的演化KPCA-GG分割算法。根据演化聚类的理论框架，考虑上一时间段数据聚类模型与当前时间段数据聚类模型之间的差异，把历史信息正则化项加入到KPCA-GG算法的目标函数建模中，从而将静态的KPCA-GG聚类分割算法扩展为动态的KPCA-GG聚类分割算法。所提出的新算法能够克服静态算法只能分析单一时间段的缺点，实现了动态的聚类分析，实时得到分割结果，更好地处理具有大数据量以及时变特性的非线性数据。 3、为了验证算法的有效性，利用本文提出的方法对“云南省水火电机组状态监测中心数据采集与监控系统”中采集的数据进行研究。以高压加热器为代表设备进行状态监测实验，并给出相应的实验图、实验数据及研究结果。旨在说明本文方法用于热工过程设备状态监测的优点：适用于非线性数据的实时分割处理。 4、利用MATLAB的图形用户界面化功能开发一套基于本文方法的数据分析工具。该工具能够显示系统数据的处理过程，能够将算法的运行效果可视化并且有利于参数调整。收起

关键词 : 数据处理多元时序分割法核主成分分析演化聚类

8. 基于重建误差的样本加权特征提取算法研究

[学位论文] 杨开睿中国矿业大学 2014年硕士导师: 孟凡荣共75页

摘要 : 随着云计算、大数据等技术的不断兴起,人们获得的数据在复杂性和数据规模上都发生了巨大的变化,各领域对数据处理也不断提出了新的要求。特征提取作为数据分析和处理技术中的一种有效手段,被广泛应用于模式识别、数据挖掘等领域。基于特征提取问题国内... 展开随着云计算、大数据等技术的不断兴起,人们获得的数据在复杂性和数据规模上都发生了巨大的变化,各领域对数据处理也不断提出了新的要求。特征提取作为数据分析和处理技术中的一种有效手段,被广泛应用于模式识别、数据挖掘等领域。基于特征提取问题国内外学者开展了大量的研究工作,但特征提取算法的适用性、鲁棒性、有效性等问题一直是研究的难点。本文针对线性特征提取和非线性特征提取两类方法开展了课题的相关研究工作,具体内容如下: (1)提出了基于PCA的样本加权特征提取算法针对传统的线性特征提取算法 PCA在模型构建时并没有较好考虑不同样本特征对最终识别的有效性和重要性各不相同这一问题,提出了一种基于 PCA的样本加权特征提取算法。本文依据加权的思想,对 PCA重建误差和模型进行加权改进,构建了一个 PCA样本加权重建误差和最小模型,并利用信息熵来调节样本的权值。新模型能够获得更小的重建误差和,求解模型得到了一种自适应权值的PCA算法,实验表明该方法具有更好的特征提取效果和重建误差和。 (2)提出了融合局部信息的KPCA样本加权特征提取综合模型针对非线性模型 KPCA不能较好提取样本数据中的局部特征信息,且对离群点样本的抗干扰能力较差这一问题,提出了一种融合局部信息的 KPCA样本加权特征提取综合模型。本文利用 LPP模型能较好保持数据局部特征的优势,从重建误差角度对KPCA加权模型引入LPP模型进行改进,得到了一种能更好提取数据局部信息的样本加权非线性特征提取综合模型。实验发现模型具有很好的特征提取效果,且对离群点样本具有很好的鲁棒性。 (3)设计并实现了一个特征提取算法分析平台(FEAAP) 依据论文的理论研究成果,本文设计并实现了一个特征提取算法分析平台。平台基于Matlab GUI框架,能够完成数据预处理、算法参数设置、实验结果比较等功能,从而为特征提取算法的研究提供一个方便的实验和分析环境。收起

关键词 : 特征提取核主成分分析重建误差鲁棒性 PCA算法

9. 基于特征选择和实例迁移的跨项目软件缺陷预测方法研究

[学位论文] 石可欣东北林业大学 2023年硕士导师: 李莉；高峰共71页

摘要 : 随着软件产品在社会生活中的普及和广泛应用，软件规模不断扩大，软件缺陷成为影响软件质量的重要因素。软件缺陷预测技术可以根据软件历史仓库信息提前发现可能存在的缺陷信息。但对于新开发的软件项目而言，缺乏用于缺陷预测的历史数据。跨项目软件... 展开随着软件产品在社会生活中的普及和广泛应用，软件规模不断扩大，软件缺陷成为影响软件质量的重要因素。软件缺陷预测技术可以根据软件历史仓库信息提前发现可能存在的缺陷信息。但对于新开发的软件项目而言，缺乏用于缺陷预测的历史数据。跨项目软件缺陷预测借助若干源项目数据完成对当前项目的缺陷预测。该技术解决了传统软件缺陷预测技术中历史数据不足的问题，但也引入了新的问题:(1)项目内存在大量无关或冗余特征;(2)源项目和目标项目两者数据分布存在较大差异;(3)项目间相关性较弱导致的数据负迁移问题。本文主要针对以上问题，基于特征选择和实例迁移设计相应的解决方案，旨在提高跨项目软件缺陷预测性能。具体研究工作包括: (1)针对特征冗余和数据分布差异问题，提出了基于两阶段的跨项目软件缺陷预测CPDP-FSITr方法。在特征选择阶段，采用核主成分分析法对源项目中的冗余数据进行清理。然后，根据源项目和目标项目的属性特征分布，选出与目标项目分布最接近的候选源项目数据。在实例迁移阶段，通过采用评估因子改进的TrAdaBoost方法，找出与目标项目中少量有标签实例分布相近的实例。实验结果表明，CPDP-FSITr方法的F1指标在AEEEM数据集上较基准实验分别提高了3.34％、5.84％和105.42％,在NASA数据集上较基准实验分别提高了1.36％、5.25％和85.97％,可以取得较好的预测效果。 (2)针对数据负迁移问题，提出了基于多源迁移学习的跨项目软件缺陷预测CPDP-MSITr方法。该方法在CPDP-FSITr基础上，对各个源项目进行特征选择。然后将每个源项目数据分别与目标项目进行训练得到若干弱分类器，通过权重因子将弱分类器集成为候选强分类器。实验证明，该方法能获取有效源项目特征信息。以F1作为性能评价指标，该方法在AEEEM和NASA数据集上较单源跨项目缺陷预测方法预测性能分别提升1.32％和0.61％,有效减少数据负迁移的产生。 (3)基于软件工程的设计思想进行了基于特征选择和实例迁移的跨项目软件缺陷预测原型系统开发。经测试验证，该原型系统各个功能模块运行正常，能够辅助软件开发测试人员进行缺陷预测，尽早发现软件缺陷，减少可能产生的风险和损失，具有良好的实践意义。收起

关键词 : 软件缺陷预测特征选择核主成分分析多源迁移学习

10. 核主成分分析在企业经济效益分析中的应用

[学位论文] 姜苏迪哈尔滨工程大学 2011年硕士导师: 施久玉共71页

摘要 : 企业经济效益,是衡量一切经济活动的最终的综合指标,也是企业一切经济活动的根本出发点。企业要发展,就必须降低劳动消耗,以最少的投入获得最大的效益,只有这样,企业才能在竞争中不被淘汰,并获得发展。本文采取核主成分分析的方法来分析企业的经济效益... 展开

关键词 : 核函数核主成分分析企业经济效益