基于PCA方法的地理系统分析被引量：2

下载PDF

导出

摘要在多要素复杂系统的分析,利用主成分分析方法,用较少的变量代替原来较多的变量,可以简化问题的处理,提高处理的效率.

作者李旭军

机构地区安徽经济管理学院计算机工程系

出处《赤峰学院学报（自然科学版）》 2011年第12期41-43,共3页 Journal of Chifeng University(Natural Science Edition)

关键词复杂系统主成分分析法地理系统

分类号 P208 [天文地球—地图制图学与地理信息工程]

引文网络
相关文献

参考文献5

1张科静,高长春.基于主成分分析法的城市创意竞争力评价[J].情报杂志,2010,29(4):68-71. 被引量：12
2田盈,潘晓琳.基于加权主成分分析的企业技术创新绩效评价模型研究[J].科技进步与对策,2008,25(3):130-133. 被引量：11
3张洪波,何怡刚,周炎涛,尹新,刘美容.主成分分析法与概率神经网络在模拟电路故障诊断中的应用[J].计算机测量与控制,2008,16(12):1789-1791. 被引量：20
4杨海澜,蔡艳,陈庚军,吴毅雄.主成分分析结合神经网络技术在焊接质量控制中的应用[J].焊接学报,2003,24(4):55-58. 被引量：13
5李晓刚,贾元华,敖谷昌.基于主成分回归的公路客运量预测模型研究[J].交通标准化,2009,37(9):77-81. 被引量：12

二级参考文献41

1胡彬.创意产业价值创造的内在机理与政策导向[J].中国工业经济,2007(5):22-29. 被引量：71
2钟霞,吴中,王丽.灰色理论及其组合模型在交通运量预测中的运用[J].交通标准化,2004,32(12):35-38. 被引量：25
3李朝锋,杨茂龙,许磊,杨蒙召.概率神经网络与BP网络模型在遥感图像分类中的对比研究[J].国土资源遥感,2004,16(4):11-13. 被引量：17
4谌燕,刘满凤.企业技术创新绩效评价的DEA分析[J].科技和产业,2005,5(3):1-4. 被引量：10
5厉芸,何怡刚,徐卫林,尹新,刘美容.基于BP神经网络的大规模电路模块级故障快速诊断方法[J].电路与系统学报,2005,10(4):12-15. 被引量：9
6王生昌,白韶波,张慧.公路客运量预测方法的比较[J].长安大学学报（自然科学版）,2005,25(5):83-85. 被引量：34
7赵林海,林俊国.中小企业产品创新绩效测度指标体系研究[J].科技与管理,2005,7(5):21-23. 被引量：5
8王育晓.网络环境下企业技术创新绩效评价指标体系的设计[J].价值工程,2005,24(11):27-30. 被引量：5
9姚新胜,苏延川,孙金玲.公路客运短期运量预测研究[J].公路交通科技,2005,22(11):155-158. 被引量：6
10张文霖.主成分分析在SPSS中的操作应用[J].市场研究,2005(12):31-34. 被引量：313

共引文献63

1高王翠,单飞,杨宇翔.基于SPSS主成分分析法在公路客运量预测中的应用[J].山东交通科技,2011(2):7-10. 被引量：8
2周彦莉,赵炳新.投入产出视角的企业技术创新绩效评价——以山东省某大企业和中小企业为例[J].理论学刊,2013(8):61-66. 被引量：3
3李军梅,胡以华,陶小红.基于主成分分析与BP神经网络的识别方法研究[J].红外与激光工程,2005,34(6):719-723. 被引量：40
4李军梅,胡以华.目标类特征确定中的主成分分析法研究及在目标识别中的应用[J].模式识别与人工智能,2006,19(1):106-110. 被引量：4
5蔺广逢,范引娣,张媛.主成分分析与BP神经网络的人脸识别方法研究[J].现代电子技术,2007,30(2):53-55. 被引量：12
6闫雪梅,王晓华,夏兴高.基于PCA和BP神经网络算法的车牌字符识别[J].激光与红外,2007,37(5):481-484. 被引量：11
7宋政辉,税爱社,李明.基于模糊定性趋势分析的故障诊断方法研究[J].计算机测量与控制,2009,17(11):2164-2166. 被引量：5
8申宇皓,孟晨,张磊,傅振华.基于支持向量机的信息融合模拟电路故障诊断方法研究[J].计算机测量与控制,2009,17(11):2177-2180. 被引量：8
9申宇皓,孟晨,傅振华,张磊.基于改进支持向量机的仿真电路故障诊断研究[J].计算机仿真,2010,27(1):346-350. 被引量：20
10靳召东,陈虹,刘琳,张钲浩.最小二乘支持向量机在公路交通客流量预测中的应用[J].交通标准化,2010,38(9):11-13. 被引量：2

同被引文献10

1何继爱,达正花.BP神经网络PID控制器仿真实现[J].甘肃联合大学学报（自然科学版）,2005,19(2):31-34. 被引量：8
2卢礼华,郭永丰,大刀川博之,梁迎春,下河边明.高增益PID控制器实现纳米定位[J].光学精密工程,2007,15(1):63-68. 被引量：12
3侯树文,王琳琳,卢家涛,郭峰.BP网络模糊PID控制在水轮机调速器中的应用[J].人民长江,2008,39(2):79-80. 被引量：6
4冉小康.电力系统中继电保护事故原因分析及处理技术[J].中国新技术新产品,2012(3):164-164. 被引量：9
5陈铁华,李树刚.基于神经网络的水轮机调节系统非线性仿真[J].水电能源科学,2012,30(10):120-123. 被引量：2
6薛殿伦,马洪涛,曹成龙,文敏.基于遗传算法的CVT夹紧力模糊-PID控制优化[J].湖南大学学报（自然科学版）,2012,39(12):37-42. 被引量：5
7许永强,刘万康.基于主成分-BP神经网络的我国农村居民用电量的预测研究[J].电力学报,2016,31(2):162-166. 被引量：4
8许永强,王玲花,刘旭阳,许准.基于BP神经网络PID控制在水轮机调节中应用的研究[J].水力发电,2016,42(11):80-83. 被引量：7
9陈金,张孝,王平,闵国君,李颖杰,陈峰.基于差分进化PID控制的同步发电机励磁系统研究[J].电气自动化,2018,40(2):7-9. 被引量：4
10许永强,王亚龙.BP神经网络在水轮机调节过程中的应用[J].水电能源科学,2017,35(7):176-178. 被引量：4

引证文献2

1许永强,田鹏.基于优化BP神经网络的水轮发电机励磁系统研究[J].人民长江,2021,52(S01):328-331. 被引量：4
2谭联,许永强,杨沛源,杨超杰,刘万康.优化的BP神经网络在水轮机调节系统中的应用研究[J].中国农村水利水电,2017(11):189-193. 被引量：4

二级引证文献8

1郭威,杨帆,张剑焜.基于改进萤火虫算法的水电机组调速器PID参数优化[J].水力发电,2019,45(5):95-97. 被引量：10
2陈上,陈金保,王安林,丘涛基,陈齐灯,肖志怀.多种水轮机模型的仿真对比分析[J].中国农村水利水电,2021(11):203-208. 被引量：3
3王安林,丘涛基,陈齐灯,陈上,陈金保,肖志怀.基于虚实结合的水轮机调节系统仿真平台[J].中国农村水利水电,2021(12):198-202.
4刘维功,王昊展,时振堂,黎德初,胡学良,李劲松.基于改进XGBoost算法的XLPE电缆局部放电模式识别研究[J].电测与仪表,2022,59(4):98-106. 被引量：20
5付明林.大型数据库下的水库水轮发电机控制系统设计[J].机械与电子,2022,40(6):47-51.
6吴笃超.外部多源干扰下的发电机励磁系统增益鲁棒性仿真分析[J].微电子学与计算机,2023,40(7):82-88.
7杨弓.水电站一次控制系统的孤立模型分析[J].企业科技与发展,2023(8):29-32.
8钱学敏,赵烽贵,杨刚,罗超.全控器件大型水轮发电机组自动励磁系统设计[J].机械设计与制造工程,2024,53(5):46-50.

1梁虹.现代系统理论与地理系统分析[J].贵州师范大学学报（自然科学版）,1991,9(1):39-44. 被引量：2
2郑海刚,王雪莹,李军辉.PCA方法在GPS坐标时间序列分析中的应用[J].地理空间信息,2013,11(2):117-117. 被引量：3
3刘静,李正从,王智,张翔.基于ICA、PCA与SVM方法的沉积微相定量识别[J].测井技术,2011,35(3):262-265. 被引量：8
4李猛.地理系统分析及系统动态学模型应用[J].新疆大学学报（自然科学版）,1990,7(1):78-83.
5赵盟,卢小平,焦金龙.一种水体提取结果的二值化影像求交优化方法[J].测绘通报,2016(7):21-24.
6黎江林,苏经宇,李宪章.区域地震灾害人员伤亡评估模型研究[J].河南科学,2011,29(7):869-872. 被引量：4
7张耀晔,张杰,朱克云,米洁.FY-3A MWHS资料的质量控制——以四川“8.19”暴雨为例[J].高原山地气象研究,2013,33(1):30-34.
8王权海,苗放.提高地震数据信噪比的PCA方法[J].地球物理学进展,2011,26(3):1039-1044. 被引量：8
9张超.论地理科学的理论研究与新技术手段[J].地理学报,1995,50(1):83-89. 被引量：22
10李明明,周可法,孙莉,秦艳芳,孙雷刚,王桂钢.基于ICA的遥感蚀变信息提取方法的研究[J].干旱区地理,2011,34(2):309-316. 被引量：10

赤峰学院学报（自然科学版）

2011年第12期

浏览历史

内容加载中请稍等...

基于PCA方法的地理系统分析被引量：2

参考文献5

二级参考文献41

共引文献63

同被引文献10

引证文献2

二级引证文献8

相关作者

相关机构

相关主题

浏览历史

基于PCA方法的地理系统分析 被引量：2

参考文献5

二级参考文献41

共引文献63

同被引文献10

引证文献2

二级引证文献8

相关作者

相关机构

相关主题

浏览历史

基于PCA方法的地理系统分析被引量：2