一、分类数据主成分分析法在多选题分析中的应用（论文文献综述）
齐伟男[1]（2020）在《核心利益相关者视角下影视文化企业绩效评价研究》文中提出当今世界,国家和区域之间的竞争,已经从经济领域扩展到文化和创意等多个领域。越来越多的国家和地区开始加大对文化创意产业的投资和支持力度,并将文化创意产业发展规划纳入到国家和区域的战略发展中。作为文化创意产业的典型代表,影视文化企业的迅速成长见证了我国文化创意产业的发展,不论是影视文化产品的对内输入还是对外输出,影视文化企业都肩负着在新时代中国特色社会主义的时代背景下,传播优秀传统文化的历史责任和社会担当。绩效评价作为企业战略发展和日常管理的关键环节,对于企业的发展和目标实现具有重要作用。但当前对影视文化企业及其绩效评估的研究成果较少,单一的财务评价体系难以满足影视文化企业绩效评价的需要,制约了影视文化企业的快速稳健发展,因此本文以影视文化企业为研究对象,探析影视文化企业在核心利益相关者视角下的企业绩效评价问题,力图从我国影视文化企业与其利益相关者的社会网络与行为博弈出发,探索利益相关者理论用于影视文化企业绩效评价的内在逻辑,构建适合影视文化企业实际发展现状与发展趋势的绩效评价指标体系,建立具有实用性和科学性的影视文化企业绩效评价模型,以期为规范、引导并推动影视文化企业持续、健康、高效发展提供相应的对策和决策参考。本研究在对影视文化企业研究背景和相关理论进行论述的基础上,采用了“影视文化企业内涵剖析与相关理论阐述”——“影视文化企业利益相关者社会网络分析”———“影视文化企业绩效评价博弈分析”——“影视文化企业绩效评价指标体系构建”——“熵权神经网络及熵权支持向量机模型构建”——“影视文化企业案例分析”的步骤,使用了先探索后验证,先定性分析再定量探寻的研究思路。在相关理论基础上介绍了影视文化企业的内涵、特征以及利益相关者理论、平衡计分卡理论;在研究方法上主要介绍涉及社会网络分析方法、神经网络算法、支持向量机算法,通过对相关理论和方法的梳理更好地指导本论文后续研究。基于社会网络分析从定性和定量角度对影视文化企业及其利益相关者相关关系进行分析,采用博弈分析探讨影视文化企业绩效评价中政府参与下的企业评价与观众评价之间的博弈关系,并从静态博弈与动态博弈两方面分析,明确政府、观众是影视文化企业的核心利益相关者,进一步结合核心利益相关者视角进行影视文化企业绩效评价指标体系构建。在企业层面基于平衡计分卡财务层面、内部管理层面、学习成长层面从企业影视财管力、企业影视协调力、企业影视创新力方面构建指标体系,在政府、观众视角下参考平衡计分卡客户层面从企业影视消费力、企业影视支持力上选择企业绩效评价指标。基于已经制定的绩效指标体系,论文采用灰色关联度-区间模糊分析法确定影视文化企业期望评级,在指标权重计算上采用模糊一致性逼近方法求解。根据500家模拟仿真企业数据及期望评级,基于熵值法对数据进行熵权化,利用熵权神经网络和熵权支持向量机对模拟仿真企业进行绩效评级预测,对模拟数据进行五折交叉验证提高EWANN和EWSVM预测模型的准确度和泛化能力,由于EWSVM模型预测准确度更好,故将EWSVM评级模型应用于实践。论文最后选取了两家典型企业作为研究对象,开展实证问卷设计与发放（第一批:2016年,第二批:2019年）。剖析两家影视文化企业各自特色,第一批根据第四章建立的指标体系框架收集数据,并通过构建的EWSVM模型对两家企业绩效进行评价。同时进一步结合两个案例中的企业实际情况,使用SWOT分析工具,从企业核心利益相关者角度对企业绩效所体现的优劣势进行深入分析,提出改进建议,最后为检验绩效研究策略实施效果,进行第二批反馈问卷调研,动态观察企业绩效的变化情况。
刘海涛[2]（2020）在《面向企业多源运营数据的管理知识挖掘方法研究》文中指出随着通信与数据采集技术的快速发展和智能移动终端的广泛应用,企业的生产与经营活动时时面对着源自于自身及外部的大量数据,称之为“企业运营数据”。数据已成为各个行业的核心资产和创新驱动力。现代企业的管理模式与决策方式正在从“业务经验驱动”向“数据量化驱动”转变。但是,由于在网络时代背景下,企业运营数据具有来源的多样性、高维、海量、更新不及时、类别不平衡以及多标记等多种特殊性质,使得企业管理工作者普遍面临着“数据充足而知识匮乏”的问题。因而,针对企业运营数据的特殊属性,研究面向企业多源运营数据的处理与管理知识挖掘方法,不仅仅是对数据挖掘技术研究的深化,更是为推动企业管理从“经验驱动”向“数据驱动”的范式转变提供有力的信息处理工具。为解决企业运营数据特征给管理者带来的“数据充足而知识匮乏”的问题,重点从数据的缩减和管理知识的挖掘两个方面开展研究,主要工作如下:（1）结合因素空间理论,从数据降维和降体量两个角度研究企业运营数据的缩减方法。一是提出基于因素决定度的企业数据降维算法RCF,RCF可以有效地约简数据中的冗余因素、降低条件因素间的耦合性,提高后期分析与挖掘方法的效果;二是在降低数据体量问题中,分别提出基于因素背景基理论的企业数据降体量算法CMBPC与动态更新算法UABP。尤其是以约简后的数据构成的背景基,作为企业的核心数据,并利用UABP进行动态更新,可以降低企业的存储与维护成本、加速管理知识的更新。（2）针对现有数据分析方法在管理知识挖掘方面的“黑箱”特性,建立基于企业运营数据的管理知识归纳与推理方法CIDFS,CIDFS由管理规则与知识的归纳算法、推理算法及连续型企业数据的离散化算法三者构成;同时,为提升CIDFS的挖掘性能,建立以CIDFS为基分类器的集成方法RF-CIDFS;针对企业运营数据中的“多标记”问题,对CIDFS进行多标记扩展,提出基于多标记数据的管理知识归纳与推理方法ML-CIDFS及其集成方法RF-ML-CIDFS。（3）应用上述企业运营数据缩减方法与管理知识挖掘方法,分别对以“半导体企业产品质量分析与预测”为代表的企业内部数据、以“基于在线评论信息的商家分类评价”为代表的企业外部数据进行分析,挖掘出相应的管理规则与知识。针对半导体企业产品质量的分析与预测需求,挖掘出工序的5个层次、建立由51条管理规则构成的质量预测模型,给出每条规则的重要度及其排序,得到工序监测顺序。针对基于在线评论信息的商家分类评价需求,建立由16条管理规则构成分类评价模型,给出每条规则的重要度及排名、不同主题对评价结果的重要度及其排名,并给予管理者相应建议。理论分析与实验结果表明:论文提出的基于因素空间理论的企业运营数据缩减方法在降低运营数据体量、提升数据质量、增强管理规则与知识的可用性及可解释性等方面具备有效性;其次,基于企业运营数据的管理知识归纳与推理方法CIDFS,可以挖掘出运营数据中蕴含的因果规则及规则与因素的重要度等管理知识,为企业的管理与决策提供技术方法及知识支撑。RF-CIDFS可以在保持甚至提高CIDFS效率的同时,明显地改善其知识挖掘性能。最后,与经典多标记分类方法相比,RF-ML-CIDFS的分类效果较为突出,且分类效率是分类效果最优的方法中排名最高的,可以有效地应对企业运营数据中,具备多标记特点的大体量数据的分析与管理知识挖掘工作。该论文有图32幅,表59个,参考文献182篇。
刘能丽[3]（2020）在《基于增强高校新生入学满意度的服务设计研究》文中研究表明互联网信息技术的发展和普及,让人们的日常生活方式和工作方式都发生了翻天覆地的改变。基于信息技术的便利和关系链,信息开发变得越来越功能化,软件的运用逐步渗入人类的衣食住行中。随着新时代的发展,越来越多的高效便利的多功能系统程序得以开发运用,新生入学服务系统就是在这样的背景下产生的。新生入学服务系统的设计思维是从人与人之间的直接互动,到借助互联网间接交流的转换。以新生的感知态度为基础,如何通过不同时期、不同情况、新生的不同感知需求去完善新生入学服务系统的设计,以及如何最大程度满足新生在入学过程中的需求,是值得研究和挑战的课题。本研究以信息技术为手段,以满足新生入学需求为切入点进行服务设计创新研究。通过对比传统的迎新入学模式,分析新生在入学过程中的感知需求,探讨高校如何在迎新过程中,为新生提供更舒适便捷的迎新服务和智能化入学手续,提高新生对入学迎新服务的满意度。在具体的研究实施阶段,本文采用通过主成分分析法和扎根理论法深入研究新生对入学服务的感知态度,分析影响新生入学满意度的因子,得到新生对高校迎新过程的服务需求,以及新生在入学前或者入学时对高校的信息需知。针对新生的服务需求,借以信息技术的支持,进行新生入学服务设计。在新生入学迎新服务设计时对服务系统进行信息架构设计和高保真图设置,进行在线服务系统地图、角色扮演、服务交付、服务蓝图、服务供给图设计,并对服务系统进行测试,确定新生入学服务设计系统运行的可行性,以期在实践中增强新生对高校迎新服务满意度。
纪旭阳[4]（2020）在《基于主成分回归法的可研阶段建设工程造价估算模型及实例研究》文中研究指明近年来我国建筑行业快速发展,与此同时建筑企业也面临着激烈的竞争。建筑企业为节省成本提高效益,必须对工程造价进行科学的管理。工程造价的估算是造价管理的首要环节,为后续的造价管理工作奠定了基础。当前工程造价估算方法存在估算精度低,适用条件复杂等问题,不利于工程造价的管理。针对这一现状,本文在研究大量文献后,将主成分回归方法应用于造价估算领域。首先通过互联网造价信息平台收集工程造价案例并进行影响因素分析初步选取13个特征指标并进行量化处理,通过步进法初步回归筛选出5个影响显着的典型特征成本指标。然后利用主成分分析处理回归模型存在的多重共线性问题,建立主成分回归模型并进行还原。最后得出回归模型,经过稳定性检验后结合实际工程案例进行实例应用证明其有效性。本文的研究结果表明:1.在可研阶段商品住宅类建设工程造价估算可从几十项全面系统性成本因子中挖掘出少量典型特征成本指标,本文提取主体结构、基础类型、装修等级、安装工程费、不可竞争费等5个典型特征成本指标。2.通过这些典型特征成本指标,运用主成分分析和多元回归方法构建主成分回归估算模型,在可研阶段估算商品住宅类项目工程造价效果良好,拟合优度佳。3.构建的主成分回归估算模型的估算精度达90%以上,随机选取的3个工程案例验证显示,误差分别为2.4%、14%、7.6%平均误差为8%,估算精度远高于规范的20%误差率,证明该模型能够应用于工程造价估算实践。主成分回归估算模型将数学统计理论应用于造价估算,精度更高,在实践当中容易掌握。主成分回归估算模型为工程造价估算实践提供了新的思路,有一定的借鉴意义。
李气芳[5]（2020）在《相依函数型数据分析方法及其金融应用》文中进行了进一步梳理随着社会科学技术的发展和信息存储技术的提高,越来越容易收集到函数型数据,但现有的大部分函数型数据分析（Functional Data Analysis,FDA）文献,都假设观测到的函数型数据服从独立同分布（i.i.d.）,并在此前提下进行统计分析。然而,像金融等领域的高频数据不仅是天然的函数型数据,另一个重要的特征是这些数据是相依的,即具有很强记忆性。如果用i.i.d.条件下的FDA方法直接对这些相依的函数型数据分析,必然会导致相关统计分析出现偏差。金融市场的高频交易数据,反映了金融市场的运行规律,影响着政府、企业和个人的行为决策。如何利用函数型数据分析方法客观、准确地刻画日内的价格、波动率等变化模式,及时、准确地发现高频数据的内在结构性变化,准确地对未来进行短期预测等都是十分重要的。本文针对以金融高频数据为代表的相依函数型数据,首先提出两种函数表示方法,并把这两种函数表示方法应用到函数假设检验、函数型数据线性回归模型估计以及混频数据分析中。具体来说,主要内容和创新点概括如下:（1）FDA的首要任务是把观测到的离散数据表示成函数,针对相依函数型数据,提出两种函数表示方法。第一种:已有文献利用长期协方差函数替换i.i.d.条件下的协方差函数来修正函数表示,但长期协方差函数的估计面临核函数和窗宽的选择;本文提出利用无截断Bartlett核来对长期协方差函数进行估计,避免选择核函数和窗宽,减少函数表示误差。第二种:提出基于残差协方差函数的函数表示方法,避免使用长期协方差函数;即首先利用自回归模型拟合相依函数型数据得到i.i.d.的残差函数,再用i.i.d.的残差函数估计得到无偏的协方差函数和函数主成分。两种数值模拟结果表明:本文提出的函数表示方法比现有的长期协方差函数表示方法以及i.i.d.条件下的协方差函数表示方法的函数表示误差都要小。利用2016-2018年沪深300股指1分钟高频数据进行实证分析,结果表明:本文提出的基于残差协方差函数的函数表示方法的误差最小。（2）已有文献只考虑利用函数主成分得分序列的长期协方差来修正i.i.d.条件下的均值函数变点检验统计量,而没有考虑函数主成分本身的估计偏差。于是本文提出利用长期协方差函数两步估计法对i.i.d.条件下的检验统计量进行改进:首先估计观测样本的长期协方差函数,得到更加准确的函数主成分;然后利用相依函数主成分得分序列的长期协方差对i.i.d.条件下的统计检验量进行修正。数值模拟结果表明:本文提出的长期协方差函数两步估计法的检验水平与名义水平更接近,检验功效比现有方法更高。对2013年上证180股指1分钟高频数据进行实例分析,结果表明:本文提出的长期协方差函数两步估计法能够正确识别出均值函数变点,而现有的检验方法明显漏掉2个均值函数变点。（3）提出利用无截断Bartlett核和Newey-West估计式对长期协方差函数进行估计,从而对i.i.d.条件下的均值函数相等检验统计量进行改进。数值模拟结果表明:本文提出的基于Newey-West估计式的检验方法的检验水平与名义水平更接近,检验功效比现有的长期协方差检验方法和i.i.d.条件下的检验方法都要高;基于无截断Bartlett核的检验方法比i.i.d.条件下的检验方法的检验功效高。对2018年沪深300和上证180股指1分钟和5分钟高频数据的累积收益率进行检验,结果表明:2018年沪深300和上证180股指1分钟和5分钟的累积收益率均值曲线相等,即这两个市场的投资收益水平相当。（4）函数型数据线性回归模型是研究函数型变量之间关系的一个重要工具。针对相依函数型数据,本文提出相依函数型数据线性回归模型,并把估计方法推广到二元及多元情形。两种数值模拟结果表明:不管是在回归系数函数估计误差还是在样本外预测误差上,本文提出的基于残差协方差函数的估计方法都比其他的估计方法要小。应用2016-2018年沪深300股指1分钟高频数据对开盘价进行预测,结果表明:本文提出的基于残差协方差函数的估计方法的样本外预测误差比其他的估计方法小很多。（5）混频数据抽样（Mixed Data Sampling,MIDAS）模型可以对不同频率的数据进行建模研究,而FDA方法也很适合用来分析混频数据,于是本文提出一元及多元部分相依函数型数据线性回归模型,为混频数据分析提供一种模型方法。数值模拟结果表明:FDA方法比MIDAS和MIDAS-AR（1）模型的样本外预测误差小。选择月度M2和PPI、日度原油价格对月度CPI进行样本外预测,结果表明:FDA方法比MIDAS和MIDAS-AR（1）模型的样本外预测误差小。
陈俊池[6]（2020）在《基于函数型数据聚类分析的股票投资组合策略研究》文中研究说明自1990年我国上交所和深交所成立以来,我国股票交易市场发展迅速,并伴随着全球资本市场的一体化和风险不断的增加,如何规避市场波动,获得更大的回报,构建较优投资组合策略,已成为每个投资者所关注的问题。与此同时,金融数据呈爆发式增长,其波动复杂、高噪声。在面对日趋复杂且繁的数据时,传统分析方法将难以解决,而函数型数据分析方法作为一种较新的数据分析方法,能够处理海量复杂的数据,实现对无限维度数据的模式挖掘,挖掘出更多重要信息。本文以我国上证50指数中的43支成分股为研究对象,首先进行数据的收集、日收益率的计算,再进行数据预处理与函数型数据拟合,转换为函数型数据后,进行函数型数据描述性分析以及函数型数据主成分分析,再利用所得结果,采用K-means聚类方法对43支股票进行聚类,最后再以聚类结果构建不同投资组合策略,对组合收益效果进行验证,以期为投资者构建投资组合策略提供参考。本文的研究结果表明:（1）采用函数型数据分析方法能较好地挖掘出所研究股票的深度信息,并以此进行聚类,可将具有不同收益率走势特征的股票进行区分。（2）使用函数型数据分析方法进行数据重构拟合时,光滑参数λ综合考虑过拟合和过光滑的问题,其效果相比直接取GCV最小值要更优。（3）基于聚类结果进行搭配的策略在投资收益方面明显优于其他策略。由于使用函数型数据聚类分析可以实现对不同收益率走势的股票进行聚类,因而可以基于聚类结果选择不同走势类别的股票进行搭配组合,并进一步挑选出搭配后收益最高的投资组合。证实了函数型数据聚类分析方法在进行股票聚类和投资组合策略选择时存在一定的实践意义,有助于帮助投资者构建有效的投资组合策略。本文的主要创新体现在,对股票投资组合策略研究之中应用了函数型数据分析方法,弥补了传统分析方法只能对散点进行分析、挖掘信息不足等缺陷。另外,在比较各组合策略的收益率时,综合考虑到风险因素,采用风险调整后收益,即夏普比率,为衡量指标。
王玉英[7]（2020）在《基于数据驱动的过程性能评价方法》文中进行了进一步梳理过程性能评价系统在工业生产中以及经济建设中起到了十分重要的作用,而且承担着保障企业安全、稳定运行等重要的社会责任。工业过程系统性能会由于工业过程、人员操作失误、工业过程系统所处的生产等因素造成工业过程系统性能偏离最佳工作性能,可能会导致企业生产经济效益下降甚至发生生产事故。为了及时发现工业过程性能的变化,在工业过程系统性能下降之前对工业过程系统进行调节,需要对工业过程系统性能进行在线性能评价。本文针对工业过程物理或化学模型难以获得以及工业过程性能检测结果难以在线获得的问题,提出了基于数据驱动的工业过程性能在线评价方法。首先阐述了数据驱动方法产生的背景、应用价值及特点,对数据驱动方法的相关算法进行了分析与研究。然后,针对多元统计分析法中主成分分析法的在性能评价中的应用进行了研究,分析了主成分分析法的原理、计算过程及特点。由于主成分分析法在建模时没有将过程变量与质量变量进行关联的不足,本文采用了偏最小二乘法,并对该方法的基本原理、计算过程及优缺点进行分析。并对主成分分析法及偏最小二乘法进行了仿真验证。针对偏最小二乘算法存在的计算过程复杂及没有对数据空间进行正交分解的不足,本文将自回归思想与偏最小二乘法融合设计了自回归潜结构投影算法。该算法能够对样本数据空间进行正交分解,并且能够简化建模过程。最后对算法进行仿真验证。为了得到过程性能的评价结果,本文采用模糊C均值聚类算法与自回归潜结构投影算法结合。对建模使用的样本数据划分类别,并计算各类别的隶属度函数,使用隶属度函数计算在线计算结果对于各类别的隶属度,并依据模糊综合评价方法得到最终的评价结果。最后以高炉炉温状态评价为对象进行仿真,验证了该方法的有效性,为复杂、非线性的过程性能评价提供了一种有效的方案。
薛东玮[8]（2020）在《吕梁市三川河水质评价及预测分析》文中研究表明我国经济的高速发展,人们的生活水平也在稳步提高,但水资源过度的开发利用问题十分严峻,对保护水资源带来了巨大的挑战。吕梁市煤炭资源丰富,但在开采和使用过程中给当地带来了一系列的环境污染问题,三川河作为吕梁市地表水体的重要组成部分,水质问题尤为突出,改善三川河水质环境,保护三川河,有助于吕梁市社会经济的可持续发展。本文以吕梁市三川河上两个国控断面,以及省控、市控断面2016-2019年近四年的水质监测数据为基础,并结合多种统计学软件进行研究,评价及预测了三川河的水质变化情况,为改善三川河的水环境质量提供科学的解决路径。本文主要分为两个部分:1、评价部分:基于SPSS软件采用主成分分析法从时间和空间两个角度评价了三川河的水环境质量,并根据各个断面的主成分得分分析断面水质的变化情况。主成分分析法下选取的7项水质指标可提取出3个主成分,即三个综合指标来研究三川河的水质变化情况,均可通过KMO检验及Bartlett球形检验。通过分析主成分得分表可知三川河的氨氮、总氮严重超标,远远高于Ⅴ类水水质标准,总磷在19年初开始浓度急剧上升,其他指标特别是溶解氧较好,COD的水平持续下降。三川河中游寨东桥断面附近水体污染最为严重,上游西崖底断面的水质污染存在明显的季节性差异,三川河总体属于有机型及富营养化污染。2、预测部分:在主成分分析的基础上,选取氨氮、COD指标对吕梁市三川河寨东桥断面的水质进行短期预测,采用时间序列ARIMA模型预测水质和BP神经网络预测水质两种方法,并比较两种模型的精度。基于时间序列ARIMA（1,1,0）的水质模型,同时拟合了季节性模型进行预测,模型预测结果显示氨氮和COD的平均误差分别约为1.58和2.16,分析可知氨氮的污染程度短期内持续加重,COD的水平下降;而基于MATLAB软件的BP神经网络水质模型,采用了改进的BP算法,氨氮与COD的平均误差分别达到了0.898和1.33,预测结果显示短期内氨氮的污染程度先上升后小幅下降,COD的水平持续降低。两种预测模型的结论基本相同,但改进算法的BP神经网络水质预测模型的精确度更高,采用的自适应调整学习率的梯度下降算法,算法的学习率会随着误差的变化而进行自适应调整,从而使得结果更加的精确,具有更高的参考价值。三川河水域整体的污染情况依然比较严重,水体多为Ⅴ类水甚至劣Ⅴ类水,应当加强水体治理工作,着力减少三川河氨氮、总氮的污染水平,切实提高三川河的水环境质量。
耿国帅[9]（2020）在《青海东昆仑成矿带东段地球化学数据处理方法及找矿靶区圈定》文中指出东昆仑成矿带东段处于青海省中部,与其周边地区共同构成青藏高原北部的重要地质单元,并以其丰富的金、铜、铁、多金属矿产资源,成为国内重要的矿产资源基地之一。目前该地区基本实现了 1:50万、1:20万或1:25万化探数据覆盖,前人基于这些数据,采用传统方法圈定大量的化探综合异常,取得了较好的效果。但仍然存在一些问题。论文以地球化学数据处理为主,把成分数据的处理方法和稳健统计分析的方法应用于数据处理中,充分挖掘地球化学数据的含量信息、空间信息与内部结构信息,综合地球化学各方面特征、应用层次分析法的思路,统计各网格单元的综合信息,从而圈定找矿靶区,取得了如下的成果:1)根据该区矿床产出的地质背景,结合研究区矿床类型划分,把该区的矿床类型分为以基性岩有关的成矿组合（SEDEX型、VHMS型和沉积变质型）,与中酸性岩有关的成矿组合（矽卡岩型、斑岩型和热液脉型）和热液型金矿成矿组合（蚀变岩型和石英脉型）三种组合八种类型。2)提出并应用中值和几何平均值的差与变异常系数图,分析了昆北、昆中、昆南和北巴四个子区较有潜力的成矿元素。指出昆北W、Bi、Pb、Cr、As、Ag等,昆中 Hg、Au、Sb、Mo、Bi、Ag、Sn、W、As 等;昆南 Hg、Sb、Bi、Ni、Au、Cr、Mo、As、Cu、Ag;北巴Hg、Au、Sb、As、W等为该区较有潜力的成矿元素。3)采用两种方法圈定单元素异常,①利用ILR转换后造岩元素的稳健因子分析,进行地球化学分区,对元素含量进行分区标准化,从而圈定各元素异常。②提出利用改进的Aitchison距离方法来圈定单元素异常,从两种方法圈定的效果看,与矿床点的对应关系都较好,但相对而言,Aitchison距离由于考虑了与其它元素的关系,且消除了成分数据的闭合效应,圈定的异常更好。4)利用成矿元素的主成分分析,分别提取了以基性岩成矿、与中酸性岩成矿和与金矿成矿有关的主成分异常。利用主成分分析结果和矿床特征元素,选择Cu、Co、Cr、Ni、V、Zn;Ag、Cd、Pb、Mo、Sn;Au、As、Sb 和 Au、Bi、W四种元素组合,进行稳健马氏距离计算,并圈定马氏距离异常。5)综合分析了 Au、Cu、Co、Pb等元素含量在E、SE、S、SW四个方位的空间变化情况,总体上,元素NS向的空间变化率好于EW向的空间变化率,与区内矿床点的走向一致。对比Au、Cu两元素含量变化等值线图和空间变化率等值线图,认为元素的含量空间变化率等值线图比含量等值线图更具找矿意义。6)综合各类地球化学信息,利用层次分析法的思路,计算各网格单元的成矿信息量,根据信息量,圈定了三类靶区共32处,其中与基性岩成矿有关找矿靶区10处;与酸性岩成矿有关的找矿靶区10处;与热液型金矿有关的找矿靶区12处。在此基础上,圈定10处成矿远景区。在靶区验证中,热液型金矿找矿靶区内发现金、锑矿脉,在与酸性岩成矿有关的找矿靶区内发现了钨的矿化线索。
胡滨[10]（2020）在《基于多源遥感数据的西藏多龙地区热液蚀变矿物提取方法研究》文中研究表明多龙地区已发现多个与中酸性侵入岩有关的斑岩铜矿床,成矿潜力巨大。受限于自然环境恶劣和交通条件落后,该地区难以开展常规地质调查。斑岩铜矿通常具有热液蚀变区域。热液蚀变矿物在可见光近红外-短波红外区间有诊断性光谱吸收特征。因而,将遥感数据用于矿产勘探具有不可替代的优势。在本次研究中,Sentinel-2A MSI,ASTER,Hyperion和AHSI数据被联合用于热液蚀变矿物填图。采用主成分分析法和异常叠加选择法从三景时相的Sentinel-2A MSI影像中提取羟基蚀变信息与铁染蚀变信息。结果被用于评价Sentinel-2A数据在地质领域的潜力。采用随机森林、投票极限学习机和核极限学习机处理ASTER短波红外数据、ASTER短波红外-热红外数据、Hyperion短波红外数据和AHSI短波红外数据。高岭石与绢云母在ASTER影像中会混淆,但可以被Hyperion和AHSI区分开来。主要结果和结论如下:（1）采用Sentinel-2A MSI和ASTER影像来获取蚀变矿物的空间分布范围。使用主成分分析法和异常叠加选择法获取的结果可以去除由干扰引起的假异常。Sentinel-2A MSI数据提取的羟基蚀变矿物对应ASTER数据提取的铝羟基蚀变矿物。Sentinel-2A MSI数据可以被用于矿物填图。采用三种机器学习算法处理ASTER短波红外数据时,采用投票极限学习机的分类结果可以取得最高的总体精度（98.33%）,其次是核极限学习机（98.22%）和随机森林（95.18%）对应的结果。与基于ASTER短波红外数据的分类结果相比,基于ASTER短波红外-热红外数据的分类可以取得更高的总体精度（99.01%）。ASTER热红外波段能够识别镁羟基蚀变矿物,但不能识别铝羟基蚀变矿物。（2）采用Hyperion和AHSI数据对绢云母、高岭石和绿帘石三种矿物进行填图。三种机器学习算法被用于分析Hyperion短波红外数据。采用投票极限学习机算法的分类结果可以取得最高的分类精度（OA=97.31%）,其次是核极限学习机（96.48%）和随机森林（95.52%）对应的结果。Hyperion数据提取的绢云母跟高岭石对应ASTER数据提取的铝羟基蚀变矿物。三种机器学习算法还被用于分析AHSI短波红外数据。采用核极限学习机的分类结果可以取得最高的总体精度（90.60%）,其次是投票极限学习机（89.55%）和随机森林（82.26%）对应的结果。AHSI数据的结果与Hyperion数据的结果具有一致性。（3）遥感影像获取的热液蚀变范围与实地调查确定的蚀变范围相吻合。野外调查和光谱反射率测量证实了遥感图像处理结果。结果表明已经的铜矿床都可被这些方法识别。根据遥感图像处理的结果发现了三个与中酸性侵入岩有关的成矿远景区。
二、分类数据主成分分析法在多选题分析中的应用（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、分类数据主成分分析法在多选题分析中的应用（论文提纲范文）
（1）核心利益相关者视角下影视文化企业绩效评价研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外相关研究综述 |
| 1.2.1 企业绩效评价 |
| 1.2.2 影视文化企业绩效评价 |
| 1.2.3 国内外现状研究评述 |
| 1.3 研究内容与研究方法 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 1.3.3 研究的创新点 |
| 2 相关理论基础与分析方法 |
| 2.1 相关概念及理论基础 |
| 2.1.1 影视文化企业 |
| 2.1.2 利益相关者理论 |
| 2.1.3 平衡计分卡理论 |
| 2.2 相关统计分析方法 |
| 2.2.1 社会网络分析 |
| 2.2.2 神经网络算法 |
| 2.2.3 支持向量机算法 |
| 2.3 本章小结 |
| 3 影视文化企业及其利益相关者相关性分析 |
| 3.1 影视文化企业利益相关者及其利益关联 |
| 3.1.1 影视文化企业的利益相关者界定 |
| 3.1.2 影视文化企业外部利益相关者之间的利益关联 |
| 3.2 影视文化企业利益相关者社会网络分析 |
| 3.2.2 影视文化企业利益相关者中心度分析 |
| 3.2.3 影视文化企业与外部利益相关者中心度分析 |
| 3.3 影视文化企业与观众在企业绩效评价中的博弈分析 |
| 3.3.1 影视文化企业与观众的静态博弈 |
| 3.3.2 影视文化企业与观众的动态博弈 |
| 3.3.3 影视文化企业绩效评价博弈结论 |
| 3.4 本章小结 |
| 4 核心利益相关者视角下影视文化企业绩效评价指标体系构建 |
| 4.1 影视文化企业绩效评价指标体系构建思路与原则 |
| 4.1.1 指标体系构建思路 |
| 4.1.2 评价指标体系构建原则 |
| 4.2 核心利益相关者视角下影视文化企业绩效评价指标选取 |
| 4.2.1 企业视角评价维度 |
| 4.2.2 观众视角评价维度 |
| 4.2.3 政府视角评价维度 |
| 4.3 影视文化企业绩效评价指标体系确定 |
| 4.4 本章小结 |
| 5 核心利益相关者视角下影视文化企业绩效评价模型 |
| 5.1 影视文化企业期望绩效评级 |
| 5.1.1 区间模糊矩阵一致性逼近 |
| 5.1.2 影视文化企业绩效评价指标权重计算 |
| 5.1.3 模拟样本企业期望绩效评级 |
| 5.2 影视文化企业绩效评价模型 |
| 5.2.1 样本数据处理 |
| 5.2.2 影视文化企业绩效评价熵权神经网络模型 |
| 5.2.3 影视文化企业绩效评价熵权支持向量模型 |
| 5.3 本章小结 |
| 6 影视文化企业绩效评价案例分析 |
| 6.1 问卷设计与发放 |
| 6.1.1 问卷设计 |
| 6.1.2 样本选择与问卷发放 |
| 6.1.3 问卷信效度检验 |
| 6.2 N企业评价实例分析 |
| 6.2.1 N企业基本情况与特色分析 |
| 6.2.2 N企业利益相关者绩效评价分析 |
| 6.2.3 N企业利益相关者战略分析与改善建议 |
| 6.3 B企业评价实例分析 |
| 6.3.1 B企业基本情况与特色分析 |
| 6.3.2 B企业利益相关者绩效评价分析 |
| 6.3.3 B企业利益相关者战略分析与改善建议 |
| 6.4 N、B企业反馈绩效评价 |
| 6.5 本章小结 |
| 7 研究结论与展望 |
| 7.1 研究结论 |
| 7.2 研究展望 |
| 参考文献 |
| 附录一 影视文化企业利益相关者社会网络调查问卷 |
| 附录二 影视文化企业绩效问卷调查(企业) |
| 附录三 影视文化企业绩效问卷调查(观众) |
| 附录四 影视文化企业绩效问卷调查(政府) |
| 攻读学位期间发表的论文、科研成果 |
| 致谢 |
（2）面向企业多源运营数据的管理知识挖掘方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.3 国内外研究现状 |
| 1.4 研究内容与技术路线 |
| 1.5 小结 |
| 2 相关基础理论 |
| 2.1 因素空间与背景关系 |
| 2.2 数据缩减方法 |
| 2.3 数据分类分析方法 |
| 2.4 多标记分类方法 |
| 2.5 小结 |
| 3 企业运营数据的特征与数据分析任务 |
| 3.1 企业运营数据的内涵、作用与发展趋势 |
| 3.2 网络时代企业运营数据的特征 |
| 3.3 企业运营数据分析的主要困难与研究任务 |
| 3.4 小结 |
| 4 基于因素空间理论的企业运营数据缩减方法研究 |
| 4.1 基于因素决定度的企业数据降维算法研究 |
| 4.2 企业数据降体量与动态更新的因素背景基算法研究 |
| 4.3 小结 |
| 5 基于企业运营数据的管理知识归纳与推理方法研究 |
| 5.1 管理规则与知识的归纳算法 |
| 5.2 管理规则与知识的推理算法 |
| 5.3 连续型企业数据的离散化算法 |
| 5.4 CIDFS的集成方法 |
| 5.5 基于多标记数据的管理知识归纳与推理方法 |
| 5.6 小结 |
| 6 基于企业产品质量与在线评论数据的知识挖掘案例研究 |
| 6.1 半导体企业产品质量分析与预测研究 |
| 6.2 基于在线评论信息的商家分类评价研究 |
| 6.3 小结 |
| 7 结论与创新点 |
| 7.1 结论 |
| 7.2 创新点 |
| 7.3 展望 |
| 参考文献 |
| 查新结论 |
| 作者简历 |
| 学位论文数据集 |
（3）基于增强高校新生入学满意度的服务设计研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题背景来源 |
| 1.2 课题的目的和意义 |
| 1.2.1 课题目的 |
| 1.2.2 课题意义 |
| 1.3 本课题研究思路和创新点 |
| 1.3.1 研究问题 |
| 1.3.2 研究方法 |
| 1.3.3 研究创新点 |
| 1.3.4 课题框架 |
| 2 文献综述 |
| 2.1 课主成分分析的国内外研究综述 |
| 2.2 扎根理论的国内外研究综述 |
| 2.3 新生入学的国内外研究综述 |
| 3 新生入学迎新服务设计研究 |
| 3.1 主成分分析的国内外研究综述 |
| 3.1.1 新生入学迎新服务设计的流程分析 |
| 3.1.2 不同新生入学迎新服务流程的对比研究 |
| 3.1.3 未来新生入学迎新服务设计的发展趋势 |
| 4 新生入学迎新服务设计调研与分析 |
| 4.1 新生入学迎新服务设计调研 |
| 4.1.1 新生入学迎新服务设计调研流程 |
| 4.1.2 调研范围及调研方法 |
| 4.2 目标人群的调研与分析方法 |
| 4.2.1 里克特量表法 |
| 4.2.2 问卷设计与制作 |
| 4.3 新生入学迎新服务的主成分分析 |
| 4.3.1 可靠性分析 |
| 4.3.2 主成分分析 |
| 4.4 新生入学迎新服务的扎根理论分析 |
| 4.4.1 新生入学服务设计的扎根理论调研对象分析 |
| 4.4.2 针对新生入学服务的访谈内容收集 |
| 4.5 新生入学服务的扎根理论编码分析 |
| 4.5.1 一级编码 |
| 4.5.2 二级编码 |
| 4.5.3 三级编码 |
| 4.5.4 新生入学的迎新服务的扎根理论研究结论 |
| 5 新生入学的迎新服务设计体验 |
| 5.1 服务设计的分析研究 |
| 5.1.1 服务设计的原则 |
| 5.1.2 服务设计的方法和工具 |
| 5.1.3 服务设计的设计流程 |
| 5.2 区分用户和用户画像 |
| 5.3 体验地图分析 |
| 5.4 新生入学的服务概念设计 |
| 5.4.1 信息架构梳理 |
| 5.4.2 高保真图绘制和测试 |
| 5.5 服务原型测试 |
| 5.5.1 在线服务系统地图 |
| 5.5.2 角色扮演 |
| 5.6 服务设计交付 |
| 5.6.1 服务蓝图 |
| 5.6.2 服务供给图 |
| 5.7 服务设计总结 |
| 6 小结 |
| 致谢 |
| 参考文献 |
| 附录A: 新生对新生入学过程中的满意度调查 |
| 附录B: 基于扎根理论方法的访谈的问题与答案——部分 |
| 附录C: 基于扎根理论方法的访谈文本——部分 |
（4）基于主成分回归法的可研阶段建设工程造价估算模型及实例研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 选题的研究背景和意义 |
| 1.1.1 选题背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究综述 |
| 1.2.1 国外关于工程造价估算研究综述 |
| 1.2.2 国内关于工程造价估算方法研究综述 |
| 1.2.3 国内外主成分回归造价估算模型研究综述 |
| 1.3 论文的主要研究内容和目的 |
| 1.3.1 论文的研究内容 |
| 1.3.2 论文的研究目的 |
| 1.4 论文的研究方法和技术路线 |
| 1.4.1 论文的研究方法 |
| 1.4.2 论文的技术路线 |
| 1.5 论文的创新点 |
| 1.6 本章小结 |
| 第2章 工程造价相关理论与估算方法 |
| 2.1 工程造价相关概念 |
| 2.1.1 工程造价 |
| 2.1.2 工程造价的组成 |
| 2.1.3 工程造价的估算 |
| 2.2 工程造价估算的方法 |
| 2.2.1 常用的工程造价估算方法 |
| 2.2.2 工程造价估算回归模型 |
| 2.2.3 工程造价估算回归模型的适用性 |
| 2.3 本章小结 |
| 第3章 工程造价估算模型变量识别与样本数据处理 |
| 3.1 建设工程项目与费用构成分析 |
| 3.1.1 建设工程项目与费用构成 |
| 3.1.2 费用构成分析 |
| 3.2 变量的类型 |
| 3.3 选取特征指标的原则 |
| 3.4 初步选取特征指标 |
| 3.5 样本数据处理 |
| 3.5.1 样本数据预处理方法 |
| 3.5.2 样本数据对数化处理 |
| 3.6 本章小结 |
| 第4章 初步建立回归模型与主成分分析应用 |
| 4.1 步进法回归与主成分分析相关理论 |
| 4.1.1 步进法选元 |
| 4.1.2 主成分分析法的理论基础 |
| 4.1.3 主成分分析目的及应用条件 |
| 4.1.4 主成分分析法实施步骤 |
| 4.2 初步回归及共线性诊断 |
| 4.3 主成分分析应用 |
| 4.3.1 判断变量相关性 |
| 4.3.2 KMO及显着性检验 |
| 4.3.3 总方差解释和碎石图 |
| 4.3.4 成分得分系数矩阵 |
| 4.3.5 主成分因子得分 |
| 4.4 本章小结 |
| 第5章 工程造价估算回归模型构建与实例验证 |
| 5.1 建设工程造价估算回归模型构建 |
| 5.1.1 收集数据建立样本数据库 |
| 5.1.2 建立假设回归方程 |
| 5.1.3 计算回归系数 |
| 5.2 建设工程造价估算模型的稳定性检验 |
| 5.3 估算模型应用实例 |
| 5.4 本章小结 |
| 第6章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（5）相依函数型数据分析方法及其金融应用（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 选题背景与意义 |
| 1.1.1 选题背景 |
| 1.1.2 选题意义 |
| 1.2 国内外文献综述 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.2.3 文献评述 |
| 1.3 研究内容与方法 |
| 1.4 本文创新之处 |
| 第2章 函数型数据分析方法简介 |
| 2.1 函数型数据定义 |
| 2.1.1 函数型数据 |
| 2.1.2 相依函数型数据 |
| 2.2 函数型数据表示 |
| 2.2.1 外生基法 |
| 2.2.2 内生基法 |
| 2.3 函数型数据线性回归模型 |
| 2.3.1 自变量是函数型变量 |
| 2.3.2 因变量是函数型变量 |
| 2.3.3 因变量和自变量均是函数型变量 |
| 2.4 函数型数据的均值函数假设检验 |
| 2.4.1 单个独立函数型数据的均值函数变点检验 |
| 2.4.2 两个独立函数型数据的均值函数相等检验 |
| 本章小结 |
| 第3章 相依函数型数据表示新方法及其金融应用 |
| 3.1 基于长期协方差函数估计的相依函数型数据表示 |
| 3.1.1 基于短期协方差函数估计的函数型数据表示 |
| 3.1.2 基于长期协方差函数估计的相依函数型数据表示 |
| 3.2 基于无截断Bartlett核估计的相依函数型数据表示 |
| 3.3 基于残差协方差函数估计的相依函数型数据表示 |
| 3.4 函数表示数值模拟与分析 |
| 3.4.1 基于FAR(1)和分数阶单整的相依函数型数据生成 |
| 3.4.2 函数表示模拟结果分析 |
| 3.5 函数表示方法在沪深300股指1分钟高频数据中的应用 |
| 3.5.1 沪深300股指1分钟高频数据的函数表示 |
| 3.5.2 沪深300股指1分钟高频数据函数表示的稳健性分析 |
| 本章小结 |
| 第4章 相依函数型数据均值函数变点和均值函数相等检验及其金融应用.. |
| 4.1 单个相依函数型数据的均值函数变点检验 |
| 4.2 均值函数变点检验的数值模拟与分析 |
| 4.2.1 基于FAR(1)的相依函数型数据生成 |
| 4.2.2 均值函数变点检验模拟结果分析 |
| 4.3 两个相依函数型数据的均值函数相等检验 |
| 4.4 均值函数相等检验的数值模拟与分析 |
| 4.4.1 基于FAR(1)的相依函数型数据生成 |
| 4.4.2 均值函数相等检验的模拟结果分析 |
| 4.5 高频股指数据的均值函数变点和均值函数相等检验 |
| 4.5.1 上证180股指1分钟高频数据的均值函数变点检验 |
| 4.5.2 上证180和沪深300股指1分钟累积收益率的均值函数相等检验 |
| 本章小结 |
| 第5章 相依函数型数据线性回归模型估计及其金融应用 |
| 5.1 一元相依函数型数据线性回归模型 |
| 5.1.1 自变量是相依函数型变量 |
| 5.1.2 因变量和自变量均是相依函数型变量 |
| 5.2 多元相依函数型数据线性回归模型 |
| 5.2.1 自变量是函数型变量 |
| 5.2.2 因变量和自变量均是相依函数型变量 |
| 5.3 相依函数型数据线性回归模型的数值模拟与分析 |
| 5.3.1 基于FAR(1)和分数阶单整的相依函数型数据生成 |
| 5.3.2 回归模拟结果分析 |
| 5.4 基于相依函数型数据线性回归模型的高频股指开盘价预测 |
| 5.4.1 沪深300股指1分钟高频数据开盘价的预测 |
| 5.4.2 沪深300股指1分钟高频数据开盘价预测的稳健性分析 |
| 本章小结 |
| 第6章 部分相依函数型数据线性回归模型及在混频数据中的应用 |
| 6.1 混频数据抽样模型简介 |
| 6.1.1 混频数据抽样模型 |
| 6.1.2 混频数据抽样模型估计 |
| 6.2 部分相依函数型数据线性回归模型 |
| 6.2.1 一元部分相依函数型数据线性回归模型估计 |
| 6.2.2 二元部分相依函数型数据线性回归模型估计 |
| 6.2.3 多元部分相依函数型数据线性回归模型估计 |
| 6.3 部分相依函数型数据线性回归模型的数值模拟 |
| 6.3.1 基于混频模型和ARMA(2,2)的相依函数型数据生成 |
| 6.3.2 回归模拟结果分析 |
| 6.4 基于部分相依函数型数据线性回归模型的CPI混频预测 |
| 本章小结 |
| 第7章 结论与展望 |
| 7.1 研究结论 |
| 7.2 研究不足与展望 |
| 参考文献 |
| 致谢 |
| 在学期间发表的学术论文及研究成果 |
（6）基于函数型数据聚类分析的股票投资组合策略研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 选题背景和意义 |
| 1.2 国内外文献综述 |
| 1.2.1 国内外研究动态 |
| 1.2.2 总结性评述 |
| 1.3 研究内容与方法 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 1.4 本文特色与创新 |
| 第2章 函数型数据分析简介 |
| 2.1 函数型数据的定义及优势 |
| 2.2 函数型数据的预处理与重构 |
| 2.2.1 基函数拟合法 |
| 2.2.2 粗糙惩罚法 |
| 2.3 函数型数据描述性分析 |
| 2.4 函数型数据主成分分析 |
| 2.5 函数型数据聚类分析 |
| 第3章 投资策略的构建与应用 |
| 3.1 数据来源与日收益率计算 |
| 3.2 日收益率数据的曲线拟合 |
| 3.3 日收益率曲线的描述性分析 |
| 3.4 日收益率的函数型数据主成分分析 |
| 3.5 基于函数型数据主成分分析结果的聚类分析 |
| 3.6 投资组合策略的比较分析 |
| 第4章 结论与展望 |
| 4.1 主要研究结论 |
| 4.2 研究不足与展望 |
| 参考文献 |
| 致谢 |
| 个人简历、在学期间发表的学术论文与研究成果 |
（7）基于数据驱动的过程性能评价方法（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 过程性能评价与国内外研究现状 |
| 1.2.1 过程性能评价 |
| 1.2.2 国内外研究现状 |
| 1.3 章节安排 |
| 2 数据驱动方法及相关算法 |
| 2.1 前言 |
| 2.2 数据驱动方法 |
| 2.2.1 基于多元统计分析的数据驱动方法 |
| 2.2.2 基于人工智能的数据驱动方法 |
| 2.2.3 基于信号处理的数据驱动方法 |
| 2.3 基于统计分析的数据驱动方法 |
| 2.3.1 主成分分析法 |
| 2.3.2 偏最小二乘法 |
| 2.4 本章小结 |
| 3 基于主成分分析的模型建立 |
| 3.1 前言 |
| 3.2 主成分分析算法 |
| 3.2.1 主成分分析法原理 |
| 3.2.2 主成分分析法计算步骤 |
| 3.2.3 主成分分析法的优缺点 |
| 3.2.4 多元线性回归模型 |
| 3.3 仿真分析 |
| 3.3.1 高炉生产过程描述 |
| 3.3.2 基于主成分分析的高炉铁水硅含量模型 |
| 3.4 本章小结 |
| 4 基于偏最小二乘法的模型建立 |
| 4.1 引言 |
| 4.2 偏最小二乘法及改进算法 |
| 4.2.1 偏最小二乘法 |
| 4.2.2 自回归潜结构投影(AR-PLS)算法 |
| 4.3 仿真验证 |
| 4.3.1 基于PLS的高炉铁水硅含量模型 |
| 4.3.2 基于AR-PLS的高炉铁水含硅量模型 |
| 4.4 本章小结 |
| 5 基于模糊C均值聚类算法过程性能评价 |
| 5.1 引言 |
| 5.2 模糊C均值聚类分析算法 |
| 5.3 性能评价方法 |
| 5.3.1 模糊综合评价方法 |
| 5.3.2 基于自回归潜结构投影算法的性能评价方法 |
| 5.4 仿真验证 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间发表的学术论文目录 |
（8）吕梁市三川河水质评价及预测分析（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外文献综述 |
| 1.2.1 水质评价研究进展 |
| 1.2.2 水质预测研究进展 |
| 1.2.3 文献评述与总结 |
| 1.3 研究内容与技术路线图 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线图 |
| 1.4 研究方法概述 |
| 1.4.1 主成分和因子分析理论 |
| 1.4.2 时间序列基本理论 |
| 1.4.3 神经网络 |
| 1.5 论文创新点 |
| 1.6 论文的基本结构 |
| 第2章 研究区域概况 |
| 2.1 吕梁市概况 |
| 2.1.1 自然地理 |
| 2.1.2 社会经济 |
| 2.1.3 水资源概况 |
| 2.2 三川河水系 |
| 2.3 水质研究断面情况简介 |
| 2.3.1 目标断面介绍 |
| 2.3.2 指标选取的意义 |
| 第3章 基于SPSS主成分分析评价三川河水质 |
| 3.1 水质数据处理及分析方法 |
| 3.1.1 数据来源 |
| 3.1.2 数据分析方法 |
| 3.1.3 数据预处理 |
| 3.2 基于SPSS主成分分析的三川河水质空间评价 |
| 3.2.1 三川河同一年份不同断面的PCA分析 |
| 3.2.2 基于PCA分析的KMO检验及Bartlett球形检验 |
| 3.2.3 基于PCA分析的相关性矩阵 |
| 3.2.4 计算特征值和主成分贡献率 |
| 3.2.5 求得旋转后的成分矩阵、成分得分系数矩阵 |
| 3.2.6 主成分分析结果 |
| 3.2.7 结论 |
| 3.3 基于SPSS主成分分析的三川河水质时间评价 |
| 3.3.1 三川河寨东桥断面2016—2019 年的主成分分析 |
| 3.3.2 构建时序图分析三川河水质污染情况 |
| 3.4 本章小结 |
| 第4章 基于时间序列ARIMA模型预测三川河水质 |
| 4.1 时间序列ARIMA模型 |
| 4.2 模型评价指标 |
| 4.3 吕梁市三川河水质预测的ARIMA(p,d,q)模型 |
| 4.3.1 建立氨氮的时序图 |
| 4.3.2 平稳性检验 |
| 4.3.3 白噪声检验 |
| 4.3.4 模型预测结果 |
| 4.4 结论 |
| 4.5 本章小结 |
| 第5章 基于BP神经网络模型预测三川河水质 |
| 5.1 BP神经网络 |
| 5.1.1 基本概念 |
| 5.1.2 BP网络的特点和算法 |
| 5.2 构建BP神经网络水质预测模型 |
| 5.2.1 BP神经网络模型的训练 |
| 5.2.2 BP神经网络模型预测结果 |
| 5.3 结论 |
| 5.4 本章小结 |
| 第6章 改善三川河水质的对策及建议 |
| 结论与展望 |
| 1、结论 |
| 2、展望 |
| 附录 |
| 附录1 主成分分析2016与2018 年的结果 |
| 附录2 COD的 ARIMA模型预测结果 |
| 附录3 BP神经网络预测MATLAB代码 |
| 1、BP神经网络预测氨氮指标的MATLAB代码 |
| 2、BP神经网络预测COD指标的MATLAB代码 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间发表的论文和其它科研情况 |
（9）青海东昆仑成矿带东段地球化学数据处理方法及找矿靶区圈定（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 选题背景及意义 |
| 1.1.1 选题背景 |
| 1.1.2 选题意义 |
| 1.2 研究区范围及交通地理概况 |
| 1.3 勘查地球化学的研究现状 |
| 1.4 化探信息提取 |
| 1.4.1 背景和异常的概念 |
| 1.4.2 背景和异常确定方法的分类 |
| 1.4.3 异常下限的确定 |
| 1.5 化探数据处理的两个进展 |
| 1.5.1 稳健分析 |
| 1.5.2 成分数据 |
| 1.6 东昆仑成矿带东段地球化学研究进展及存在问题 |
| 1.6.1 地球化学研究进展 |
| 1.6.2 存在问题 |
| 1.7 科学问题、研究思路、研究内容及完成工作量 |
| 1.7.1 科学问题 |
| 1.7.2 研究思路 |
| 1.7.3 研究内容 |
| 1.7.4 完成的主要工作量 |
| 1.8 两点说明 |
| 第二章 区域成矿地质背景 |
| 2.1 区域地质 |
| 2.1.1 区域大地构造背景 |
| 2.1.2 区域地层 |
| 2.1.3 研究区主要构造及构造单元划分 |
| 2.1.4 岩浆岩 |
| 2.2 区域地球物理特征 |
| 2.2.1 区域重力场特征 |
| 2.2.2 区域磁场特征 |
| 2.3 区域矿产特征及成矿区带划分 |
| 2.3.1 区域矿产特征 |
| 2.3.2 成矿区带划分及各带成矿规律 |
| 2.4 小结 |
| 第三章 区域地球化学特征 |
| 3.1 区域地球化学总体特征 |
| 3.1.1 元素分布特征 |
| 3.1.2 元素富集离散特征 |
| 3.1.3 元素的共生组合特征 |
| 3.2 元素的时空分布规律 |
| 3.2.1 元素的时间分布规律 |
| 3.2.2 元素的空间分布规律 |
| 3.3 元素在各地质子区中的具体特征 |
| 3.3.1 昆北子区元素特征 |
| 3.3.2 昆中子区元素特征 |
| 3.3.3 昆南子区元素特征 |
| 3.3.4 北巴子区元素特征 |
| 3.4 小结 |
| 第四章 数据处理及异常识别 |
| 4.1 数据处理和异常识别的原则及影响因素 |
| 4.1.1 影响区域地球化学背景的因素 |
| 4.2 单元素数据处理及异常圈定 |
| 4.2.1 ILR变换后数据因子分区标准化方法 |
| 4.2.2 Aitchison距离圈定地球化学异常的方法 |
| 4.3 多元异常圈定 |
| 4.3.1 主成分分析法 |
| 4.3.2 马氏距离法 |
| 4.4 元素含量的空间变化率 |
| 4.4.1 具体做法 |
| 4.4.2 主要成矿元素的空间变化率 |
| 4.5 小结 |
| 第五章 基于地球化学数据的靶区圈定 |
| 5.1 思路 |
| 5.2. 具体做法 |
| 5.2.1 选择地球化学参数 |
| 5.2.2 确定各地球化学参数的权重系数 |
| 5.2.3 各地球化学参数赋值及单元格划分 |
| 5.3 3种类型的找矿信息量及靶区圈定 |
| 5.3.1 与基性岩成矿有关的找矿靶区 |
| 5.3.2 与中酸性岩成矿有关的找矿靶区 |
| 5.3.3 与热液型金矿有关的找矿靶区 |
| 5.4 典型成矿远景区评述 |
| 5.4.1 小干沟-西藏大沟成矿远景区(Y_1) |
| 5.4.2 五龙沟一带成矿远景区(Y_3) |
| 5.4.3 诺木洪郭勒一波洛斯太一带成矿远景区(Y_5) |
| 5.4.4 大厂一扎陵湖一带成矿远景区(Y_7) |
| 5.4.5 东山根一沟里一带成矿远景区(Y_8) |
| 5.4.6 孟可特一冬给措纳湖一带成矿远景区(Y_(10)) |
| 5.4.7 Y_1、Y_5、Y_7、Y_8四个远景区内金矿的找矿潜力分析 |
| 5.5 远景区找矿发现 |
| 5.6 小结 |
| 第六章 结束语 |
| 6.1 主要结论及创新点 |
| 6.1.1 主要结论 |
| 6.1.2 创新点 |
| 6.2 存在问题 |
| 致谢 |
| 参考文献 |
| 附录 |
（10）基于多源遥感数据的西藏多龙地区热液蚀变矿物提取方法研究（论文提纲范文）
| 作者简历 |
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 选题依据与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 波段比值法和主成分分析法国内外研究现状 |
| 1.2.2 混合像元分解算法国内外研究现状 |
| 1.2.3 机器学习算法国内外研究现状 |
| 1.3 研究内容与方法 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 1.4 论文的结构安排 |
| 第二章 遥感蚀变信息提取的地质理论基础与方法 |
| 2.1 遥感蚀变信息提取的地质理论基础 |
| 2.2 蚀变信息提取所用方法 |
| 2.2.1 随机森林算法 |
| 2.2.2 投票极限学习机算法 |
| 2.2.3 核极限学习机算法 |
| 2.2.4 匹配滤波算法 |
| 2.3 本章小结 |
| 第三章 研究区地质概况与数据源 |
| 3.1 区域地质背景 |
| 3.2 多龙地区地层岩性 |
| 3.3 多龙地区区域构造 |
| 3.4 多龙地区岩浆岩 |
| 3.5 多龙地区典型矿区 |
| 3.5.1 多不杂矿区 |
| 3.5.2 波龙矿区 |
| 3.5.3 拿若矿区 |
| 3.5.4 铁格隆南矿区 |
| 3.5.5 赛角矿区 |
| 3.6 遥感数据源 |
| 3.6.1 Sentinel-2A MSI数据 |
| 3.6.2 EO-1 Hyperion数据 |
| 3.6.3 ASTER数据 |
| 3.6.4 高分五号AHSI数据 |
| 3.7 本章小结 |
| 第四章 多光谱遥感数据矿化蚀变信息提取 |
| 4.1 基于Sentinel-2A MSI数据的矿化蚀变信息提取 |
| 4.1.1 Sentinel-2A MSI数据预处理 |
| 4.1.2 羟基类蚀变矿物信息提取 |
| 4.1.3 铁染类蚀变矿物信息提取 |
| 4.1.4 Sentinel-2A MSI影像提取蚀变信息分析 |
| 4.2 基于ASTER数据的矿化蚀变信息提取 |
| 4.2.1 ASTER数据预处理 |
| 4.2.2 ASTER SWIR数据处理 |
| 4.2.3 ASTER TIR数据处理 |
| 4.2.4 ASTER SWIR-TIR数据处理 |
| 4.2.5 ASTER SWIR-TIR影像提取蚀变信息分析 |
| 4.3 本章小结 |
| 第五章 高光谱遥感数据矿化蚀变信息提取 |
| 5.1 基于Hyperion数据的矿化蚀变信息提取 |
| 5.1.1 Hyperion数据预处理 |
| 5.1.2 Hyperion SWIR数据处理 |
| 5.1.3 Hyperion SWIR影像提取蚀变信息分析 |
| 5.2 基于高分五号AHSI数据的矿化蚀变信息提取 |
| 5.2.1 高分五号AHSI数据预处理 |
| 5.2.2 高分五号AHSI SWIR数据处理 |
| 5.2.3 高分五号AHSI SWIR影像提取蚀变信息分析 |
| 5.3 本章小结 |
| 第六章 成矿预测 |
| 6.1 不同遥感数据所得结果的对比分析 |
| 6.2 实地验证 |
| 6.3 基于多源遥感信息的成矿预测 |
| 6.4 本章小结 |
| 第七章 结论与展望 |
| 7.1 结论 |
| 7.2 创新点 |
| 7.3 展望 |
| 致谢 |
| 参考文献 |
四、分类数据主成分分析法在多选题分析中的应用（论文参考文献）
- [1]核心利益相关者视角下影视文化企业绩效评价研究[D]. 齐伟男. 华中师范大学, 2020(02)
- [2]面向企业多源运营数据的管理知识挖掘方法研究[D]. 刘海涛. 辽宁工程技术大学, 2020
- [3]基于增强高校新生入学满意度的服务设计研究[D]. 刘能丽. 景德镇陶瓷大学, 2020(01)
- [4]基于主成分回归法的可研阶段建设工程造价估算模型及实例研究[D]. 纪旭阳. 南昌大学, 2020(01)
- [5]相依函数型数据分析方法及其金融应用[D]. 李气芳. 华侨大学, 2020(11)
- [6]基于函数型数据聚类分析的股票投资组合策略研究[D]. 陈俊池. 华侨大学, 2020(01)
- [7]基于数据驱动的过程性能评价方法[D]. 王玉英. 辽宁石油化工大学, 2020(04)
- [8]吕梁市三川河水质评价及预测分析[D]. 薛东玮. 山西财经大学, 2020(12)
- [9]青海东昆仑成矿带东段地球化学数据处理方法及找矿靶区圈定[D]. 耿国帅. 中国地质大学(北京), 2020(01)
- [10]基于多源遥感数据的西藏多龙地区热液蚀变矿物提取方法研究[D]. 胡滨. 中国地质大学, 2020(03)