PCA likelihood ratio test approach for attributed social networks monitoring

Abstract

One of the most important factors in building and changing communication mechanisms in social networks is considering features of the members of social networks. Most of the existing methods in network monitoring don’t consider effects of features in network formation mechanisms and others don’t lead to reliable results when the features abound or when there are correlations among them. In this article, we combined two methods principal component analysis (PCA) and likelihood method to monitor the underlying network model when the features of individuals abound and when some of them have high correlations with each other.     

FEPA-金融时间序列自适应组合预测模型

本文报告一种金融时间序列预测的信号分析、信息融合与智能计算组合模型，简称FEPA，由针对金融时间序列（FTS）信号分析的经验模态分解（EMD）、用于数据降维的主成分分析（PCA）和用于非线性建模的人工神经网络（ANN）三部分组成。该模型首先应用滑动窗口截取原始金融时间序列最近期数据集，应用EMD分解算法把数据集分解成不同尺度的本征模态函数（IMF），然后通过主成分分析将分解后的数据降维，提取最有信息量的特征；然后将这些特征输入到神经网络进行组合预测。本文提出的组合预测模型FEPA是基于分解-提优-合成的信息融合思想，有效提高了预测可靠性。其创新点在于：1）首次给出了EMD算法的结构化表达，提供了今后融合更多信息的算法接口；2）通过多步长预测输出深入研究EMD分解的有效信息结构；3）通过切换到更细时间框架来处理EMD的端点效应，并探索了两级时间框架下的预测效果；4）给出了金融时间序列组合预测模型的一般性架构，具有可升级性和可扩展性。并且通过滑动窗口EMD使得实证更能切近实际。通过在沪深300股指和澳大利亚股指上的实证，结果表明FEPA预测模型在沪深300股指日线和15分钟线上的预测命中率高达78%和82%，在澳大利亚股指日线上也达到了74%的命中率，经比较，明显高于文献中常见的5种模型。     

Geometric consistency of principal component scores for high-dimensional mixture models and its application

In this article, we consider clustering based on principal component analysis (PCA) for high-dimensional mixture models. We present theoretical reasons why PCA is effective for clustering high-dimensional data. First, we derive a geometric representation of high-dimension, low-sample-size (HDLSS) data taken from a two-class mixture model. With the help of the geometric representation, we give geometric consistency properties of sample principal component scores in the HDLSS context. We develop ideas of the geometric representation and provide geometric consistency properties for multiclass mixture models. We show that PCA can cluster HDLSS data under certain conditions in a surprisingly explicit way. Finally, we demonstrate the performance of the clustering using gene expression datasets.     

区域创新系统绩效评价模型研究——基于知识生产函数和主成分分析

本文通过构建知识生产函数扩展模型对我国31个省(自治区、直辖市)的创新绩效进行测算,同时采用主成分分析法克服模型中的共线性问题。实证研究发现,经济发展水平与创新能力正相关,但并不具有一一对应的关系。通过模型对这一原因进行解释,为我国制订区域创新发展政策提供科学依据。     

工程机械制造产业集群竞争力驱动因素研究--以徐州工程机械产业集群为例

研究以文献元分析为基础,开发量表并设计问卷提取相关因素,并以徐州工程机械产业集群为调研对象进行调研,结合主成分分析对其作进一步统计学处理与探索性验证。结果表明：集群网络协作能力、集群知识创新能力、集群科技产出能力、集群内外部环境、集群发展后劲是驱动工程机械产业竞争力的关键因素。     

乡村旅游可持续发展评价指标体系的构建

科学地建立乡村旅游可持续发展评价指标体系,对实施乡村旅游可持续发展战略、促进社会主义新农村建设具有重要的战略意义。在文献分析、专家访谈和问卷调查的基础上,运用SPSS13.0软件对数据进行分析,优化乡村旅游可持续发展的评价指标,构建起一套具有较高信度和效度的评价指标体系,并运用层次分析法确定各项评价指标的权重,从而进一步提高该评价指标体系的应用价值。     

基于融合熵特征的辐射源信号识别

针对相近雷达辐射源信号难以识别的问题,一种新的雷达辐射源信号识别方法被提出.该方法基于小波包分解,用主成分分析法融合含有信号类别特性的小波包重构系数特征,并将融合特征的能量熵和概率熵构成特征向量,基于支持向量机实现信号的分类识别.在较大信噪比(SNR)范围内,使用该方法能获得满意的正确识别率,当SNR为5 dB时,十分近似的线性调频信号正确识别率达到了91%,实验结果证实了该方法的有效性.     

基于PCA和FCA的江西省城市旅游竞争力综合评价

从江西省的整体角度出发,构建了城市旅游竞争力的评价指标体系,以江西省11个地级市为分析单元,以2008年的旅游统计资料为依据,采用PCA和FcA的多元统计分析方法,就江西省的城市旅游竞争力问题作了综合评价研究.研究结论旨在明确江西省11个地市的旅游业发展现状与潜力,以期为江西省各城市旅游业发展提供参考.     

一种基于小波变换和PCA的人脸识别改进方法

针对主成分分析PCA算法中存在的问题,提出了利用小波变换对人脸图像进行预处理,PCA提取图像特征,最近邻法分类的人脸识别改进方法.基于ORL、YALE数据库的相关实验表明,这样的系统能够降低数据维数和克服角度、位移变化对算法的影响,能够取得比传统PCA更好的识别性能。     

独立CAN器件SJA1000的应用

CAN总线已在变电站自动化系统中得到了广泛应用 ,而SJA10 0 0作为PHILIPS公司最近推出的独立CAN器件也已得到了广泛关注。本文简要介绍了SJA10 0 0的基本原理和功能 ,并给出了SJA10 0 0的典型硬件连接原理图及初始化程序和部分通信程序