7个研究背景和意义示例,教你写计算机PCA论文

今天分享的是关于PCA的7篇计算机毕业论文范文, 如果你的论文涉及到PCA等主题,本文能够帮助到你

高速铁路与社会经济发展互动关系决策支持系统模型库开发及关键问题的研究

这是一篇关于DSS,模型库,PCA,DEA,粒子群算法,BP神经网络的论文, 主要内容为决策支持系统是一种以辅助管理者进行决策为目标的计算机系统,它为管理者提供了分析、模型构造、决策过程模拟及决策效果评价的决策支持环境。模型库是核心,它把众多的模型有效地组织和存储起来,通过人机交互界面,实现模型库和数据库的交互。模型库是构成决策支持系统的基础,对模型的有效管理和建模活动是决策支持系统区别于一般信息管理系统的重要标志,也是决策支持系统本身运作质量和效率突出体现。本文以高速铁路与社会经济发展互动关系决策支持系统为平台,充分利用历史原始数据,探索性地研究了决策支持系统中模型库的建立；提供相关模型的分析及评价,并对关键问题进行了研究；实现了相关评价模型和预测模型,为上层决策者提供了有效的决策支持。具体工作如下： 1.基于Web,使用SSH框架和Matlab工具混合编程技术,实现模型的构建。研究设计模型库系统的总体结构,对高速铁路与社会经济相互影响的研究过程和研究方法进行形式化和结构化描述。使用Matlab实现模型的数据挖掘算法,通过JavaBean将模型运算结果与数据库进行交互。 2.利用面向对象方法完成了模型的组织和存储,包括的模型的存储方式、模型的构建技术、模型的运行管理、模型程序的输入输出管理。 3.解决了模型的组合以及模型间数据的共享和传递。研究了模型的共享、模型与数据库的连接、接口模式的使用以及不同构建技术之间数据的格式转换等关键问题。 4.建立符合中国国情的高速铁路社会经济影响分析评价理论；使用主成分分析以及DEA评价实现了相关指标的评价；提出基于粒子群算法的BP神经网络算法对相关指标进行了预测和分析。构建高速铁路社会经济互动关系系统模型,并对模型进行校验和测试,验证系统的稳定性。

人脸识别课堂考勤系统的研究与实现

这是一篇关于考勤系统,SSH框架,PCA,LBP,LDA的论文, 主要内容为人脸识别是生物识别和人工智能的一个重要应用方向,相对于其他生物识别如指纹识别,语音识别和虹膜识别,具有易采集、友好性和非侵犯、效果好等诸多优点,从而得到快速发展与应用。另一方面,随着BS架构的广泛使用,Web项目因为容易发布和部署,信息化程度高等诸多优点,被企业界广泛使用。因此,针对高校手动考勤方式存在的效率低、科技含量低、信息化程度不高的问题,本论文设计了人脸识别课堂考勤系统。本论文的主要研究内容和成果如下:1.研究了国内外的人脸检测和识别算法,以及考勤系统的研究现状,在进行了较为详细的功能设计、可行性分析和需求分析的基础上。设计并实现了由图像预处理、人脸检测、人脸识别签到、考勤数据库、考勤信息管理等模块组成的人脸识别课堂考勤系统。系统具有良好的安全性、用户体验和稳定性。2.研究了PCA算法及其改进的2DPCA和双向2DPCA算法,并比较这三种算法的正确识别率;研究了基于LBP、LDA的人脸识别算法,并比较PCA、LBP、LDA算法的正确识别率;研究了SVM分类算法,并比较SVM与一般分类器的正确识别率。经比较,最后确定LBP+PCA组合算法提取人脸的特征,并使用SVM分类算法,用于本系统的人脸识别模块,从而提高人脸识别算法的正确识别率。3.基于JavaEE平台,研究了JSP技术、Struts2、Spring、Hibernate框架、MySQL数据库技术。使用SSH框架整合技术开发考勤系统。将系统分为人脸识别模块和考勤系统管理模块,分别独立开发并整合。4.提出建立人脸库的方法。由学生使用本地文件或者拍照的方式上传照片,服务器按照学生信息保存图片,管理员建立人脸库图片、保存人脸库的特征数据。保存和加载特征数据的方式可以提高人脸识别的效率。5.在检测并分割的人脸图像上使用双眼定位和旋转矫正的处理,得到正面的人脸图像,提高了识别率。

统计局大数据统计分析平台的设计与实现

这是一篇关于大数据平台,统计局统计平台,PCA,LLE,聚类算法,多维数据分析的论文, 主要内容为统计局负责对各个地市的各行业的数据进行统计分析,传统的管理模式下主要就是靠人工来对信息进行收集和分析,普遍缺乏自动化数据分析手段。另外,这些来源于各行业的业务数据构成的不同维度数据普遍具有稀疏性,为了获取数据反应的共性特征,设计一种适用于统计局大数据统计分析的数据降维方法是亟待解决的核心问题之一。有鉴于此,本文设计并实现了统计局大数据统计分析平台;针对多维数据降维问题,设计提出了一种PCA-LLE降维算法。该算法在考虑数据的全局结构的基础上,兼顾了数据的局部几何关系。概括来讲,本文的主要工作和贡献概括如下:首先,系统设计,具体包含数据交换系统、数据质量管理、数据存储管理以及数据分析管理,对统计局目前的统计分析业务进行调研,分析目前在实际业务处理过程中所存在的一些问题,从总体上来明确系统的需求,然后从具体的用户角度进行具体需求的分析,确定系统的功能需求和性能需求。其次,采用了聚类分析的算法思想对采集到的数据进行挖掘和分析,从多维角度分析了各类数据之间的关联关系,为统计局的业务关联分析提供参考依据。统计局所需要统计的业务数据不仅业务领域比较广,而且数据都来源于不同的系统,虽说有些数据之间具有一定的关系,但是维度比较高,分析非常的麻烦,需要通过多个表的连接才能够建立关系,效率低下。考虑到数据的全局结构和局部几何关系,本文将常用的降维算法PCA和LLE进行了有效的融合,提出了一种新的降维算法PCA-LLE,提高了降维处理的准确率,并以辽宁省辽阳市的房地产行业与其它行业之间的关联分析为例,进行了应用分析。最后,根据大数据统计分析平台具体功能的编码实现需要,搭建了实现环境,在此基础上,采用Java语言进行编程,对功能进行编程实现,将多维数据分析算法应用到该平台中来,实现业务信息的多维度分析。系统通过数据交换技术,集成了统计局相关业务单位中的相关信息,形成大数据平台,方便了各单位或企业业务信息的交换和统一存储管理。通过大数据技术和多维分析技术的应用,使得一些难易理解的业务信息都可以通过直观的方式给出分析结果,方便统计局对地区内的各类业务信息的统计分析。

人脸识别课堂考勤系统的研究与实现

基于混合推荐模型的室内空间智能设计算法研究

这是一篇关于VGG-16,搭配推荐,PCA,特征提取,词嵌入的论文, 主要内容为在信息过载的大数据时代,推荐系统发展迅速。纵观传统室内空间设计行业,其设计工作的专业性强、人工参与率高,从而导致成本高。人工智能技术的出现,为降低设计成本创造了良好的条件。本文以室内空间设计软件平台为背景,研究了基于混合推荐模型的室内空间智能设计算法,将智能设计工作分为搭配与布局两个部分,分别设计推荐模型,初步实现了智能化的室内空间设计方式,有效地提升了设计效率。本文的主要研究内容如下:(1)以家居模型的二维渲染图片作为处理对象,利用VGG-16卷积神经网络提取家居项目的图像特征,分别构建不同类别家居项目的图像特征库,采用主成分分析(Principal Component Analysis,PCA)算法对特征库中的向量进行降维,保留家居项目的有效特征,提高项目相似度的计算效率与准确率。(2)本文受协同过滤推荐算法的启发,构建了基本的搭配推荐模型,结合基于内容推荐算法在冷启动方面的优势,利用相似项目的搭配数据预测了稀疏矩阵中的零值项,对搭配推荐模型进行了迭代更新。并通过对比实验确定了合适的模型参数,最终获得的搭配推荐模型在Top N=20时,推荐准确度高于80%,可满足家居模型的搭配需求。(3)本文将空间的布局推荐问题转换为了平面上分割段与户型段的功能分类问题。通过二进制编码的形式提取场景布局特征,采用词嵌入算法实现各向量段间交叉特征的抽象化提取,同时对特征矩阵降维,最后利用双向LSTM分别构建分割网络模型与布局网络模型。用户端输入待布局空间的户型信息后,布局推荐模型利用分割候选点对户型长段进行预分割,通过分割网络模型实现分割点的筛选,再采用布局分类器获得布局结果。实验表明,本文布局推荐模型的准确度达98%,能满足实时在线布局的需求。(4)搭建智能设计系统,通过转化的方式将两种推荐模型结合起来,根据用户端的需求触发相对应的推荐模型。本文受协同过滤算法、基于内容的推荐算法、深度学习技术等的启发构建了一种新的混合推荐模型,分别设计了搭配推荐模块与布局推荐模块。实验表明,本文研究的方法能够快速、准确地完成智能设计工作。

面向金融产品推荐的协同过滤算法研究

这是一篇关于股票,推荐系统,PCA,相似度,协同过滤的论文, 主要内容为随着经济社会的不断发展和金融市场的不断活跃,对于金融产品的推荐成为一个不可忽视的问题,而股票作为一种非常重要的金融产品,尤其值得关注。由于我国的股票市场起步较晚,依然存在着很多的不足之处,股民普遍存在一些关于股票推荐和选股方面的问题。具体表现在一是当前股民投资的理论基础不强,缺乏金融投资的基础知识,其投资行为往往只是一个模糊的操作,不具有很强的可解释性,甚至投资者自身也很难说清楚自己的投资逻辑,很大一部分投资者投资的最大的理由往往是“感觉”这么一个说不清道不明的东西。二是现存的一些成熟的股票推荐模型其主要是以股评的方式作为支撑,具有相当笼统和模糊的特征,有一定的局限性。三是往往在构建推荐模型时候,特征之间存在相互关联,导致模型的复杂度较高,存在计算和存储上的困难,如何在保留主要信息和不损失模型精确度的情况下同时降低模型的复杂度是一个值得研究的问题。综上,所以当前急需一个能够精准刻画用户肖像的模型来为广大股民服务。这个模型应当能对股民的投资行为作出合理且清晰的解释,能让股民以直观通俗方式的理解,另外在模型的便捷,方便性上也要存在一定的优势,因为对于一般普通的中小股民来说,复杂的模型过于的艰难晦涩,不方便使用,那么这种推荐方法在可行性上就大大的打了折扣。针对存在的问题,考虑到协同过滤算法在商品的推荐应用中具有巨大的优势和比较成熟的应用模式。受此启发,本文考虑将协同过滤算法融合到金融产品的推荐中,而股票作为一种常见的金融产品,对于协同过滤算法的应用有着得天独厚的优势。将股票当作商品,股票的多种指标当作物品的多种特征,将客户选择股票比作客户选择物品,给客户推荐股票当做给客户推荐物品,股票的指标值拟化为顾客对物品的打分。最后对于应用多指标因子建立模型时导致模型复杂度过高,并且影响模型的计算和存储效率的问题,本文通过主成分分析(Principal Component Analysis,PCA)降维的方法在保留绝大部分信息,不影响模型精度的情况下来对模型进行有效的降维,然后从余弦相似度和平均绝对误差两个方面得出一个最佳的降维维度,使得生成的推荐模型更加的简约,轻量,精准和便捷。实现了一个科学的股票类金融产品推荐模型。这种模型在理论上有一定高度,想法上有一定的创新性,在实际上也具有较强的实践性和可操作性。