核主成分分析_KPCA_在企业经济效益评价中应用.pdfVIP

第 36 卷第 1 期 数学的实践与认识 V o l36　N o 1　 2006 年 1 月 M A TH EM A T IC S IN PRA CT ICE AN D TH EO R Y J an. , 2006　 核主成分分析(KPCA ) 在企业经济效益评价中的应用 1, 2 1 2 2 徐义田 , 　王来生 , 　崔文善 , 　张好治 ( 1. 中国农业大学理学院, 北京　100083) (2. 山东莱阳农学院, 青岛　266 109) 摘要: 　提出了一种新的经济效益评价模型: 核主成分分析(KPCA ). 它通过一个非线性变换, 将原变量空 间映射到高维特征空间, 然后在高维特征空间中进行线性主成分分析. 通过核技巧, 只需在原空间进行点积 运算, 便可使第一主成分的贡献率达到 90% 以上, 能有效避免PCA 中因各指标贡献率过于分散而影响评价 效果. 将该模型应用到广东 8 个卷烟企业进行评价, 得到了较理想的评价效果. 关键词: 　核主成分分析; 综合评价; 企业经济效益 0　引　　言 　　主成分分析(PCA ) 是将多个变量综合成少数变量的一种多元统计方法, 可以有效地来 处理变量间的线性关系, 为解决多指标的综合评价提供了一种很好的手段. 但现实指标间的 关系往往是非线性的, 线性 PCA 评价方法中可能出现各指标的贡献率过于分散的情况, 找 不到具有全面综合能力的指标. 主成分的所谓综合, 实际上是对变量间共性的一种提取, 因 此要综合相关性不大的变量, 采用线性主成分分析法是不妥的. 基于上述问题, 本文给出了 一种非线性主成分评价模型(KPCA ) , 它将原变量空间通过一个非线性变换 映射到高维 特征空间F 中, 在 F 中进行线性主成分分析, 通过核技巧, 它只需在原空间进行点积运算, 而不必知道 的具体形式, 只要选取适当的核函数, 便可使第一主成分的贡献率达到 90% 以上, 可避免上述问题. 1　主成分分析(PCA ) 模型 设 x k ∈R p (k = 1, 2, …, l) 为样本数据向量, 将原始变量X 1 ,X 2 , …,X p 标准化, 求出其 l 1 样本协方差阵: S = (s ) , s = (x - x ) (x - x ) , 而相关系数阵为: R = ( ) , ij ij l ∑ a i i aj j ij ij a= 1 sij 1 ′ = , 则S = R = X X , 求得特征值为: … 0, 其对应的单位特征向 1 2 p l sii sj j 量为: a 11