数学建模_主成分说课.pptVIP

0 常见相关模型及其建模方法 2 . 专题求解模型 近几年赛题 为例 2009年A题 制动器试验台的控制方法分析 B题 眼科病床的合理安排 2010年A题 储油罐的变位识别与罐容表标定 B题 上海世博会影响力的定量评估 2011年A题 城市表层土壤重金属污染分析 B题 交巡警服务平台的设置与调度 2012年A题 葡萄酒的评价 B题 太阳能小屋的设计 2010年B题 上海世博会影响力的 定量评估 2009年B题 眼科病床的合理安排 2011年A题 城市表层土壤重金属 污染分析 2012年A题 葡萄酒的评价 均可归属为- 基于数据分析的综合评价模型 综合评价基本方法 测试分析法 回归分析 曲线拟合 计算机模拟与仿真 专题建模法 数学规划（线性规划与非线性规划） 概率论与数理统计 图论 微分方程 各学科实际问题 信息合理运用法 将与问题相关的论文合理运用 将其他问题的论文合理运用 问题实际背景，在众多评价问题中，人们往往会对评价样品收集尽可能多的指标，例如人口普查往往要调查每个人的姓名、年龄、性别、文化程度、住房、职业、收入、消费等几十项指标；再如，2012年葡萄评价有24指标。 从收集资料的角度来看，收集较多的数据有利于完整反映样品的特征，但是这些指标从统计角度来看相互之间具有一定的依赖关系，从而使所观测的数据在反映信息上有一定重叠，同时又使得问题变得复杂。 思考：如何减少变量，但信息量保留得较多。由此产生了主成分分析法。 主成分分析也称主分量分析（principal components analysis,PCA）是由美国的科学家哈罗德·霍特林（Harold otelling）于1933年首先提出的。 一、降维的两个准则 二、明确信息量的数学意义 我们知道，当一个变量所取数据相近时，这个变量（数据）提供的信息量较为单一，当这个变量取数据差异较大时，说明它对各种场景的“遍历性”越强，提供的信息就更加充分，从数学角度来论，变量的标准差或方差越大，变量涵盖的信息越足。 三、明确重叠少数学意义 我们知道，当一个变量与有关联时难免表达信息有重复，没关联反映在数学上最好是两变量独立，而这一要求过强，较难满足，这里我们就要求新主成分之间无线性关系就好，反映在概率理论上就是每两个主成分之间的协方差为“0”或相关系数为“0” 。 确定主成分的数学模型： 推广一般主成分确定的模型 主成分满足的约束 要求：①Y的各分量是不相关的；②并且Y的第一个分量的方差是最大的；第二个分量的方差次之，……，等等。③为了保持信息不丢失，Y的各分量方差和与X的各分量方差和相等。 主成分的方差及它们的协方差 所以协方差矩阵是对称矩阵，且为非负定的！ 复习：关于随机向量的协方差矩阵 第一主成分求法 第二主成分及第k主成分求法 第 主成分求法 结论： 主成分保持信息总量不少 主成分个数确定的标准 主成分个数确定的标准 1.构造样本阵 样本阵 , 其中 是样本容量即评价对象， 是评价指标个数， 是第 个样本中采集的第 项评价指标值。 2.指标标准化 为克服单位差异对评价结果的影响，须将指标标准化 其中 3.协方差矩阵（也是样本阵的相关系数阵？） 可证，由标准化后得到的矩阵 ，而 4.确定主成分 5.构造综合评价函数 题目：啤酒是个多指标风味食品, 为了全面了解啤酒的风味, 啤酒企业开发了大量的检测方法用于分析啤酒的指标, 但是面对大量的指标数据, 大多数企业又感到茫然,不知道如何利用这些大量的数据, 来对各品牌的啤酒加以评价，由上面的介绍可知,在这种情况下,主成分分析法较为适合。 1.样本阵 （1）确定原始评价指标：即未经简化的指标6个，选有：乙醛、乙酸乙酯、异丁酯、乙酸异戊酯、异戊醇及己酸乙酯 （m 6） （2）确定评价对象：即定抽样，本题选有：百威啤酒、喜力啤酒和青岛啤酒 ，南方某种啤酒（n 4） 2.构造标准化阵Z 指标规范化 为克服单位差异对评价结果的响，须将样本阵元素规范化，得标准化矩阵Z 可得本题标准化矩阵 3.协方差矩阵（相关系数阵的实对称 本题相关系数阵 4.确定主成分 （1）解样本相关系数矩阵R 的特征方程 得6个特征根, （2）确定主成分个数 k ：并由大到小排列： 使信息的利用率达85%以上， 5.构造2个主成份 ： 对每个λj, j 1,2 解得单位特征向 量 6.构造综合评价价值函数： （2）构造价值函数： 本题结果： 模型解释-主成分因子载荷量: 主成分因子载荷量分析：以 结果分析： 从图 可以看出： 主成分 1， 主要由乙酸乙酯、乙酸异戊酯和己酸乙酯决定, 这些酯含量高, 主成分1 就越大, 即主成分1 代表了啤酒的酯香。