基于多准则的多层模糊神经网络学习算法

模糊算子函数丢失信息量过大,并且在某些点不存在导数,由此导致在采用传统的误差平方和准则优化网络参数时,有些参数无法得到调整,而且网络容易陷入局部极小,甚至发散.本文提出了一种基于模糊熵准则和误差平方和准则的多准则多层模糊神经网络学习算法,在一定程度上克服了单准则学习算法的局限性.     

基于L_p范数的加权几何平均组合预测

组合预测模型的参数估计方法大都是在预测误差平方和最小准则之下建立的.针对误差平方和最小准则存在的不足,提出一种基于L_p范数的加权几何平均组合预测模型,并给出寻找最优L_p范数的蚁群算法.实例分析表明,该模型给出的组合预测方法为优性组合预测,从而证明了该模型的有效性.     

历史洪水重现期的误差对设计洪水的影响

探讨了历史洪水及其重现期的误差对洪水频率计算成果的影响及不同适线准则下计算结果的差别。计算表明：历史洪水重现期越长，设计洪水成果的稳定性越好；精度越高，按平方和准则（离差平方和达最小）比绝对值准则（离差绝对值之和达最小）适线更好一些。在本文采用的适线准则前提下，尽管历史洪水重现期有一定误差，但仍能有效地提高设计洪水成果的可靠性。     

全距在确定组合预测最优权系数中的应用

从统计学的角度考虑 ,建立以组合预测误差的全距为目标函数组合预测模型 ,在各单项模型预测误差服从正态分布的情况下 ,该模型和误差平方和为准则的组合预测模型相比 ,它们的解近似相等。且具有计算简单的特点。最后也探讨了变权系数的组合预测模型     

基于数据挖掘技术的移动通信行业客户细分

利用数据挖掘中的误差平方和准则函数的K-Means聚类算法,建立了客户细分模型,为企业进一步制定营销策略提供依据.此方法已经投入运行.实践证明,该方法实用、可操作性强,对支持企业产生了积极的影响.     

图书借阅量的灰色回归组合模型研究

将灰色预测模型GM(1,1)和线性回归预测模型相结合,采用"误差平方和最小"作为最优准则,建立了图书借阅量的组合预测模型.结果表明,用该模型对图书借阅量进行预测,其预报精度优于各个子方法,具有很好的应用价值.     

完整岩石单轴抗压强度确定方法研究

完整岩石单轴抗压强度是传统和普适Hoek-Brown(HB)强度准则中的关键参数,其与岩石软硬程度和岩石破碎程度具有强关联性,而理想值或理论值严格意义上并不等同于单轴测试值。真值的唯一性确定直接影响HB强度准则的准确性,由此提出一种新的思路解决这一难题。首先明确了岩石软硬程度和岩石破碎程度的确定应基于分布特征而非单一样品,这可使完整岩石单轴抗压强度、岩石软硬程度和岩石破碎程度三个参数力学意义上自洽。进而证实了传统HB强度准则表达式的不确定性,本质原因是三个参数无法从单一曲线中唯一确定,明确问题的关键核心是完整岩石单轴抗压强度值的唯一性。由此提出了确定HB强度准则新的线性解决方案,将三个参数改为两个参数,可简单快速唯一地确定HB强度准则曲线。最后为了提高精度,引入四种误差评判方式:绝对误差绝对值和、绝对误差平方和、相对误差绝对值和以及相对误差平方和,可显著缩小预测值与实验值的偏离误差。新的线性方案匹配任意一种误差形式可确保完整岩石单轴抗压强度的唯一性,研究工作为深入理解HB强度准则提供了新思路。     

基于Vague值(集)相似度量的组合预测模型

通过引入模糊理论中的Vague值(集)相似度量,提出了建立组合预测模型目标函数的两种准则,从而构建了基于新的相关性指标的组合预测模型.运用实例对该方法进行验证,发现基于Vague值(集)相似度所建立的组合预测模型在误差平方和、均方误差、平均绝对误差、平均绝对百分比误差和均方百分误差等方面均比单项预测方法小,表明了所建立组合预测模型的有效性.     

组合预测误差平方和取值范围研究

应用矩阵理论,对组合预测误差平方和的取值范围进行了研究。给出了简单平均组合预测方法预测误差平方和较精确的取值范围,并得到了一些新结果;还给出了最优组合预测方法预测误差平方和达到上界的一个充要条件的证明。     

一种基于滑动最小二乘法的精确同步方法

最小二乘拟合鉴相曲线的方法可以实现精确同步,但其只能工作在很小的误差范围内,适用范围窄。提出一种基于正斜率和误差平方和最小准则的滑动最小二乘精确同步方法,该方法在粗同步前后各一个码片范围内进行滑动搜索选出最优测量结果。分析和仿真结果表明,该方法具有很强的抗噪声能力,并且在粗同步误差较大时依然具有很高的测量精度。     

安徽省城镇居民人均可支配收入组合预测

针对单项预测存在一定随机性、预测精度较低等问题,基于误差平方和最小准则,结合 GIOWA算子提出 4 种特殊参数的变权系数组合模型,以 2000—2020 年安徽省城镇居民人均可支配收入数据为样本,对安徽省未来 5 年城镇居民人均可支配收入进行预测。 首先分别应用 3 种单项预测模型对安徽省城镇居民人均可支配收入进行拟合预测,然后以误差平方和最小为准则,结合 GIOWA 算子构建变权系数组合模型,同时对 GIOWA 算子取 4 种特殊参数得到相应的组合预测模型,最后应用所构建模型对安徽省未来 5 年城镇居民人均可支配收入进行预测。 结果表明:变系数组合预测模型预测效果优于单项预测模型;安徽省未来 5 年城镇居民人均可支配收入将会持续稳定增长。     

三种计算层次分析法中权值的方法

分析了几种计算权值的常见的方法,在分析最小二乘法的基础上,分别以"残差平方之和最小"、"残差绝对值之和最小"和"最大残差绝对值最小"准则的建立了计算权值的三种新方法。通过实例给出了计算方法和结果。     

基于最小均方误差的多用户MIMO系统下行链路预编码

针对多输入多输出(multple input multiple output,MIMO)系统下行链路的迫零预编码方法在块对角化的基础上追求最大化系统和容量,而并未考虑接收信号的均方误差,从接收信号具有最小均方误差的角度设计了多用户MIMO系统的下行链路预编码的方案,称为块对角化最小均方误差方案。理论分析和仿真结果表明,该方案相较于迫零算法具有较小的接收信号均方误差及较好的误码率性能,并且保持了迫零算法绝大部分的系统和容量,它在系统误码率与和容量方面提供了一种较好的折中。     

基于BP神经网络自学习的双目视觉系统的研发

在摄像机标定的过程中,深度信息的丢失,摄像机镜头的畸变以及图像处理时误差等因素都影响标定的精度．本论文采用BP神经网络的自学习的性能,开发出一套双目视觉系统．以匹配点在左、右图像的坐标为网络的四路输入,通过网络得到三路输出,性能指标为该对应点在世界坐标系的坐标和网络输出的差值的平方和,根据梯度下降法来调整各神经元之间的连接权值,求得网络达到给定的误差时的各节点问权值．这样,双目视觉系统两个摄像机的投影矩阵可以用神经网络的权值与激发函数来代替,完成系统的标定．最后对系统进行精度分析．     

三元线性回归方程的矩阵运算及其结果分析

通过三元线性回归方程的建立过程，运用矩阵“打洞”，分块矩阵求逆等方法推出两个偏回归平方和等结果，并利用向量以及投影阐述各量之间的关系。由实例结果分析，证实偏回归平方和在回归分析中的重要作用，从而避免因夸大回归系数作用而带来的判断失误。     

一种局部概率引导的优化K-means++算法

针对K-means++算法选取初始聚类中心计算误差平方和时, 实验次数对误差平方影响不准确的问题， 提出一种PK-means++算法. 结果表明, 该算法在进行分散数据聚类时, 在同一K值情形下, 聚类后的误差平方和较原K-means++算法更稳定, 从而更好地保证了随机实验取值的稳定性.     

一种用于准静态瑞利衰落信道的空时码设计

对准静态瑞利衰落信道的空时码设计准则进行了研究。考察了不同差错路径长度的首事件差错概率，这些概率由不同差错路径长度的码字对之间构成的矩阵的最小行列式决定，综合考虑这些最小行列式，提出一种新准则，使这些最小行列式的和最大化。另外，证明了空时码的几何一致性并使用该特性大大地浅少了空时码搜索的复杂度。依据该准则搜索得到一些新码，并与现有好码进行性能对比。状态数目更多且／或使用更多发射天线的空时码也可以依据该准则进行搜索。     

一种局部概率引导的优化K-means++算法

针对K-means++算法选取初始聚类中心计算误差平方和时, 实验次数对误差平方影响不准确的问题， 提出一种PK-means++算法. 结果表明, 该算法在进行分散数据聚类时, 在同一K值情形下, 聚类后的误差平方和较原K-means++算法更稳定, 从而更好地保证了随机实验取值的稳定性.     

最优组合预测及其在短时交通流预测中的应用

交通流量预测结果的好坏直接关系到交通控制与诱导的效果,因此,短时交通流预测是先进交通管理信息系统中关键技术问题之一。在简要介绍最优组合预测模型基础上,以预测误差平方和最小为准则确定最优组合预测模型中的权系数,实现交通流预测模型的最优组合,并利用实际数据通过与单一时间序列模型、线性回归模型、卡尔曼滤波模型及人工神经网络模型的预测精度比较分析,验证了交通流最优组合预测模型的有效性和实用性。