特征峰值投影技术应用于鱼粉蛋白近红外波长优选

采用近红外光谱线性分析技术实现对鱼粉蛋白的快速检测,选择合适的波长变量是提高模型预测精度的关键。主要目的是建立一种稳健、简单的多元线性回归(MLR)模型,通过研究基于特征峰值的投影技术实现参与建模的波长优选。特征物质在近红外光谱区域的吸收特征,以鱼粉一阶导数光谱的峰谷波长点作为出发点,依次采用逐步多元线性回归(SMLR)和连续投影线性回归(SPA-MLR)方法完成两度特征信息波长筛选,进一步对备选的波长变量执行显著性检验,最终确定近红外线性分析的特征信息波长组合。结果表明,近红外长波区域中优选出53个特征信息波长变量,能够提高鱼粉蛋白近红外定量模型的预测精度,简化了模型,从而提高了模型的适用性和稳健性。     

结合ReliefF和改进的马尔科夫毯过滤的两阶段特征选择方法

针对马尔科夫毯过滤(Markov Blanket Filter,MBF)方法中使用的线性相关系数存在只能度量变量间的线性相关性,而无法度量变量间非线性相关的问题,提出两阶段Filter特征选择方法 MBFSU-ReliefF。该方法对马尔科夫毯过滤方法作了改进,可利用对称不确定性以度量变量间的线性和非线性相关性。实验使用UCI和ASU上的4个数据集分析比较MBFSU-ReliefF、ReliefF、马尔科夫毯过滤和其他多种Filter方法,使用朴素贝叶斯和SVM两种分类器对特征选择方法选取的特征优劣进行评价,实验结果表明,MBFSU-ReliefF方法较其他方法具有较高的分类准确率。     

一类二阶变系数线性微分方程的新解法

二阶线性微分方程在常微分方程理论中占有重要地位.求解常系数线性微分方程的方法有特征根法、比较系数法、拉普拉斯变换法等,但二阶变系数线性微分方程却没有一般的方法进行求解。该文通过使用变量代换将一般的二阶变系数齐次线性微分方程化为方程来进行求解,给出了其具有通解的一个充分条件。同时,举例说明了该方法的应用。     

离散事件动态系统周期求解的线性规划方法

应用计时事件图中回路的线性代数特征,将线性离散事件动态系统的周期计算转化为线性规划(LP)问题,并且得到的LP问题具有较少的变量和线性约束,避免了传统方法中对回路的穷举搜索,降低了计算的复杂性·     

曲线估计方法应用

曲线估计方法是对2个相关变量函数关系的研究.当变量之间有显著线性关系时,可以用线性回归分析建立线性回归方程,但当变量之间有明显曲线关系时,可以采用曲线估计方法来建立变量间的模型,通过具体实例说明曲线估计方法的应用.     

基于趋势特征聚类的多元相似时间序列的提取

历史相似时间序列的提取在数据挖掘、工业故障检测以及故障根源分析等领域应用非常广泛。针对工业报警系统中异常根源分析方法存在的问题,提出了一种基于趋势特征聚类的多元相似时间序列的提取方法,可以有效地辅助现场工作人员分析关键变量发生异常变化的根源。首先对多元时间序列进行分段线性表示,获得变量的趋势特征信息;然后采用基于密度峰值聚类分析算法对获得的趋势特征在高维空间中聚类,从而实现历史数据的相似性提取;最后可根据关联变量的幅值变化量分析导致主变量发生异常变化的根源变量。数值仿真和实际工业数据案例验证了所提方法的有效性。     

基于GEP的线性指数函数型程序不变量动态发现方法

不变量是用来描述程序运行时保持不变性质的逻辑断言.根据关系数据理论,程序不变量可分函数依赖型和非函数依赖型程序不变量.着眼于函数依赖型程序不变量,借助GEP的函数发现特点和Daikon对线性程序不变量的发现能力,重点对线性指数函数型程序不变量动态发现方法进行研究,通过实验证明了GEP对线性指数形式的函数有较高的发现效率,可以扩展Daikon在线性指数函数型程序不变量方面的预置形式以达到从程序轨迹数据中发现该类程序不变量的目的.     

基于线性和非线性判别的工业过程建模方法

在传统的工业过程建模方法的基础上,针对变量间往往存在复杂的数据特性的问题,提出一种线性和非线性关系的判别方法。以多元统计分析为基础,对变量之间的相关性进行分析,有效区分了线性变量和非线性变量。在此基础上提出了相应的建模方法,提高了模型精度。通过仿真验证,对过程进行线性和非线性判别有助于提高过程模型的精度。     

用于高维时序数据预测的非同步尺度主成分分析

针对时间序列数据预测过程中可能面对高维或超高维的预测变量,同时考虑变量的时序特征及预测的非同步性,提出用于时序数据预测的非同步尺度主成分分析方法。首先构建单个预测变量和被预测变量的非同步线性回归,通过可决系数选取单变量的最佳滞后阶数,并将回归系数赋权与相应的预测变量得到赋权预测变量,并通过主成分分析对赋权预测变量降维,即非同步尺度主成分分析。将该方法用于消费者物价指数增长率的预测,结果表明经非同步尺度主成分分析降维的预测精度高于传统降维预测的方法。     

多变量特征轨迹方法及其计算

本文总结了以特征轨迹为基础的线性多变量反馈系统的分析和设计方法,并把这些分析和设计方法在PDP—11/24机上实现.其中线性多变量反馈系统在黎曼曲面上的特征轨迹的绘制采用MacFarlane等提出的网格法,在该方法的基本思想指导下,对判别黎曼曲面上的离散点的函数之间的连续性,提出了实际可用的判别公式,给出了一个判别黎曼曲面上的根轨迹点的详尽过程.设计方法的程序实现是采用ALIGN算法和最小二乘ALIGN算法.本文用奇异值分解方法解决了ALIGN问题最后导致的广义特征值、特征向量问题.在最小二乘算法的基本思想指导下,提出了一个求解最佳实结构的合理迭代过程,这个迭代过程同时考虑了结构因子调整与近似特征结构和近似逆特征结构之间的对偶性.