用Marquardt法对福建柏的Logistic生长曲线的拟合

采用离散Ｍａｒｑｕａｒｄｔ算法拟合常数绿针叶树－福建柏的Ｌｏｇｉｓｔｃｉ生长曲线，Ｍａｒｑｕａｒｄｔ法也许优于Ｇａｕｓｓ－Ｎｅｗｔｏｎ法。     

三元液-液平衡的计算

用Ｍａｒｑｕａｒｄｔ方法从三元液－液平衡数据得到ＵＮＩＱＵＡＣ模型参数，用于计算原系统的平衡组成获得较好的结果。     

价格预测模型及算法

建立价格预测系统，包括价格及相关因素的预测模型、算法及软件。该系统适应广，特别适合农产品、副食品等价格的预测，其中针对模型的参数估计，提出一种计算方法，称为恒等变换法；它解决了迭代公式中的初始值问题，将此初始值赋予Ｇ－Ｎ、Ｍａｒｑｕａｒｄｔ、交替迭代或其他算法，只需经过几次迭代便满足收敛条件的要求。     

水平井试井分析自动拟合方法

建立了均质，上下封闭水平无限大油藏中水平井的试井模型，提出了用最小二乘法实现水平式井分析的自动拟合方法，运用改进的Ｌｅｖｅｎｂｅｒｇ－Ｍａｒｑｕａｒｄｔ回归方法，使自动拟合方法收敛速度更快，并用实例说明了该方法的实用性。     

靶道实验数据处理中的算法研究

对靶道实验数据处理中常用的几种方法：最速下降法、Ｃｈａｐｍａｎｎ－Ｋｉｒｋ法和Ｍａｒｇｕａｒｄｔ法进行了简要的分析，并由此导出了改进的Ｍａｒｇｕａｒｄｔ法，提高了靶道实验数据处理的精度，缩短了运算时间。     

用Marquardt方法对福建柏种群Logistic方程的拟合

一般对非线性Ｌｏｇｉｓｔｉｃ方程拟合是采用先对方程线性化后用线性最小二乘方法，再采用Ｇａｕｓｓ－Ｎｅｗｔｏｎ方法进行拟合。本文则采用离散型Ｍａｒｑｕａｒｄｔ算法来拟合常绿针叶植物－福建柏的Ｌｏｇｉｓｔｉｃ生成曲线。     

用音速确定HFC125的第二维里系数和分子间势能参数

利用ＨＦＣ１２５的音速和非线性最小二乘法中的Ｌｅｖｅｎｂｅｒｇ－Ｍａｒｑｕａｒｄｔ方法，拟合得到一个新的具有更高精度和更广泛用范围的ＨＣＦ１２５第二维里系数计算关联式，可以用于流体其他热物性参数的计算，从第二维里系数和结一音速维里系数及其与分子间势能函数的关系，提出了用第二音速维里系数确定分子间势能模型参数的新方法，并推导出用第二音速维里系数拟合方阱，ＬＪ（６，１２）及Ｋｉｌｈａｒａ等势能模型参数     

NbTi微合金钢奥氏体高温变形行为

采用单道次压缩实验方法，在Ｇｌｅｅｂｌｅ－１５００热模拟机进行了ＮｂＴｉ微合金钢高温热变形行为以及奥氏体动态再结晶组织演变规律的研究，在实验基础上，根据Ｚｅｎｅｒ－Ｈｏｌｌｏｍｏｎ方程导出关于Ｚ值与峰值应力，临界应变之间的关系，求出变形激活能力３５３ｋＪ／ｍｏｌ，最后用Ｍａｒｑｕａｒｄｔ法回归出实验钢的高温变形抗力模型。     

几类复合反应的动力学数据处理方法

导出了几类反应通用的微分动力学方程,据此运用两种动力学数据处理方法－－线性拟合法和时间比法－计算几类复合反应的速率常数,计算结果与文献值吻合较好,因此这两种复合反应动力学数据处理方法被认为是合理的。     

用TLM法求解线性电路动态过程

详细介绍了传输线模型法求解线性电路动态响应过程，并通过与传统的龙格－库塔法做对比，指出ＴＬＭ法具有概念上的优势和计算稳定、快捷等优点。     

基于混合遗传算法求非线性二阶两点边值问题的数值解

针对非线性二阶两点边值问题,构造了一种基于实数编码的混合遗传算法,将遗传算法和Levenberg-Marquardt算法进行了组合;由于前者全局优化能力强,后者有较强的局部优化能力,故改进后的算法不仅具有全局优化能力,计算的精度不会受到初始取值的影响,并且计算时间少,可以有效提高算法的收敛速度;最后,通过改进后的算法计算非线性二阶两点边值问题解析解和精确解的对比分析表明,该算法对非线性二阶两点边值问题计算有较大的优势,是一种有效的求数值解方法。     

非线性立木材积模型参数辨识的改进算法及其应用

以Marquardt非线性模型参数辨识为基础，以山本式二元立木动．冬材积模型为例，阐述了非线性参数估计的最小二乘原理，分析了估计方法的误差，采用二次项函数逼近的二次算法提高了材积模型的估计精度。以广东森林资源调查的样本资料．对提出的方法进行了验证与应用，结果表明改进的方法比原有的方法精度提高了一个数量级。     

基于LM法的光束法平差巡视器导航定位

光束法平差是一种通过高斯牛顿法进行最优估计的方法,在利用相机图像进行巡视器导航定位时起着重要的作用.为获得在缺少足够控制信息的月面环境下的高精度定位信息,提出一种利用列文伯格-马夸尔特算法(LM算法)代替高斯牛顿算法,进行图像光束法平差的巡视器导航定位方法.根据LM算法的核心思想和巡视器图像的构网特征,构建光束法平差模型,并给出了合适的阻尼策略和验后权估计方法.实验结果表明,基于LM算法的光束法平差巡视器导航定位,可以克服高斯牛顿算法适用性弱的缺点,具有较高的定位精度和理想的收敛速率.     

基于FastICA的低信噪比雷达信号分选算法

针对传统的基于参数的信号分选系统已无法适应当前复杂情况下的雷达信号分选问题,将基于独立分量分析(ICA)的盲源分离算法引入雷达信号分选算法.快速ICA(FastICA)算法结合了定点迭代和非高斯最大化算法,具有稳定性好、收敛速度快、计算量小等优点.但该算法对噪声非常敏感,无法在低信噪比情况下进行信号分选.针对这一缺点,引入同步累加平均降噪算法,并结合信号均衡、平滑处理进行改进,使得新算法在低信噪比情况下对雷达信号进行分选.仿真表明改进后的算法在低信噪比情况下具有良好的分选效果,并保留了原算法的优点.     

基于贝叶斯神经网络的SPA-H热轧板力学性能预测

研究了基于贝叶斯方法的神经网络及其在SPA-H热轧板力学性能预测中的应用.在网络的目标函数中引入代表网络复杂程度的惩罚项,融入"奥克姆剪刀"理论,防止网络"过训练"的发生.考虑到网络在应用中的实际问题,在前人改进的算法基础上,采用Levenberg-Marquardt算法训练网络,提高了该网络的收敛速度.利用上述网络进行SPA-H集装箱热轧板力学性能预测,在收敛速度、稳定性和泛化能力方面都优于传统的BP神经网络.     

基于改进距离向量算法的无线传感网定位研究

为了解决传统距离向量-跳段(DV-Hop)定位算法的精确度受限问题,提出了一种基于跳段大小校正和定位优化的改进DV-Hop算法。根据参考节点之间实际距离和估计距离的差异,计算出整个网络中有效的跳段大小,未知节点和参考节点之间的跳段添加了校正值,而接收信号强度指示(received signal strength indicator,RSSI)的数值用于校正单跳的距离,应用莱文贝格-马奈特(Levenberg-Marquardt,LM)算法来估计每个传感器的优化位置。在求值的过程中,研究了影响距离向量-跳段定位精确度的各种因素。仿真结果表明,与传统的DV-Hop和一些现有的改进算法相比,提出算法的定位精度有所提高。     

可见光——近红外光谱矿物信息提取预处理技术

地物光谱特征研究是高光谱图像处理的基础,受观测环境的影响,野外测量的光谱数据中包含有噪声,不利于光谱矿物信息提取工作的进行.本文从光谱矿物信息提取的角度出发,探讨出一套光谱数据预处理流程.比较了小波降噪和Savitzky－Golay降噪的优缺点,实验表明,Savitzky－Golay方法更适合光谱降噪处理.在实际应用中,发现当前常用包络线算法存在一些局限性,在此基础上提出了一种改进的包络线算法.     

大跨空间结构振动抑制的阻尼器优化布置

提出适宜的适应度函数,将遗传算法的种群思想引入模拟退火算法中,构造出遗传算法与模拟退火算法的组合算法,用于空间结构振动抑制的阻尼器位置和数量寻优。通过空间网壳在不同冲击荷载作用下的算例分析发现,若设置合适的控制参数,运用组合算法可迅速准确地找到全局最优解方案。     

CFSBC： Clustering in High-Dimensional Space Based on Closed Frequent Item Set

Clustering in high-dimensional space is an important domain in data mining. It is the process of discovering groups in a high-dimensional dataset, in such way, that the similarity between the elements of the same cluster is maximum and between different clusters is minimal. Many clustering algorithms are not applicable to high dimensional space for its sparseness and decline properties. Dimensionality reduction is an effective method to solve this problem. The paper proposes a novel clustering algorithm CFSBC based onclosed frequent hemsets derived from association rule mining. which can get the clustering attributes with high efficiency. The algorithm has several advantages. First, it deals effectively with the problem of dimensionality reduction. Second, it is applicable to different kinds of attributes, Third, it is suitable for very large data sets. Experiment shows that the proposed algorithm is effective and efficient