基于稀疏超高维非参数可加模型的条件独立筛选

变量筛选是处理超高维数据的一种有效方法.针对部分变量与响应变量显著相关,Barut等基于线性模型假定提出CSIS方法,能有效降低伪变量错选概率.但CSIS方法线性模型假定严苛,实际研究中有时不能事先确定模型结构.由此,本文基于非参数可加模型提出条件非参数独立筛选方法(CNIS),不需要对模型结构进行假定,增大了适用范围...     

半参数顺序变量回归模型

在比例优势模型基础上对顺序变量回归模型作更一般的推广, 建立了半参数顺序变量回归模型, 构造了模型中的线性和非线性部分的估计量, 并证明了该估计量的弱相合性. 通过数值模拟, 考察了不同样本容量下半参数顺序变量回归的判断正确率和回归函数的均方误差.实验结果表明: 半参数顺序回归模型在小样本情况下仍具有较高精度, 并且在实验点处的重复次数相对于观察点个数对精度影响更大. 通过对粮食预警实例的计算表明, 半参数顺序回归模型较比例优势线性模型具有更好的外推效果.     

多变量Hammerstein-Wiener模型的参数辨识

为了突破现存Hammerstein-Wiener模型参数辨识方法中假设输出非线性块可逆的限定条件,基于可分非线性最小二乘算法,提出由多个单变量Hammerstein子模型和一个多变量输出非线性块组成的多变量Hammerstein-Wiener模型的参数辨识方法.首先,以输出误差最小为准则使用Levenberg-Marquardt法辨识出输出非线性块和Hammerstein子模型的两个参数集.其次,对Hammerstein子模型使用基于张量积的奇异值分解,辨识出输入非线性块与中间线性块的参数.再次,理论分析了所提辨识方法的辨识收敛性.最后,通过仿真验证此法的有效性.     

基于ＳＯＲＡ 的多学科协同优化可靠性优化方法

为了突破现存Hammerstein-Wiener模型参数辨识方法中假设输出非线性块可逆的限定条件,基于可分非线性最小二乘算法,提出由多个单变量Hammerstein子模型和一个多变量输出非线性块组成的多变量Hammerstein-Wiener模型的参数辨识方法.首先,以输出误差最小为准则使用Levenberg-Marquardt法辨识出输出非线性块和Hammerstein子模型的两个参数集.其次,对Hammerstein子模型使用基于张量积的奇异值分解,辨识出输入非线性块与中间线性块的参数.再次,理论分析了所提辨识方法的辨识收敛性.最后,通过仿真验证此法的有效性.     

潜半参数回归模型的变量选择

作者提出了潜半参数回归模型及其估计方法.该方法应用双重判罚,使得在估计非参数的同时可以对参数部分进行参数估计和变量选择.在分析过程中作者还得到了潜变量的估计值.     

删失回归模型中SCAD型变量选择与估计(英文)

删失回归模型是一种很重要的响应变量受限制的模型,它广泛应用于计量经济学中.基于SCAD罚函数,提出了SCAD型罚变量选择方法.该方法可选出重要的回归变量,即真参数中非零系数,同时给出非零参数相合估计.另外,证明了变量选择方法是相合的,具有oracle性质.最后,进行数值模拟计算说明所提出方法的效果。     

应用多变量系统辨识建立浮选回路在线模型

浮选回路的在线模型是实现浮选回路计算机高级控制的基础.本文将多变量系统辨识理论和方法应用于浮选回路在线模型的建立,以带外生可观测干扰变量的多变量受控自回归滑动平均模型作为浮选回路在线时间序列模型的基本形式.在IBM-PC/XT微型机上建立了通用的多变量递推辨识程序包MVRIMPB,用以估计模型的阶和参数.最后用仿真方法考查了程序包的实用性.     

序贯k-out-of-n系统在序约束下参数的假设检验

考虑带有协变量的序贯k-out-of-n模型,假设给定协变量寿命的分布是指数分布族,对指数分布的刻度参数建立对数线性模型,研究在序约束下模型参数的两个假设检验问题,并讨论在序约束下检验统计量的渐近分布为χ~2分布.     

基于半参数模型的插补方法研究

数据缺失是在数据收集中普遍存在的现象,因而缺失数据的插补问题就成了数据分析领域的重要命题.常用的插补模型有参数模型、非参数模型和半参数模型,其中关于半参数模型的研究较少,考虑到半参数模型的优越性,文章将半参数回归模型与插补方法相结合,利用最小二乘核估计构建半参数模型,再利用辅助变量对目标变量进行估计来建立缺失数据的插补数据集,进而实现缺失数据的插补,并通过案例探究该方法的实现及其可行性.     

具有幂变换的半参数分位数回归

考虑响应变量具有幂变换的半参数分位数回归模型.非参数部分运用B样条进行估计,通过最小化累积残差平方和来估计Box-cox幂变换中的参数.研究得到了半参数分位数回归模型估计的一致收敛速度.     

永磁同步电机参数扰动抑制方法

在电机参数发生扰动的永磁同步电机控制系统中,为提高无差拍预测控制性能,需要对电机参数扰动进行补偿. 文中利用永磁同步电机数学模型分析了参数扰动对无差拍预测控制的影响;针对定子电感和定子电阻的扰动设计了自回归模型,利用前若干控制周期的参数扰动量估计出当前控制周期的扰动量;将估计的参数扰动量补偿到无差拍预测控制的输入端,实现对永磁同步电机的控制. 仿真和实验结果表明提出的自回归模型参数扰动估计方法能够有效抑制永磁同步电机定子电阻和定子电感的扰动.      

液压混合动力挖掘机动力系统的参数匹配方法

根据液压混合挖掘机动力系统的驱动结构、工作原理和负载特性,提出了其参数匹配方法.以蓄能器安装空间最小、蓄能器使用寿命最长和发动机工作点的稳定性为约束条件,从最大限度地发挥辅助驱动单元削峰填谷功能和降低系统装机功率的角度,对液压蓄能器的工作压力和体积、发动机功率、泵/马达的排量等参数的设计依据及其匹配进行分析,利用AMEsim软件建立仿真模型,以用于节能驱动系统中蓄能器的工作压力和额定体积的仿真.结果表明,进行参数匹配后,发动机的工作点切换满足稳定性的要求,且蓄能器的压力波动满足工况的要求.相对于原始驱动系统,其节能效果显著,节能比率为11.21%.
     

具有饱和效应的任意阶自催化反应扩散模型的Turing不稳定性和Hopf分支

利用Hopf分支理论,研究一类具有饱和效应的任意阶自催化反应扩散模型.首先,对常微分系统给出正平衡点的稳定性,且以a为分支参数给出Hopf分支的存在性及稳定性;其次,对扩散系统建立由扩散引起的Turing不稳定性,同时给出Hopf分支的存在性;最后,用数值模拟实例验证理论分析结果的正确性.     

NGINAR(1)模型的Bayes估计及预测

先利用Bayes方法研究NGINAR(1)模型的参数估计问题, 再利用条件分布预测方法进行模型预测. 模拟结果表明, Bayes估计效果优于条件最小二乘估计和Yule Walker估计, 且条件分布预测方法比条件期望预测方法更适用于整数值序列.     

Monte-Carlo仿真酒精特征波长光子在皮肤中的传输规律及光纤探头设计

用蒙特卡罗(Monte-Carlo)方法研究酒精特征波长的光子在皮肤组织中的传输规律,从而确定酒精光谱的最佳检测距离,为应用近红外光谱进行人体酒精无创检测提供理论依据。通过建立皮肤4层结构模型,确定了在酒精特征波长(1694nm、1735nm、2266nm、2308nm)下该模型的光学参数。利用Monte-Carlo方法对该模型仿真可得到结论:1694nm、1735nm波长光子的最佳检测半径为650μm,2266nm、2308nm波长光子的最佳检测半径为450μm;半径在200～1000μm之间时,出射点的光子密度随检测半径的增加呈幂函数形式递减,检测到的光子数随检测宽度的增加大致呈线性递增。利用上述结果,设计了用于人体酒精无创检测的光纤探头,选用TE制冷型的InGaAs检测器作为光子检测器。     

线性聚焦式杀伤战斗部设计及破片飞散特性

为进一步提升杀伤战斗部破片聚焦效应，开展了线性聚焦式杀伤战斗部设计及破片飞散特性研究. 基于破片线性聚焦原理，研究了破片排布方法. 引入装药长度修正系数，建立了等冲量装药曲线理论模型，掌握了线性聚焦式杀伤战斗部破片驱动及速度分布特征，揭示了战斗部装药长度及其修正系数对破片平均飞散速度、速度分布幅值、速度分布标准差等飞散特性参数影响规律. 结果表明，装药长度一定时，随修正系数增加，破片平均速度增大，速度分布幅值、标准偏差均降低，修正系数一定时，随装药长度增加，破片平均速度、速度分布幅值和标准偏差均增加. 研究结果可为聚焦杀伤战斗部设计提供新的技术途径.      

边际加法危险率分布的变联结参数copula模型

为研究边际生存函数是半参数加法危险率模型的多维生存时间相关性随某个指标的变化,提出一类变联结参数copula模型．采用二阶段估计法来研究生存时间之间的动态相关结构．利用Lin等所提方法估计边际加法危险率模型的生存函数;将其代入一种copula模型的局部伪似然函数中,得到变联结参数的局部估计量,并给出该局部估计量的相合性和渐近正态性;通过随机模拟研究其在有限样本下的表现;利用diabetic retinopathy study(DRS)中的实际数据验证所提估计方法的可行性．      

基于对比学习方法的小样本学习

针对目前小样本学习中存在的问题,设计一种新的网络结构及其训练方法以改进小样本学习.该网络在特征嵌入部分采用卷积网络并结合多尺度滑动池化方法以增强特征提取.网络主体结构为类孪生网络,以便于通过样本间的对比从小样本数据中学到语义.网络的训练方法采用嵌套层次的参数更新以保证收敛的稳定性.在两个经典小样本学习数据集上与常用的视觉模型和前沿小样本学习方法进行了对比实验,实验结果表明,该方法在小样本学习的精度上有显著提升,可作为样本不充足情况下的解决方案.     

PMSM电流鲁棒性增量预测控制

为解决传统的永磁同步电机无差拍电流预测控制严重依赖电机参数,导致当电机参数发生变化时,控制性能严重下降,出现电流跟随不上,谐波含量增大等问题,文中提出一种基于龙伯格观测器的增量模型的无差拍电流预测控制方法,解决了传统无差拍电流预测控制中无法抵抗参数扰动问题. 首先在原有无差拍电流预测控制模型的基础上推导出增量模型,消除电流预测控制中磁链变化的影响;其次为了消除电感变化对电流预测控制效果的影响,引入龙伯格观测器,建立带有龙伯格观测器的增量模型;最后通过simulink仿真和实验验证了所提出方法的有效性.      

液体火箭发动机的分层贝叶斯变分推理故障诊断方法

针对稀疏数据场景下，传统的多项式-狄利克雷模型存在一定的分类精度问题，提出一种基于变分推理的分层贝叶斯网络的参数估计方法. 通过在传统的多项式-狄利克雷模型中引入超先验，构建出的分层多项式-狄利克雷模型可用于贝叶斯网络中的条件分布估计. 对分层多项式-狄利克雷模型的先验依赖结构进行分析研究，提出一种快速准确的自组织变分推理算法. 与传统的分类模型相比，本文提出的分层多项式-狄利克雷模型在处理小数据集液体火箭发动机的故障分类中有显著的性能提高.