基于模糊C均值聚类改进的最大似然分类法

基于参数密度分布模型的最大似然分类法(MLC)是遥感影像经典分类方法之一,它具有清晰的参数解释能力、易于与先验知识融合和算法简单而易于实施等优点,但是由于遥感数据具有高度的模糊性和随机性,使得贝叶斯(Bayes)判别函数中的均值向量和协方差矩阵很难准确确定。因此首先利用模糊C均值聚类得到模糊划分矩阵,然后基于模糊划分矩阵计算出每一个聚类类别模糊均值和模糊协方差矩阵,并利用模糊均值和模糊协方差矩阵来代替贝叶斯判别函数中的均值向量和协方差矩阵从而建立一个新的判别函数,最后与传统的最大似然分类结果进行比较,结果表明改进后的最大似然分类法在总体精度、Kappa系数均优于传统的最大似然分类方法。     

多指标质量控制

介绍三种对多指标的质量控制方法，第一种方法是用一个标量控制多变量总体的均值向量和协方差矩阵；第二是用两个标量分别同时控制均值向量和协方差矩阵；第三是针对均值向量的对称性的控制方法     

二阶微分方程组的SPICE2模型

以模拟二阶微分方程组的方法为例，讨论了应用ＳＰＩＣＥ２（集成电路通用模拟程序）模拟微分方程组的几种方法。本文应用ＳＰＩＣＥ程序的多项式受控源功能，结合电容、电感、受控源构成的积分器、微分器子电路，产生由微分方程组数学模型转换的等效电路模型，得出了与微分方程变化一致的ＳＰＩＣＥ瞬态分析响应曲线，阐述了积分器、微分器子电路的构成方法，模拟电路结构图的建立过程及求解以空间变量为自变量的微分方程的参数法．该方法还可推广到求解高阶微分方程组。     

高频数据下基于LSTM的协方差矩阵预测模型

协方差矩阵的建模与预测,对于金融风险管理、投资组合管理等至关重要。 针对时间序列模型 对高维变量预测精度较低的问题,利用长短记忆神经网络模型(LSTM),提出了基于深度学习的高频数据已 实现协方差矩阵预测模型。 利用金融高频数据得到已实现协方差矩阵,对其进行 DRD 分解,针对相关系数 矩阵 R 进行向量化处理,利用向量异质自回归模型(HAR)预测已实现相关系数矩阵 R;针对已实现波动率 矩阵 D,利用半协方差(semi covariance)思想,结合 LSTM 模型,得到已实现波动率矩阵 D 的深度学习预测模 型,构建了 LSTM-SDRD-HAR 已实现协方差矩阵动态预测模型。 LSTM 模型和 HAR 模型能捕捉实际数据 的长期记忆性,半协方差有利于捕捉金融数据的杠杆性。 实证分析表明:相较于传统向量 HAR 已实现协方 差矩阵预测模型,LSTM-SDRD-HAR 预测已实现协方差矩阵更为准确,基于 LSTM-SDRD-HAR 预测已实现 协方差矩阵构造的有效前沿组合投资效果更佳。     

土坡可靠度的随机BISHOP法

将土的容重、粘聚力、内摩擦角作为随机变量。变量为非正态分布时，对变量进行当量正态化，求其当量的数字特征值，并考虑对变量进行截尾处理。随机变量相关情况下，对协方差矩阵利用ＪＡＣＯＢＩ方法进行处理，然后利用基于有限元法随机方法进行迭代，随后将传统ＢＩＳＨＯＰ法的极限状态方程中安全系数Ｆ_３取１，推得随机ＢＩＳＨＯＰ法极限状态方程，求土坡可靠指标β值     

基于混合效应模型的纵向数据建模方法研究

为研究医学纵向数据建模方法,结合纵向数据的特点及统计分析理论、提出基于混合效应模型的动态建模方法.针对多维医学纵向数据的非平衡性,当结果变量个数不多时,采用共同混合效应模型进行分析.当结果变量较多时,协方差矩阵的估计会变得困难,这时采用随机结伴方法对所得到的若干个二元模型分别拟合,通过求均值得到固定效应及协方差矩阵的估计,实验证明这种动态建模分析方法是有效可行的.     

基于PSO的支持向量机多元控制图均值偏移诊断模型

为了诊断多元控制图发出的报警信号是由哪一个或者哪些变量组合发生均值偏移引起的,提出了基于粒子群优化（PSO）算法的支持向量机（SVM）多元控制图均值偏移诊断模型．模型中使用丁。控制图对多元过程进行控制,在假设过程方差．协方差矩阵保持不变的前提下,根据不同的均值偏移模式,产生SVM训练数据集和测试数据集,用Ps0对SVM的参数进行优化,最终得到优化的SVM模型．结果表明,基于粒子群优化算法的支持向量机模型（SVM．PSO）比基于SVM和基于神经网络（ANN）模型的分类能力更强,分类准确率超过85％．     

基于马氏距离的K均值聚类算法的入侵检测

经典的 K 均值聚类算法是基于欧式距离的,它只适用于球形结构的聚类,而且在处理数据时不考虑变量之间的相关性和各变量的重要性差异.针对以上问题改进了 K 均值聚类算法,将马氏距离与 K 均值相结合,并在目标函数中增加变量权重因子和协方差矩阵调节因子,利用马氏距离优点有效地解决了 K 均值聚类算法的缺陷,最后通过实验证实了该方法的可行性和有效性     

一种基于相关系数矩阵分解的非线性滤波方法

介绍了基于统计线性回归的确定采样型滤波器结构,回归点选取的差异是这一类滤波器的本质区别,针对确定性采样型滤波器在选取回归点过程中为获得协方差矩阵的平方根矩阵所采用的矩阵分解问题,通过对协方差矩阵的分析,提出将协方差矩阵分解为标准差对角矩阵和相关系数矩阵,采用对相关系数矩阵进行奇异值分解的方法来获得协方差矩阵的平方根矩阵,从而得到一种新的回归点选取方法.该方法消除了状态向量中量纲的影响,获得了更准确的回归点,从而可以提高滤波精度.最后,采用两个典型的非线性模型对新的非线性滤波方法进行了验证,通过仿真验证了该滤波方法的有效性.     

海洋变分同化背景场误差协方差矩阵构造技术

为改进背景场误差协方差矩阵构造技术,提高海洋资料变分同化效果,首先将背景场误差协方差矩阵分解为背景误差标准偏差矩阵、非平衡变量空间相关算子以及多变量间平衡算子3部分,然后利用广义扩散方程模拟空间相关算子,联合引入温盐约束关系、线性状态方程、海表高度诊断方程、静力平衡、地转平衡关系模拟多变量平衡,最后给出了一种适用于海洋资料变分同化的背景场误差协方差矩阵构造方案。单点海表温度观测模拟同化试验表明,该方案可实现观测信息在三维空间、多变量间的传播,充分体现了背景场误差协方差矩阵在同化中的作用。     

基于对数变换和最大信息系数PCA的过程监测

主元分析(principal component analysis,PCA)被广泛应用于工业生产过程监测。PCA假设数据服从高斯分布且协方差矩阵仅能评估变量间的线性关系,无法衡量变量间非线性依赖程度。基于此,提出了一种基于对数变换和最大信息系数(maximal information coefficient,MIC)PCA的过程监测方法。首先,应用对数变换对过程数据进行变换,在一定程度上改善数据分布。然后,采用可以度量变量间的非线性相关性的MIC矩阵替换协方差矩阵,从而改善对非线性非高斯过程的监测效果。最后通过在田纳西-伊斯曼过程(tennessee eastman process,TE)仿真研究验证了该方法的可行性和有效性。     

基于投影变换的多元统计过程控制与诊断模型

针对多元统计过程控制图中变异源的识别问题,给出了基于投影变换的多元过程控制和诊断模型,将原始样本数据通过投影变换,转换为相互独立的数据,然后对各独立变量分别构建控制图,从而达到控制多元过程的目的．恰当地构造变换矩阵,使转换后的样本数据的协方差矩阵为单位矩阵．由于转换后的各变量相互独立,可通过多个控制图的联合报警概率的计算,建立联合概率控制图,对过程进行整体控制;利用转换矩阵,可发现导致异常的原因．最后通过对手机摄像头聚焦度测量结果的分析将该方法进行了验证．结果表明,所提的多元过程控制方法与产控帆图的结果基本相同,并可以指示出过程变异的原因．     

一种基于相对主元分析的故障检测方法

通过主元分析方法进行主元提取时协方差矩阵特征值有时会出现变化“均匀”缺陷，并且该方法运用于故障检测时，通常使用单一的性能指标T2指标或SPE指标作为检测判据，容易遗漏一些重要信息，降低故障的检测效果。针对这一状况，本文研究了相对主元分析方法，并且将T2指标和SPE指标有机融合成综合指标，结合TE过程进行故障检测。通过单一指标SPE—时间图和综合指标—时间图的对比，发现综合指标图比SPE图报警时间早、误报少，说明了将综合指标运用于相对主元分析方法进行故障检测的优越性及有效性。     

改进的非线性PCA方法及其在过程监控中的应用

针对化工聚合反应过程的特点,结合小波分解多分辨率特性和独立元分析(ICA)提取个数较少的相互独立信号的优点,改进了基于自相关神经元网络的非线性主元分析(NLPCA)方法。在传统的非线性PCA方法中引入了独立元分析模块,不仅解决了自相关神经元网络中确定各层神经元个数的问题,而且以最少的独立元个数捕捉数据的非线性特征。多尺度监控可以识别各种幅值的故障,提高了监控效果。在此基础上,计算I²、I²_e和SPE统计量用于故障检测。贡献图法用于识别故障变量。在聚酯生产过程上的仿真结果表明,改进后的方法比传统的非线性PCA方法更及时地检测到过程故障,运用贡献图可以有效地实现故障变量分离。     

外弹道优化设计的随机模型

该文给出了供弹箭弹道优化的随机弹道模型。模型包括弹箭飞行动力学方程、各干扰因素有相关函数。外弹道方程以为量形式表示。采用协方差分析描述函数法，对我、推力偏心、不劝不平稳和起始扰动所引起的散中作为弹道系统的动态响应加以分析研究，其中风场随机过程采用ＰＲＥＳＳ模型；推力偏心作用过程被视为弱平稳随机过程，对其实验曲线的统计分析表明，其自协方差函数为指数衰减型，基于干扰函数与状态变量间的协方关训给出了该轩     

多采样率主元分析的过程故障检测

针对多采样率过程监测问题,提出了一种基于多采样率主元分析的故障检测方法.该方法构建了一种重新采样机制,直接利用多采样率数据计算模型中的协方差矩阵,充分利用了样本中的大量不完整数据信息,减小了多采样率数据带来的偏差,给出了离线建模和在线故障检测算法.分别在数值平台和Tennessee Eastman(TE)工业平台进行了仿真分析.仿真结果表明,所提出的方法更适合多采样率过程的故障检测,效果良好.     

协方差改进法在半相依回归模型中的应用

文章系统地总结了协方差改进法及两步协方差改进法在半相依回归模型中的应用，推导了协方差改进估计的具体表达形式。     

动态冒险快速定位

利用四变量逻辑函数F(?)全部384条可能最短状态变化过程路径及与之相应的32条逻辑值最短状态变化过程路径,得到了发生实质动态冒险的逻辑函数的一般逻辑结构形式,判定法则等一系列特别重要的规律.能用之快捷、方便计算出F(?)实质动态冒险1748项.为计算机基础研究和迅速发展提供了特别有用的工具和大力的支持.     

Resin Matrix／Fiber Reinforced Composite Material,Ⅲ ： Simulating Results

According to the mathematical model which describes the curing process of composites constructed from continuous fiber-reinforced, thermosetting resin matrix prepreg materials, and the consolidation of the composite, the computer code calculates the data of the process variables of the flat-plate composites cured by a specified cure cycle, provides the variation of temperature distribution, the cure degree process, the resin variation and fibers stress inside the composite, the void variation and the residual stress distribution. The mechanism of curing process is illustrated and the cure cycle of composite material is optimized.