空间自回归模型中参数的Bayes估计

首先采用线性Bayes方法估计了空间自回归模型的参数,并在均方误差矩阵准则下研究了线性Bayes估计相对两步最小二乘估计的优良性.然后,使用Metropolis抽样算法实现了对空间自相关系数的估计.最后,通过模拟试验比较了线性Bayes估计与两步最小二乘估计的优缺点.     

基于两阶段最小二乘回归的分类方法

针对最小二乘回归分类法对原始数据进行分类时容易受到噪声样本影响的不足,利用系数增强的方法提出一种缓解噪声样本对表示系数影响的鲁棒分类法. 该方法是一种两阶段最小二乘回归分类法： 第一阶段通过最小二乘回归分类法获得表示系数,第二阶段强化近邻表示系数的作用得到表示系数. 最后用最小误差准则对测试样本进行分类,利用核理论进一步提出非线性两阶段最小二乘回归分类法,并在4个常用人脸图像数据集上验证了该方法的有效性.     

基于PSO优化LSSVR的三维WSN节点定位方法

提出了一种基于粒子群优化最小二乘支持向量回归机的三维无线传感器网络节点定位方法。该方法首先运用最小二乘支持向量回归机构建三维节点定位模型,再利用粒子群优化算法对最小二乘支持向量回归机核函数参数和规则化参数寻优。然后,根据若干虚拟节点定位的预测位置与实际位置的均方差构造粒子群算法适应度函数,通过有限次建模参数迭代寻优获得最小二乘支持向量回归机全局最优参数。最后,返回回归模型中进行定位计算,实现节点定位。仿真结果表明,所提出的方法与最小二乘和最小二乘支持向量回归机定位方法相比,可以提高节点定位精度。     

基于PSO优化LSSVR的三维WSN节点定位方法简

提出了一种基于粒子群优化最小二乘支持向量回归机的三维无线传感器网络节点定位方法。该方法首先运用最小二乘支持向量回归机构建三维节点定位模型,再利用粒子群优化算法对最小二乘支持向量回归机核函数参数和规则化参数寻优。然后,根据若干虚拟节点定位的预测位置与实际位置的均方差构造粒子群算法适应度函数,通过有限次建模参数迭代寻优获得最小二乘支持向量回归机全局最优参数。最后,返回回归模型中进行定位计算,实现节点定位。仿真结果表明,所提出的方法与最小二乘和最小二乘支持向量回归机定位方法相比,可以提高节点定位精度。     

一元总体最小二乘线性回归与解算分析

针对自变量为随机变量情形,在最小二乘准则下,一元线性回归所得到的回归参数估计及其拟合直线存在二义性问题,为确保解算结果的唯一性和一致性,需用总体最小二乘准则进行解算,对总体最小二乘准则进行了描述,利用奇异值分解方法,讨论了解算公式,最后用一数字算例,用最小二乘和总体最小二乘方法进行了计算和结果分析,得到了一些结论,此方...     

基于改进进化策略的线性参数估计方法

针对线性回归模型,在最小二乘意义下,提出一种基于改进进化策略的线性参数估计方法并用仿真实例检验其有效性.该方法是将进化策略与最小二乘法相结合并且对算法中的变异算子作了相应改进.算法参数估计精度较高,收敛速度快,自适应性强,能有效处理线性回归参数估计问题.     

带有色观测噪声的自适应滤波算法

对于带有色观测噪声的系统,基于最小二乘准则(LS),提出了递推增广最小二乘算法(RLSE),该自适应算法能显著减小噪声的影响,提高信号质量.并在此基础上提出了计算噪声方差的估值方法.计算机仿真例子和信噪比的计算证明了算法的正确性和有效性.     

基于稀疏表示和最小二乘回归的基因表达数据分类方法

提出基于稀疏表示和最小二乘回归的分类方法:用训练样本重构测试样本,先利用稀疏表示剔除噪声样本,接着用最小二乘回归和最近邻子空间准则对样本分类,可以克服传统分类方法存在的过拟合问题.在6个基因表达数据上的实验结果表明,该方法可以提高分类准确率.     

基于偏最小二乘回归的洪水预报方法

针对常规多元回归模型无法克服预报因子间复相关性的问题,提出了基于偏最小二乘回归的洪水预报方法.通过结合遗传算法与偏最小二乘回归来进行因子筛选,对筛选后的因子采用Bootstrap方法进行检验,再建立基于偏最小二乘回归的预报模型.实例分析结果表明,该方法建立的洪水预报模型结构简单,能依据给定目标进行因子筛选,有助于克服水...     

压力式细雾喷嘴雾化特性的研究

对液体的雾化机理及喷嘴的雾化特性进行了理论分析,用因次分析的方法建立了细密雾化喷嘴的准则关系式,用最小二乘法回归了TF型喷嘴平均直径的准则关系式.     

基于最小一乘准则的最优回归模型研究

针对目前回归函数中普遍存在的泛化能力得不到保证的缺点，结合统计学习理论的研究成果，提出了基于最小一乘准则的最优回归模型(简称为LaOR模型)．与以往模型相比较，LaOR模型综合考虑了回归误差和置信范围，可望有效地降低回归函数的期望风险．最后，以广东省江门市为例，将LaOR应用到区域经济发展的短期预测中，取得了可以接受的预测效果．     

Fabonacci法应用于曲线拟合优化新算法

由最小二乘法得到的曲线拟合的效果是较好的,但却不一定是最优的.文中提出将最小二乘法与Fa-bonacci法结合,得到一种曲线拟合的新优化算法.该算法的思路是在最小二乘法的基础之上,结合Fabonacci法优化已得到的拟合曲线的方程系数,使其更加合理化,从而获得最佳拟合曲线.该方法适用优化区间为单峰函数的任何数据,实例表明方法是切实可行的.     

近空间雷达网角度定位算法

研究了一种基于角度信息的近空间雷达网定位算法.首先根据几何关系将目标与各站的关系方程转换成线性方程,并求出带噪声的最小二乘解,然后通过最大似然估计将定位问题转化成无约束极值问题,以最小二乘解为初值,利用DFP算法进行迭代求得更精确的定位解,并给出了求解的详细步骤,最后推导了几何精度因子的表达式,并对算法性能和定位精度进行了仿真分析,证明了算法的有效性.     

光弹断裂分析数据拟合程序的改进

作者建议了一种选取初值的原则,并尝试用几种不同的阻尼最小二乘算法来替代在以前的光弹断裂分析数据拟合程序中所用的高斯-牛顿算法,发现一种改进的阻尼最小二乘算法最为合理.文中用这种新的算法编写的程序分析了几个动光弹实验结果,其中包括动态曲裂和枝裂实验结果.     

FAST二次精调实验平台的伺服系统设计

基于Stewart平台的馈源接收机位姿主动减振定位机构的控制，是500m口径球面射电天文望远镜（FAST）项目实现的关键。以大射电望远镜馈源二次精调平台为基础，研究将Stewart平台机构作为精调平台实现对大幅度的多自由度的减震控制。提出了基于Stewart机构的控制方案，利用PMAC卡实现机构的多轴控制，控制环节采用底层开发的开放伺服PID控制策略，加上最小二乘预测提高精度，实验证明该方案满足FAST需要的减震精度要求，该实验结果将为FAST原型设计提供可执行性的依据。     

基于QPSCO算法的传感器优化配置

针对以曲线拟合为目标的传感器配置问题,提出了一种基于量子粒子群协同优化(Quantum-behaved particle swarms cooperative optimization,简称QPSCO)算法的传感器优化配置方法.在QPSCO算法中,采用双层的多粒子群协同优化结构,同时引入参数变异策略,在扩大搜索范围的同时加快该算法收敛;将加权最小二乘法的误差平方和引入适应度函数中,以提高传感器位置曲线的拟合精度,从而实现传感器的优化配置.实验结果表明,该方案应用于土壤信息采集系统,不仅可以达到比粒子群优化(Particle swarm optimization,简称PSO)算法和量子粒子群优化(Quantum-behaved particle swarm optimization,简称QPSO)算法更好的寻优结果,而且具有比遗传算法更理想的位置拟合精度,是一种有效可行的传感器配置方法.     

自由曲面轮廓自适应对齐

在汽车模具型面误差分析中，以最小二乘法建立优化模型，引入优化理论算法对被测曲面轮廓进行误差分析．该方法的优点在于在误差分析过程中经过多次循环迭代能自动实现被测实物与理论CAD模型之间的自适应调整直到满足精度要求．     

基于偏最小二乘回归的飞机维修保障费用预测

分析了影响飞机维修保障费用的参数，提出用偏最小二乘回归方法来预测飞机维修保障费用。该方法对变量进行主成分分析、典型相关分析和多元线性回归，在处理存在多重线性相关的小样本多元数据方面效果很好。实例证明，与传统普通多元线性回归方法相比，偏最小二乘回归在飞机维修保障费用预测中精度更高。     

双缸电液振动台同步控制系统

在最小二乘递推估计的基础上，推导了一种逆传递函数矩阵实时辨识的算法，并将该算法用于双缸有偶合电液振动台同步控制系统。介绍了采用主从计算机组成的控制系统及数字迭代控制的实现方法，并通过实验证明算法的可行性。     

基于残差修正的挠性转子动平衡量的计算方法

介绍了挠性转子平衡问题的数学模型,分析了目前工程上常用的几种计算挠性转子平衡问题的方法的缺点,提出了基于最小二乘方法的扰动算法、直接修正算法和约束算法.这些算法在一定程度上改善了原来的工程上计算挠性转子平衡问题的方法的缺点.计算实例验证了基于最小二乘方法的扰动算法、直接修正算法和约束算法可以得到更满意的结果.