单形分布变离差检验的Score统计量的局部影响

为了研究数据对于单形分布非线性模型变离差检验的Score统计量的局部影响，该文利用梯度方法分别研究了因变量及自变量的微小扰动对于该模型的Score检验统计量的局部影响，相应得到了度量最大局部影响的诊断统计量。最后，利用所得统计量获得了眼科学方面的一个实际数据中的影响点，结果表明该文提出的方法是有效的。     

Logistic模型的统计诊断

系统地分析了Logistic模型的统计诊断,将线性模型的诊断方法运用到Logistic模型。推导出数据删除模型一阶近似的参数估计公式,并给出数据删除模型与均值漂移模型的等价性;推导了判别强影响点或异常点的诊断统计量如Score统计量、广义Cook距离、似然距离等。通过实例分析证实了该诊断方法的有效性。     

变结构非线性模型的Score统计量的影响分析

对于具有结构变化的非线性回归模型,为了识别出数据对其阶段异方差Score检验统计量的影响,提出采用梯度方向探讨了模型中响应变量及自变量的微小扰动对于该模型的Score统计量的局部影响,分别得到了度量最大局部影响的诊断统计量.将所得统计量应用于2个澳大利亚南方地区栽培洋葱而得到的产量和密度数据,并识别出了其中的影响点.     

具有异方差的线性回归模型的统计诊断

为了诊断具有异方差的线性回归模型的异常点,建立了具有异方差的均值漂移模型和数据删除模型.采用Score诊断统计量对具有异方差的均值漂移模型的均值是否漂移进行诊断,证明了异方差存在条件下均值漂移模型和数据删除模型的等价性.这一结果表明,在诊断具有异方差的线性回归模型的异常点时,可考虑采用更加便于处理的均值漂移模型.最后,用Score诊断统计量对镀锌数据进行了异常点的诊断.     

广义线性模型的诊断与实例分析

研究了广义线性模型的诊断，将线性回归模型的诊断方法推广运用到广义线性模型，证明了均值漂移模型与数据删除模型的等价性，研究了判断异常点的Score检验统计量．最后通过实例建模，验证了本文给出的诊断方法的有效性．     

模糊聚类的有效性研究

在模糊聚类分析中,引入多元分析中的F-统计量和变化的显著性水平,用其评价模糊聚类的有效性,并用分类的F-统计量满足最小显著性水平的F检验构造了分类的有效性函数,在此基础上给出求有效分类的优化模型和模型的求解方法.最后,用此方法研究了一实际问题的分类.     

用于FSVM抑噪的统计型模糊权重函数

提出了用于设计模糊支持向量机(FSVM)的统计型模糊权重函数,该函数基于模式分类思想为每个训练数据建立一个分类面,数据的模糊权重根据分类面对2类数据的识别率来计算.靠近分类间隔的疑似噪声/离群点将获得相对较小的模糊权值,其作用受到抑制;而远离间隔区域的数据不容易受到盲目抑制.该方法能够有效识别噪声/离群点,降低它们对分类器的影响.实验验证了所提方法的合理性和有效性.统计型模糊权重函数对于含噪情况未知的训练数据尤其显得重要,因为数据含噪情况可以籍由函数分类功能得到恰当的估计.     

具有线性趋势回归信度模型的随机效应及线性趋势的Score检验

讨论了具有线性趋势的回归信度模型的随机效应和线性趋势的Score检验问题.首先分别推导出模型中随机效应存在性和线性趋势显著性这2种检验的Score检验统计量,然后利用Monte-Carlo方法分别模拟了此2种检验统计量的功效.功效模拟结果显示,2种检验统计量都有很好的检验效果.最后利用所得到的检验方法对旅客意外身体伤害保险数据进行了实例分析,分析结果表明,该数据集的随机效应是存在的,线性趋势也是显著的.     

交通分布预测模糊重力模型

为了解决交通分布预测中的模糊不确定性,以重力模型与模糊数学理论和方法为基础,基于三角模糊数建立了模糊重力模型.采用模糊线性最小二乘法标定了模型中参数.利用模糊幅度对观测值的比、观测值与估计值的隶属函数的不重合部分的面积与其面积之和的比这2种方法进行模型精度检验.研究了实现交通分布预测结果的发生、吸引平衡处理的模糊Frator增长率迭代平衡方法.通过实例详细说明了发生量、吸引量和交通阻抗均具有模糊不确定性时的模糊重力模型的应用过程,提出了根据模糊不确定性大小程度来利用模糊预测值的建议.模糊重力模型可以实现交通分布预测中的模糊不确定性.     

模糊集表决模型与模糊集的综合

以成分点的观点建立了模糊集表决模型 ,从而可用概率方法对隶属度进行研究 .由此提出了同一模糊概念下的多个模糊集的综合问题 ,并给出了合理的综合方法 .该方法将 Fuzzy统计中的显影区间法作为其特例 .最后讨论了门限汛期模糊集的综合问题     

关系数据库的SQL模糊扩展及模糊数据存储

介绍了基于关系模型模糊扩展3个研究方向的工作成果,给出了基于关系模型模糊数据库的模糊数据划分方法和模糊关系数据库的SQL模糊扩展,依据模糊集合理论中隶属函数和隶属度的概念,运用模糊数据的划分方法得到了模糊数据的数据类型,实现了模糊数据在关系数据库中的存储.     

简化模糊推论模型与多层构造模糊推论模型的对比研究

能够直接输出非模糊值的简化模糊推论已被广泛应用于控制系统.随着条件部成员函数个数的增加,这种模糊推论模型能够获得较高的输出精度.但是,对于采用从现实环境下获取的示教数据进行模型学习的情况,简化模糊推论模型有时难以获得很高的辨识精度.本文采用现实环境下的两种典型的示教数据,对单层构造的模糊推论模型和多层构造的模糊推论模型进行辨识.实验结果表明,多层构造的模糊推论模型比单层构造的模糊推论模型具有更高的辨识精度和对示教数据的适应能力.图7,表4,参16.     

基于数据特征的模糊模型辨识与模糊控制器设计方法

针对难于建立精确数学模型的复杂过程,提出了一种基于数据特征的模糊模型辨识方法.该方法首先按过程输出随输入变量变化的剧烈程度对输入变量论域进行划分,然后在此划分的基础上确定出模糊模型的规则总数和前件参数,最后由于要建立的模糊模型可以表示为一个前馈模糊神经网络,因此利用BP学习算法求得过程模糊模型的后件参数.基于所提出的模糊模型辨识方法进行了柔性连杆机器人模糊控制器设计,并进行了柔性连杆机器人模糊控制实验.实验表明,通过所提出的模糊模型辨识和模糊控制方法可以得到满意的控制性能.     

教学满意度测评的模型研究

根据美国顾客满意度指数测评的计量经济学模型,应用模糊综合评价和模糊推理,建立了教学满意度测评的模糊集模型;通过实证研究,说明了其具有较好的有效性和实用性;建立模型的方法和步骤不难推广到其他应用领域中去.     

SQL Server 2000实现模糊数据的存储与模糊判决

介绍了运用SQL Server 2000实现模糊数据的存储及模糊数据的判决方法，包括模糊关系数据模型的建立，模糊数据的存储方式和模糊判决执行量的确定方法，最后在此基础上用Transact-SQL语言实现了真正意义上的模糊查询。     

基于模糊竞争学习的模糊模型一体化辨识

提出了一种利用MGS(modified Gram-Schmidt)算法建立非线性系统模型的建模方法,并给出了基于MGS算法的模型结构和参数辨识的一体化方法,即利用MGS正交变换对通过模糊竞争学习的聚类结果进行变换,确定对模型贡献大的规则,删除对模型贡献小的规则,同时对模型中的参数进行估计,实现模糊模型结构和参数的优化.仿真结果表明,提出的方法能够对非线性系统进行模糊建模.     

传感器数据流上模糊预测系统的研究

为了利用基站(Sink)上现有的数据来及时地响应用户的查询,采用数据流上的金字塔时间模型来维护传感器数据流上不同时刻的聚集值,并利用这些聚集值生成模糊预测系统,通过该预测系统做出的预测来近似及时地响应用户的查询,在Sink上采用预测的方法,传感器新感知的数据可以不必立即向Sink传输,可以节省传感器网络结点的能量。     

模糊积分分类器中的自适应模糊测度

与其他分类器相比较,模糊积分分类器具有可以表示特征属性间交互作用的特性.确定合适的模糊测度是其关键因素之一.模糊测度的确定方法主要有2种:专家给定和从历史数据学习获得.由于模糊测度自身的复杂性,模糊测度主要是从数据中学习得到.为了能够更好地利用特征属性在样例空间体现出的局部特征,提出了一种用人工神经网络实现自适应模糊测度的方法.使得模糊测度可以随着输入样例的不同而变化,及时反映出在对样例进行分类过程中各特征属性的重要性和属性间的交互作用的不同,从而提高分类性能.实验证明该方法有效,可行.     

基于模糊理论的关键词识别算法

针对关键词发音相似易混淆及反词模型难确定、难训练等问题,提出一种结合模糊理论的方法,利用模糊C均值聚类算法对候选关键词进行2次聚类,同时将新的聚类中心作为反词模型进行最后确认.实验结果表明,这种方法使识别率得到了显著的提高.     

基于模糊逻辑的供应商选择

针对传统选择供应商方法的效率较低的问题，采用模糊聚类方法，将供应商的选择过程分为两个阶段；筛选阶段和择优阶段。使用模糊聚类的方法筛选出潜在的供应商，将候选供应商的数目降低到一个合适范围内；使用模糊决策的方法对筛选出的供应商进行综合评价，选择出适合企业的供应商，建立了供应商选择的两阶段模型，有利于企业提高管理的决策质量和管理效率。