变系数Logistic模型估计及其应用

以线性Logistic模型为基础,通过假定其中的回归变量系数是某一度量空间中点的任意函数,提出了一类有广泛应用背景的变系数Logistic模型.该模型提高了线性Logistic模型的灵活性和适应性.基于局部加权最大似然估计方法,系统讨论了变系数Logistic模型的拟合,以及与之相关的局部权系统和其中光滑参数的确定.最后,探讨了本模型在判别分析中的应用.     

一类迭代平均值的广义加权推广

将一类算术迭代平均值、几何迭代平均值及调和迭代平均值推广到广义加权平均迭代的情形，给出了这3类广义加权迭代平均值的定义、计算公式，以及三者之间的一些等量关系、不等式关系和多重迭代的极限。     

模糊相关中的加权算法及其在彩色图像检索中的应用

提出了一种在彩色图像模糊相关的求和过程中引进加权因子的算法, 即在求和过程中对感兴趣的特征色赋予特定的求和权重, 使检索能针对检索目的或待检索图像的内容得到优化. 实验结果表明, 将该算法应用于图像检索, 不但可以进行有效的筛选检索, 而且还可以大大提高检索系统的色彩畸变不变的检索能力及对具有局部色彩特征的图像的检索能力.     

ħ混合序列的广义Jamison型加权和的强收敛性

讨论φ混合序列的广义Jamison型加权和的强收敛性，推广了著名的Jamison定理。     

一种基于分明矩阵的启发式知识约简方法

提出了基于分明矩阵的启发式知识约简方法。在决策表的相对约简过程中采用分明矩阵来表达知识,并利用分明矩阵中项的长度和每个属性的频率作为启发信息进行属性的选择。现已证明,寻找决策表中最小相对约简问题是典型的NP hard问题。所提供的算法在大多数情况下能够找到最小约简,即使在没找到最小约简的情况下,也能找到次优解。通过实例分析,证明该算法是求解属性相对约简的快速有效的方法     

基于关联加权预测的多生产线协调生产计划的研究

研究了一类带有限缓冲区的多生产线协调生产计划的模型问题，首先通过对制造企业生产现场进行调研，建立了上下游生产线部件成品关联结构，然后根据该关联结构建立了一种多生产线协调生产计划非线性规划模型．通常情况下，该模型的维数将很大．为了便于求解与提高求解速度，将模型进行了线性化和简化处理，并提出了一种快速的求解算法——两阶段关联加权均值预测算法．仿真结果表明所提的方法是非常有效的．     

四元数矩阵的左（右）加权＊-序

利用四元数矩阵的加权共轭转置定义了四元数矩阵的加权左(右)*-序，给出了加权左(右)*-序的一些等价刻画．推广了以往文献的相应结果．     

一种新的预测PID控制器

提出了一种新的预测PID控制器 ,通过将广义预测控制的控制律写成PID的形式 ,使PID控制器具有预测的功能。同时 ,在广义预测控制的性能指标中引入稳态误差加权项 ,用较小的预测时域和稳态条件代替较大的预测时域 ,从而减小了在线计算量。在连续搅拌反应釜 (CSTR)上进行的仿真试验验证了该技术的可行性 ,新控制器的控制性能优于普通的预测PID控制器。     

基于模糊校正的深度时序信息安全评估算法

针对现有信息安全评估算法对多专家主观态度偏差的处理不足,并且传统时序机器学习模型无法应对时间段内偏差积累等问题,提出一种基于深度模糊校正的深度时序信息安全评估算法。该算法首先通过三角模糊函数构建专家模糊评估指标,并采用改进的加权DS证据推理校正指标,然后创建损失和可能性矩阵特征,最后使用深度时序网络评估信息安全。在MIT数据集上进行了仿真实验,实验分别分析了特征是否能够应对多专家冲突,以及评估算法的正确率,鲁棒性和时间效率等指标。实验结果表明,本文提出的算法拥有更强的模糊评价能力,对专家间的冲突意见处理能力更强,在时序上的信息安全评估更准确,鲁棒性更高,但是算法效率却得到了保持。     

负相关随机变量加权和的矩完全收敛性

概率极限理论是概率论的主要分支之一,是概率统计学科中非常重要的理论基础;经典的极限理论是以独立随机变量为主要研究对象,但实际大部分随机变量是非独立的,负相关随机变量序列就是相依随机变量序列中的一类典型且应用广泛的随机变量序列,针对负相关随机变量加权和序列的极限问题,应用负相关序列、截尾和矩不等式等知识,推广了负相关随机变量加权和的矩完全收敛性,并给出了一个NA随机变量完全矩收敛的线性过程,所得结果改进了的相应结果。