电力负荷预测的核偏最小二乘回归模型

利用高斯核函数将低维空间的非线性回归转化为高维空间的线性回归,建立了基于核偏最小二乘回归的电力负荷预测模型,克服了非线性因素对预测模型的不利影响。应用武汉市的实际数据进行了验证,结果表明,基于核偏最小二乘回归的电力负荷预测与线性偏最小二乘回归相比,具有更好的预测性能。     

偏最小二乘回归在课堂教学质量评价中的应用

本文利用方差膨胀因子诊断了课堂教学评价的指标,在此基础上建立了偏最小二乘回归评价模型,有效的克服了评价指标间的多重共线性。分析了影响影响课堂教学质量评价的主要指标,为改进课堂教学指明了方向。     

东乌铁路通信机房环境动力监测系统浅析

环境动力监测系统主要对通信机房电源、温湿度、烟雾、人员进出、空调等参数进行管理和控制,同时将现场环境数据及时地传输到控制中心,并为故障的分析记录可靠的数据。环境动力监测系统在铁路通信机房的使用,极大地降低了通信设备的故障率,缩短了故障的诊断与恢复时间,提高了设备维护效率。本文主要介绍环境动力监测系统的构成及功能。     

基于核主成分分析的大学生综合素质测评

运用核主成分分析建立大学生综合素质测评模型，并与主成分分析的结果进行了比较。最后对大学生综合素质给出一个客观综合的评价。     

基于PLSR的大学生综合素质测评模型

运用方差膨胀因子对大学生综合素质测评的指标进行了共线性诊断,建立了综合素质测评的偏最小二乘回归模型。检验结果表明,大学生综合素质测评的偏最小二乘回归模型是可行的且具有较高的精度。     

基于核主成分分析的教师综合素质评价模型

本文利用矩阵条件数诊断了教师综合素质评价指标的多重共线性,在此基础上建立了核主成分分析(KPCA)评价模型.与主成分分析(PCA)的对比结果表明,KPCA能够提取更少的成分反映原始指标的信息.     

电力负荷预测的核偏最小二乘回归模型

利用高斯核函数将低维空间的非线性回归转化为高维空间的线性回归,建立了基于核偏最小二乘回归的电力负荷预测模型,克服了非线性因素对预测模型的不利影响.应用武汉市的实际数据进行了验证,结果表明,基于核偏最小二乘回归的电力负荷预测与线性偏最小二乘回归相比,具有更好的预测性能.     

基于自适应粒子群算法的GM(1,1)模型及其应用

将自适应粒子群算法优化GM(1,1)模型的参数用于武汉市电力负荷预测,与普通GM(1,1)及标准粒子群优化的GM(1,1)模型的预测结果比较,发现采用自适应粒子群算法优化参数的GM(1,1)模型具有更理想的预测结果。     

基于自适应多分类最小二乘支持向量机的大学生就业预测

建立了大学生就业预测的参数自适应的多分类最小二乘支持向量机模型。与一对多、一对一和ECOC分类方法相比,基于M-ary分类方法的最小二乘支持向量机只需较少的支持向量就能达到较高的预测精度。