模糊偏最小二乘支持向量机的应用研究

基于偏最小二乘回归法和模糊隶属度函数,提出了一种模糊偏最小二乘支持向量机.传统最小二乘支持向量机引入模糊加权系数后,可以根据训练样本点的情况调整折衷系数,有效地提高了最小二乘支持向量机的抗噪性能.同时利用偏最小二乘回归法,克服了求解线性回归方程中自变量向量间的多重相关性问题.利用 sinc 函数对该建模方法进行了测试,并进一步对铜转炉吹炼时间的预测问题进行了仿真研究.仿真结果表明,该建模方法具有预测准确、跟踪性能好的优点.     

基于偏最小二乘回归的农村居民人均纯收入预测

偏最小二乘回归是一种能在一个算法下同时实现回归建模、数据简化和两组变量间相关分析的新型多元回归分析方法。农村居民人均纯收入受到多种因素的影响,各因素间相互制约和影响,存在着严重的多重相关性,而偏最小二乘回归方法能很好地解决这一问题。通过将偏最小二乘回归分析方法用于农村居民人均纯收入拟合和预测时,结果表明,该方法具有建模简单、计算结果可靠的特点,具有较强的实用性。图2,表4,参6。     

Hilbert曲线扫描在JPEG隐写分析中的研究与应用

提出了一种具有较高正确检测率的JPEG 隐写通用型检测方法. 利用Hilbert曲线对JPEG 图像DCT 系数块进行扫描,使用马尔可夫模型挖掘DCT 系数的块间和块内相关性,提取转移概率矩阵作为特征. 针对nsF5 和MB （model-based） 隐写方法的实验表明：此方法能对以上两种隐写方法进行有效检测,相比同类检测方法,其检测率有一定提高.     

Hilbert曲线扫描在JPEG隐写分析中的研究与应用

提出了一种具有较高正确检测率的JPEG隐写通用型检测方法.利用Hilbert曲线对JPEG图像DCT系数块进行扫描,使用马尔可夫模型挖掘DCT系数的块间和块内相关性,提取转移概率矩阵作为特征.针对nsF5和MB(model-based)隐写方法的实验表明:此方法能对以上两种隐写方法进行有效检测,相比同类检测方法,其检测率有一定提高.     

基于预分类和特征扩展的JPEG图像隐写分析

联合图像专家组(joint photographic experts group, JPEG)图像的隐写分析性能不仅与信息嵌入方式有关,同时与其自身的内容复杂度也紧密相关。本文提出一种基于预分类和特征扩展的新方法以提高JPEG图像通用隐写分析准确性。首先采用图像内容复杂度度量准则将训练样本划分为若干互相重叠的类别,并对每一类子库分别提取更加有效的扩展特征集以及构造各自的分类器模型;对于给定的待测图像,根据其内容复杂度与各类复杂度均值的最小距离进行预分类,提取特征并进行相应类别的分类器测试。实验结果表明,该方法对典型的JPEG图像隐写算法具有更好的检测性能。     

多传感器数据融合方法在系统建模中的应用

阐述了多传感器数据融合建模的几类典型的方法,重点分析了基于传统多元统计理论的分析法、最小二乘法、人工神经网络等方法的基本原理和各自的技术特点.同时,较为详细地介绍了一种新颖、有效的数据融合建模方法--偏最小二乘回归分析方法(PLSR),并在文章结尾给出了一个运用该方法分析刀具磨损量的实例.     

偏最小二乘相关算法在系统建模中的两类典型应用

讨论了偏最小二乘回归（PLSR）的相关算法对两类典型实际系统建模的有效应用。分析了传统的偏最小二乘回归批处理算法及由此产生的一种简化算法的基本原理和技术特点，在此基础上，对原有的递推算法进行了一定程度的改进，直接采用自变量主元t的回归系数矩阵P和R来取代旧的数据信息，从而进一步简化了计算过程，针对上述两种算法的特点，分别对无人机费用模型（少样本，多变量）和切削力峰值模型（多样本，少变量）参数进行了估计计算，说明了各自算法的应用优势。     

线谱频率帧内、帧间联合预测算法

为充分利用线谱频率的帧内及帧间相关性降低语音的编码速率,设计了基于偏最小二乘及其简化算法的帧内、帧间联合预测模型.该模型可根据浊清音出现次序的不同,利用前后帧的线谱频率及当前帧的第i-1个已预测的线谱频率对当前帧的第i个线谱频率进行预测.结果表明,偏最小二乘模型及其简化模型均有效降低线谱频率的动态范围,其中基于偏最小二乘回归算法的预测模型最为精确,而简化模型的运算量及计算复杂度均优于偏最小二乘回归算法的预测模型,在采用(4,6)分组SVQ量化器对LSF参数预测误差进行量化时,每帧仅用7比特即使平均谱失真小于1dB,较2.4 kbps下MELP编码标准中每帧对线谱频率的量化比特节省了18比特.     

基于PLS方法和Kriging模型的多目标有效全局优化方法及应用

针对实际工程中参数过多导致的建模效率低、多目标相互冲突带来的求解困难及成本昂贵的仿真优化问题,提出了一种基于偏最小二乘法和Kriging模型的多目标有效全局优化方法.该方法首先通过偏最小二乘法进行降维,确定主成分;其次,利用偏最小二乘加权系数矩阵,获得自适应偏最小二乘高斯核函数,建立初始Kriging代理模型;然后,通过三种矩阵填充准则对多目标问题进行全局优化;最后,根据终止准则输出最优Pareto近似解集.数值算例结果表明,该算法建模效率提升的同时目标函数值收敛速度更快,在收敛精度及稳定性方面均具有优势.工程实例表明偏最小二乘变换后Kriging模型预测性能优于常规Kriging模型.     

基于偏最小二乘回归的可靠性增长费用分析

为消除武器装备可靠性增长费用建模中自变量之间的多重相关性,引入了偏最小二乘回归分析,并针对某型现役装备使用阶段可靠性增长费用数据进行了建模与分析。结果表明,与一般的多元回归分析相比,偏最小二乘回归分析避免了自变量之间多重相关性带来的问题,能够得到与实际经验相符合的模型。