加权PCA和加权LDA中距离对分类结果的影响

针对多类分类问题提出了加权改进主成分分析法(WIPCA),并通过实验研究了加权主成分分析和加权线性判别分析中距离对分类结果的影响.     

广义Baskakov算子加权逼近的正逆定理

引用新的加权光滑模wψ2λ(f,t)w和新的Jocabi权函数w(x)=x-a(1 ax)b(0≤a＜1,b≥0),研究了广义Baskakov算子,得出了其加权逼近的点态结果,进一步统一和补充了以前的结果.     

Baskakov算子加权同时逼近的点态结果

引入了新的加权光滑模ω2φλ(f,t)w,利用Jacobi权函数w(x)研究了Baskakov算子的逼近性质,给出了其加权同时逼近的点态结果,进一步统一和推广了前人的结果.     

确定函数型数据主成分个数的自适应加权截断法

针对协变量为函数型、响应变量为标量的一元函数型回归模型,提出一种自适应加权截断法来解决主成分基展开时的项数选取问题.首先,分别依据方差解释百分比(PVE)和关联变异解释百分比(PAVE)对函数型主成分个数进行截断,然后对各自截断出的主成分个数进行加权求和,通过优化算法获得使估计误差达到最小的最优权重,进而得到最终的主成...     

广义Baskakov算子线性组合加权逼近的点态定理

引用新的Ditzian-Totik光滑模ω~r_φ~λ(f,t)_ω和Jocobi权函数ω(x)=x~a(1+αx)~(-b),00,研究了广义Baskakov算子线性组合的加权逼近,给出了加权逼近的点态逼近定理.     

关于一类函数的加权多项式逼近

G.Freud讨论了关于权函数W_β(x)=(1+x~2)~(β/2e~(-x~2/2))(β≥0)的加权逼近。给出了逼近论中的正逆定理。本文考虑Hasson等有关经典逼近中的一些结果在这种情况下的推广。     

基于加权主元分析(WPCA)的人脸识别

将特征加权和主元分析相结合,提出了一种新的加权主元分析方法;这种方法先根据加权重建误差最小化,计算出各类训练样本的加权子空间,然后计算测试样本点到各加权子空间的距离,并根据该距离进行分类识别.最后,通过对剑桥ORL数据库进行的试验证明,该方法与传统的主元分析相比可以在不增加运算量的情况下大大提高识别率.     

加权有限元法

本文提出了一种加权有限元法。该法利用加权矩阵[W_(s×s)~((n))]和加权因子λ提高粗分单元网格所相应的解的精度。     

具Dini型核奇异积分算子交换子的加权不等式

得到了核满足Dini型条件的奇异积分算子与BMO函数构成的交换子关于任意权函数的强(p,p)加权不等式.     

加权主成分分析法在公路网综合评价中的应用

城市公路网的分析与评价对于公路网规划项目开发、实施决策具有重要的理论价值和现实意义．建立了基于加权主成分分析法的公路网综合评价模型，并给出了评价案例评价结果表明，利用加权主成分分析法评价公路网可以将主成分分析法的客观分析和层次分析法的主观分析有机地结合起来，其评价结果更加全面、更加符合客观实际情况。