递推加权最小二乘算法的研究

通常在使用递推加权最小二乘算法时,需要设计矩阵列满秩.从极限理论的角度出发,对设计矩阵列不满秩时加权最小二乘估计的递推算法进行了理论证明和分析,得出了在任意第n步,未知参数估计值收敛于由前n组数据所决定的极小范数加权最小二来解,并且此解是唯一的,仿真结果同样验证了该结论的正确性.     

基于无失效数据的加权E-Bayes可靠性评估方法

针对无失效数据情况下产品的可靠性评估问题,提出加权最小二乘法结合期望Bayes（expected Bayesian, E-Bayes)可靠性评估方法与模型。根据工程经验,构造出产品失效概率的先验分布;运用Bayes理论与方法,给出产品失效概率的E Bayes估计;在威布尔分布场合下,采用加权最小二乘法来拟合产品寿命分布参数,给出产品可靠性指标的点估计和区间估计;结合算例分析,探讨模型的稳健性与方法的优越性,表明该方法具有较好的工程应用价值。     

基于线性预测和最小二乘估计的缺陷阵波束形成

针对阵元失效时缺陷阵的波束形成问题,采用线性预测和最小二乘估计两种方法对失效阵元的输出进行预测.通过对缺陷阵输出响应进行重构,从而有效地抑制由于阵元失效而产生的旁瓣级提高以及基阵指向性的下降.仿真试验结果表明了方法的有效性.     

基于加权最小二乘的字典学习算法

冗余字典学习是信号稀疏表示理论中的一个重要研究方面。首先,针对各训练样本稀疏表示误差各不相同的现象,建立了误差加权的信号稀疏表示数学模型,根据该模型提出一种基于加权最小二乘的字典学习算法,推导了算法闭式解和讨论了最优加权矩阵的选取。其次,为避免闭式解中矩阵求逆运算,进一步推导了算法的在线计算形式,对训练样本依次学习,每学习一个样本,字典进行一次更新,直至样本结束。此外,对算法收敛性进行了理论分析。最后,分别从信号稀疏表示和已知字典恢复两个方面仿真验证了理论分析的正确性和算法的可行性和优越性。     

加权无标度网络级联抗毁性研究

通过引入一种改进的非线性负载容量模型,对加权无标度网络的级联抗毁性进行了深入研究.采用标准化崩塌规模为度量指标,在局部加权负载重分配准则下,对权重系数、容量参数以及网络密度等参量对网络级联抗毁性的影响进行了数值仿真模拟.结果表明,网络的级联抗毁性随着权重系数θ的增大而降低,在θ≤0.3时网络具有较强的抗毁性,这与线性模型中的结论是截然不同的;网络的级联抗毁性随着容量参数的增大而增强,且在权重系数确定的情况下,存在最优参数组合使得网络具有最强的级联抗毁性.最后,对成本和性能约束下加权无标度网络的级联抗毁性进行了定量分析.     

基于无失效数据失效率的船舶寿命估计

假设船舶寿命服从指数分布,在失效率的先验密度的核为时,提出了船舶寿命无失效数据失效率的Bayes估计和多层Bayes估计.并在此基础上提出了Ⅰ型和Ⅱ型船的可靠度的估计,最后对估计结果进行了分析.     

一种改进的加权最小二乘排序方法

本文对层次分析法中权的最小平方排序方法进行改进,提出一种新的改进的加权最小二乘排序方法,并从理论上进行证明。文章最后通过一个实例将两种排序方法与特征根排序方法进行对比分析,结果表明,改进的加权最小二乘排序方法可导出与特征向量排序方法相同的排序结果,克服了权的最小平方排序方法与特征向量排序方法排序结果不一致的缺点。     

基于加权最小二乘拟蒙特卡罗的美式期权定价

美式期权定价具有后向迭代搜索特征, 在最小二乘拟蒙特卡罗模拟(least-squares quasi-Monte Carlo, LSM)方法的基础上, 本文通过随机Faure序列以及对偶变数法增加抽样数目, 达到减小模拟方差的目的,用其计算标的资产价格, 然后用加权最小二乘法进行回归, 得到了加权最小二乘拟蒙特卡罗(weighted least-squares quasi-Monte Carlo, WLSQM)方法. 从期权价值、标准差、运行时间几个方面比较方法的优劣, 得出WLSQM 方法比LSM 方法估计效果更优的结果, 验证了WLSQM方法在美式期权定价上的有效性.     

基于距离加权最小二乘的量测数据关联

量测数据关联是被动多传感器系统中需要首先解决的一个关键问题,通常可采用多维分配算法进行求解,其中代价函数的选取在一定程度上决定了算法的最终分配结果。基于广义似然比构造的代价函数由于采用精度较低的传统最小二乘法进行定位,且没有考虑融合方差的影响,导致其性能较差。针对这一问题,提出一种基于距离加权最小二乘的量测数据关联算法,该算法将距离信息引入最小二乘定位算法中,并在代价函数的计算中融入目标位置的估计方差,构建出能够更为准确反映量测与目标之间相关程度的代价函数。仿真实验表明,所提算法在计算代价较小的前提下,提高了关联正确率,具有较好的工程应用价值。     

无失效数据条件下装备贮存可靠性分析

为解决装备贮存可靠度评估问题,对寿命分布为平均失效率递增类分布(increasing failure rates on the average, IFRA)的装备的贮存可靠性进行分析。首先,针对装备检测过程中可能出现的无失效数据情况,确定了失效概率的先验分布并给出了Bayes估计。然后用加权最小二乘法给出了寿命分布的参数估计,进而得到了装备贮存可靠度的估计和表达式。最后结合实例进行计算,说明了方法的稳定性和可行性,为工程上评估装备贮存可靠度提供借鉴。     

模糊线性回归及其应用实例

本文首先探讨了模糊线性回归模型的理论与方法,然后建立了天津市自来水行业职工人数预测模型,根据社会和经济发展目标,预测出天津自来水行业未来职工总人数。本文提出的方法与模型具有普遍意义与实用价值。     

遗传算法在模糊线性回归子集选择中的应用

针对模糊线性回归,提出子集选择问题,给出评价准则,并采用遗传算法（ＧＡｓ）实现子集选择．最后给出应用实例     

一元线性模型异方差的局部多项式回归

本文将局部多项式回归的非参数方法用于线性模型中异方差的估计 ,改进了传统的两阶段法 ,得到了估计的一致性和渐近正态性 ,为探讨估计的有限样本性 ,给出了若干模拟的例子。     

多元线性回归模型的聚类分析方法研究

提出一种对大量的多元线性回归模型进行聚类分析的方法.首先利用增广矩阵的相关系数矩阵定义了2个多元回归模型之间的距离以及模型集合的质心和半径等相关概念.然后采用Squeezer聚类方法,以过程全自动化的方式,实现对多元线性回归模型集合进行聚类分析.通过仿真研究验证了方法的有效性,取得满意的分析结果.     

组合套期保值的多元线性回归特征

从统计学角度推导了风险头寸和多种套期保值工具所组成资产组合的价格协方差矩阵逆矩阵的表达式,分析了该表达式的统计学特征.在此基础上,结合组合套期保值策略的基本模型,研究了组合套期保值策略最优套期保值比率的数理统计特征.结果表明,各套期保值工具的最优套期保值比率正好等于风险头寸价格对各套期保值工具价格进行多元线性回归后对应的复回归系数.揭示了组合套期保值方法和套期保值的回归分析方法之间存在紧密的联系.     

基于贝叶斯-神经网络的动态回归建模与预测

结合贝叶斯网络和神经网络，提出了一种建立数据驱动型的动态线性回归系统模型的方法。基于这种模型采用自然连接型的知识分布，形式化各种各样的信息，结合贝叶斯方法，执行贝叶斯网络的持续学习过程；采用指数寿命型的连接权值改进径向基神经网络，优化输入数据，提高计算速度；采用改进的遗传算法，实现神经网络的动态自适应。基于上述方法，实现了线性回归系统动态建模与实时预测。仿真试验说明该方法是有效性。     

基于一种增量式一元线性回归模型的自适应逆控制

为受控系统提出了一种简便实用的增量式一元线性回归模型。为了跟踪快时变参数 ,提出了一种滚动多模型加权平均参数估计算法。在参数估计和系统控制的过程中运用智能技术 ,使估值更可靠 ,并形成了以基于该模型的自适应逆控制为主、常规控制为辅的多模态控制方式。仿真结果表明 ,这一控制方式对于控制非线性和时变系统非常有效。     

基于加权支持向量机的选矿生产指标预报模型

在选矿生产中为了达到规定的目录,选矿工程师需要根据原矿的情况给各生产工序下达合理的生产作务,但由于选矿生产具有大滞后的特点,在选矿工程师决策下达执行前,如果能够对最终的生产结果进行预测则具有重要意义.以某选矿厂为实际背景,在分析了指标之间关系的基础上,采用加权支持向量机建立了相关指标的预报模型,并通过构造重要性函数的方法确定了支持向量机加权系数,最后利用该厂历史数据进行了传真实验     

基于GM(1,1)模型和线性回归的组合预测新方法

为解决 GM(1 ,1 )预测中存在的历史数据的跳变问题 ,依据灰色灾变预测原理 ,利用线性回归适用短期预测的特点 ,提出了一种新的预测方法 :用 GM(1 ,1 )模型预测将来可能的数据跳变日期点 ,对其他非跳变点使用分段线性回归函数进行预测 .通过对浙江省农村用电量的预测 ,结果表明该方法很好地克服了 GM(1 ,1 )模型和线性回归模型的缺陷 ,在实际中取得了较好的效果 .