多指标预测模型的纠偏组合预测模型

在各个多指标模型具有系统偏差和尺度偏差的情况下,在正态分布前提下给出了多指标待预测向量的贝叶斯极大似然估计.该估计纠正了系统偏差和尺度偏差,且为一种多个多指标预测模型的组合预测模型.     

采样频率误差对OFDM系统的影响和估计方法

分析了正交频分多路(OFDM)系统中采样频率偏差对系统性能的影响，提出了一种基于导音的采样频率偏差估计方法．通过建立数学模型，推导出存在采样频率偏移时系统信噪比的近似计算公式，定量地估计采样频率误差对系统性能的影响．结果表明，输入信噪比相同时，采样频率增大将恶化系统性能，采样频率偏差一定时，随输入信噪比或系统子载波数目的增大，系统输出性能恶化进一步加剧．通过连续重发两个相同的OFDM符号，应用最大似然估计方法确定采样频率偏差．分析计算表明，该方法具有简单、精确的特点.     

存在相位噪声和信道估计偏差影响的空相关MIMO-OFDM系统的性能分析

为了进一步了解相位噪声和信道估计偏差在空相关多输入多输出正交频分复用(MIMO-OFDM)系统中的作用,对存在相位噪声和信道估计偏差影响的空相关MIMO-OFDM系统的性能进行了分析.利用模型表达了空相关MIMO-OFDM系统的复包络信号,推导了在相位噪声和信道估计偏差影响下的空相关MIMO-OFDM系统的有效数据符号的信噪比表达式,给出了在相位噪声和信道估计偏差影响下的空相关MIMO-OFDM系统的差错性能指标.研究表明,理论计算和计算机仿真的空相关MIMO-OFDM系统的差错性能结果在各种不同相位噪声和信道估计偏差影响下都比较吻合.     

基于不确定性估计的推荐系统多任务学习去偏方法

推荐系统在互联网应用中扮演重要的角色，它的核心任务是将最相关的物品推荐给用户，然而，由于推荐系统通常在大规模、稀疏和高维的数据集上运行，因此存在严重的偏差问题.近年来，多任务学习成为解决推荐系统偏差的有效方法，它可以同时学习多个相关任务，充分利用数据集的内在结构和相关性，研究人员最近还提出全空间反事实的转化率预测，利用逆倾向得分和双重鲁棒方法对推荐算法的效果进行估计.然而，通过理论分析发现，倾向性分数估计不准确和插值误差往往会导致预估偏差，这在实践中经常发生，影响了推荐的准确性和可靠性.由此，引入不确定性估计，结合多任务学习，通过计算每个用户反馈数据的概率分布来衡量数据的可靠程度，减轻模型在数据稀疏或数据噪声较大时的过拟合问题，有效地提高系统的泛化能力并减少偏差.实验结果表明，加入不确定性估计的多任务学习可以更好地适应不确定性的环境，在推荐系统中有广阔的应用前景.     

存在载波频偏和信道估计偏差影响的空相关多用户MIMO-OFDM系统的性能分析

为进一步了解载波频偏和信道估计偏差在空相关多用户MIMO-OFDM系统中的作用,对存在载波频偏和信道估计偏差影响的上传多用户MIMO-OFDM系统的性能进行了解析和仿真研究.推导了在载波频偏和信道估计偏差影响下的空相关多用户MIMO-OFDM系统的有效数据符号的信号干扰噪声比表达式,给出了多用户MIMO-OFDM系统的符号差错性能指标.研究表明,理论计算与计算机仿真的系统符号差错性能结果在各种载波频偏和信道估计偏差情况下都比较吻合.     

考虑权重模糊回归模型

基于样本偏差是系统固有的模糊性反映，提出用偏差平方和最小、模糊度最小、平均拟合度较大估计系统参数的迭代方法，简化了计算方法和线性规划的约束条件．最后用二个实例进行了说明．     

基于LS信道估计的研究与改进

信道估计在通信系统中占据着非常重要的位置，在此介绍和分析传统的LS估计准则，提出改进的LS信道估计准则，建立改进LS信道估计的数学模型，并对改进的LS信道进行了仿真。仿真结果表明改进的LS估计能够降低估计偏差的影响，有比LS准则较低的误码率。     

Weibull分布下恒定应力加速寿命的试验分析

在２个应力下恒加试验中加速方程的３个系数Ａ０、Ａ１、Ａ２的估计最为重要。常用的线性估计由于未考虑中间估计的相关性，导致３个系数的估计Ａ＾０、Ａ＾１、Ａ＾２的方差增大。文中利用协方差改进法，改进了中间估计，推导出３个系数的ＢＬＵＥ，并给出了Ａ０，Ａ１和Ａ２的ＢＬＵＥ的简化算法，同时还给出了３个系数的一种新的加权最小二乘估计，数值例子说明其方差与ＢＬＵＥ的方差较接近且计算较为简单。     

多传感器组网系统空间配准算法

传统的偏差配;住技术多基于球极投影,当传感器距离较远时,给配准结果引入一定的偏差,使用地心地固（ECEF）坐标系,以一个传感器为融合中心,提出了多传感器动态偏差的估计模型,能较好地解决了远距离偏差估计问题,由于的最小二乘法和广义最小二乘法不能满足实时动态系统配准,提出利用序惯卡尔曼滤波算法实现动态系统偏差估计,通过仿真试验说明该模型和算法能有效地进行传感器动态偏差估计．     

BDS卫星天线相位偏差对PPP法估计ZTD的影响

为详细分析不同的BDS卫星的天线相位偏差模型差异性及其对ZTD估计的影响,分别采用MGEX模型和ESA模型改正天线相位偏差,利用PPP法处理8个MGEX站观测数据估计ZTD.以PPP法获得的GPS ZTD为参考值,实验结果表明:采用现有天线相位偏差改正模型能提高BDS ZTD估计精度;与MGEX模型相比,ESA模型能更有效的减小系统偏差,提高内、外符合精度;固定测站坐标能显著减小ZTD估值的系统偏差,提高外符合精度.因此,推荐采用ESA模型改正BDS卫星天线相位偏差.     

一种针对脑部图像分割强度不均匀性的改进方法

强度不均匀性是医学图像中常见的问题,对图像的精确分割提出了许多挑战,图像分割是计算机视觉和计算的基础步骤,提出了一种基于模糊C均值(FCM)的能量最小化方法,将全局聚类和局部聚类相结合,用于磁共振(MR)脑图像的偏场估计和分割。该方法将MR图像分解为两个分量作为全局聚类项的优点,充分利用了表征组织物理性质的真实图像和解释强度不均匀性的偏置场及其各自的空间特性。MR图像的分解描述了整个图像中偏移场的变化,其中组织边界的某些深层变化细节可能会丢失。该方法利用了图像局部区域的不同偏移场的局部聚类项,较好地处理了不同组织间强度的深刻变化。由于局部聚类方法对偏移场的分布缺乏全局控制,此文利用了全局聚类和局部聚类的优点,考虑了两者的结合。在该方法中,通过能量最小化过程同时实现了偏移场估计和组织分割。用FCM迭代优化能量最小化问题,通过真实图像和合成图像与相关模型的对比实验,证明了该模型在偏差校正和分割精度方面的优越性。     

基于奇异谱分析的校正磁共振图像非均匀场的新方法

提出一种基于奇异函数分析数学模型的校正磁共振图像非均匀场的新方法.首先将受非均匀场污染的图像低频分量移去,然后由较高频率的不受非均匀场污染的频率分量重构被移去的低频分量,进而重构无非均匀场的磁共振图像,最后估计非均匀场.该方法不需要组织密度参数模型,不用事先对图像进行预处理,完全不需要用户的参与.     

加入用户评分偏置的推荐系统排名模型

针对现有推荐技术忽视了推荐结果总体多样性的问题,提出一种加入用户评分偏置的推荐系统排名模型.该模型通过交叉验证获取偏置调节参数,用以计算用户评分偏置,利用该偏置改进了传统模型中的用户阈值计算方法,从而保证总体多样性的提升效果可作用于全局用户.通过在阈值计算环节引入多样性调节因子,并结合多种排名算法,实现了总体多样性和精准度的精细控制.实验结果表明,相对于传统的基于经验取值的排名模型,所提模型在保证推荐精准度的同时,提高了推荐结果的总体多样性,可以方便地嵌入互动电视和电子商务等推荐系统,无需对原功能模块进行改动.     

脑电信号中独立分量特征提取与脑力负荷分类

脑力负荷过高会造成作业绩效下降和人因事故,过低则会造成人力资源浪费,所以研究操作人员脑力负荷状态非常有意义。现有脑力负荷分类方法利用脑电(electroencephalogram, EEG)信号特征进行分类,准确率较低。所以,本文针对视觉和操作类脑力负荷提出一种基于脑电独立分量特征的分类方法,该方法采用独立分量分析(Independent Component Analysis, ICA)对脑电信号进行分离,直接对得到的独立分量提取四种不同频段的能量特征,最后将特征作为支持向量机(Support Vector Machine, SVM)的输入,对脑力负荷进行分类。由于直接使用脑电独立分量特征,所以分类精度高于现有方法,平均分类精度提高29.14%。本文还进一步发现脑电独立分量中存在的眼电伪迹对分类结果没有明显影响。本文提出的方法可以实现快速、准确、自动的脑力负荷分类。     

异构集成学习中的观察学习机制研究

集成学习是提高分类精度的一种有效途径,已在许多领域显示出其优于单个分类器的良好性能。观察学习是一种基于社会学习理论的集成学习方法,以往对其研究集中于同构模式。在此提出了基于异构模式的观察学习策略,通过训练、观察、再训练三个阶段完成学习。在UCI标准数据集上对异构环境下的观察学习算法进行了实验研究。结果表明,该方法优于多数投票法和单个分类算法,其对弱分类器组成的分类器集合尤其有效。从偏差/方差分解的角度对观察学习提高分类性能的原因进行了论证,结果表明,观察学习算法既可以降低偏差,也可以降低方差。     

基于偏置矩阵的卫星遥感影像系统误差补偿

针对在求解卫星遥感影像偏置矩阵的过程中没有考虑偏置角的物理意义,采用理论分析和试验的方法,在分析偏置矩阵中三个角元素对地目标定位精度的影响后,提出了求解偏置矩阵角元素的方法。将求解的偏置矩阵用于国产资源二号卫星遥感影像的几何纠正,在无地面控制情况下,对地目标定位精度达到了实地上的152.338m,很好地补偿了影像上的系统误差,显著提高了直接利用卫星系统参数进行对地目标定位的精度,从而验证了所提出偏置矩阵求解方法的正确性以及用其补偿卫星遥感影像系统误差的可行性。     

涂覆法制备TiO2薄膜光电极及催化性能研究

用涂覆法制备了TiO2薄膜光电极，并对其进行了XRD和SEM的表征。以该电极为工作电极，铜片为电极，饱和甘汞电极为参比电极，建立了三电极光电催化体系，研究了此TiO2薄膜的光电催化性能以及外加偏压对反应速率的影响。结果表明：利用涂敷法制备TiO2薄膜电极是一种较好的方法；外加偏压可抑制光生电子－空穴的复合，提高苯酚的光催化效率；外加阳极偏压的光学催化速率优于外加阴极偏压的速率；在一定范围内，外加阴极偏压越大，苯酚的降解速率越快。     

一种高精度直流信号源的产生方法

针对电子设备故障诊断中要求高精度直流电压信号源问题，提出了一种全新的直流电压信号产生方法，它由直流电压信号产生环节、信号增益控制环节及输出信号反馈环节三部分组成，借助特定的补偿算法进行输出整定，实现了高精度的直流电压信号输出，具有工程实用价值。     

基于ADS-B数据的一次雷达系统误差配准方法

针对大误差一次雷达测量过程中雷达配准方法的精度提升问题,分析了一次雷达误差分布特性,以广播式自动相关监视系统的航迹数据为真值,提出了基于改进轨迹跟踪滤波的实时雷达配准方法。采用点云配准方法中随机抽样一致性的迭代最近点法,对基于期望增加模型的变结构交互式多模型算法中的偏置函数进行了改进,有效减少了随机误差在配准过程中的影响,并获得最优的偏置参数,以提升大误差一次雷达配准的精度。算例分析结果表明,该方法配准后可使所选一次雷达俯仰角平均绝对误差降低至0.04°,方位角平均绝对误差降低至0.07°,为雷达系统误差配准提供新方法支撑。     

基于偏差估计卷积神经网络恒星光谱数据自动分类

天体物理学科中恒星光谱具有极其重要的研究前景,中国自主研制的大科学天文巡天项目大天区多目标光纤光谱望远镜(large sky area multi-object fiber spectroscopy telescope,LAMOST)自启用以来,已经成为世界上空间光谱获取数据量最大的科学装置.目前,第6期数据(sixth data,DR6)已对全球的天文工作者开放.恒星光谱数据分类在研究天文观测数据分析领域中极为重要,为了同时兼顾快速的运行速度和准确的分类精度,基于偏差估计卷积神经网络方法(bias estimation convolu-tional neural network,BECNN),分析了DR5中F、G、K、M型恒星光谱.BECNN核心思想主要是利用偏差函数泰勒展开式的偏差参数代替柔性最大值传输函数的偏差参数,进而减小误差,提高准确度.将本文方法与现有的神经网络(neural network,NN)和卷积神经网络(convolutional neural network,CNN)算法进行对比,BECNN算法在F、G、K、M型恒星光谱自动分类准确率分别为93.177％、88.349％、93.807％、89.255％;CNN算法分别为91.646％、87.671％、92.701％、89.054％;NN算法分别为90.819％、87.417％、91.325％、88.092％.同时,将两两恒星光谱数据融合作为测试样本集,做进一步验证.结果表明:BECNN光谱自动分类准确率高于CNN和NN方法,在今后特殊天体索搜与恒星光谱精细分类研究中,本文方法有较好的借鉴价值.