基于累积矩生成函数多元响应降维子空间估计

结合多元响应降维子空间的矩生成函数估计和累积切片思想,提出了累积矩生成函数估计,并对样本估计量作改进.统计模拟结果表明,累积矩生成函数估计优于矩生成函数估计,改进的累积矩生成函数估计最优.     

基于矩生成函数的多元响应降维子空间估计

提出一类新的估计多元响应降维子空间方法,即基于矩生成函数(GF)、绝对值矩生成函数(G-A)与矩生成函数海塞主方向方法(G-PHD).给出了该方法估计量的相合性以及渐近性性质,并进行了实例模拟.     

基于多元图形特征融合原理的降维方法研究

降维是将高维模式映射到低维子空间的过程.在降维后的低维子空间进行分类往往能得到更好的效果.本文以高维数据为研究对象,采用多元描述图对高维数据进行可视化表达,采用多元图图形特征融合的方法对高维数据进行降维,用K邻分类器进行分类效果评价.与Fisher线性判别及其他一些常用非线性降维方法相比,本文所提方法在数据的可视化以及分类精度等方面均有较好效果.     

基于累积切片的多元响应降维子空间估计

将相关研究提出的累积切片均值估计(CUME)、累积海塞方向(CHD)应用到多元响应降维子空间的估计中并对估计量加以改进得到改进的多元累积切片估计(g-CUME)、多元累积海塞方向(g-CHD).     

4阶Steklov特征值问题基于降维格式的一种有效的有限元法

提出了球形区域上4阶Steklov特征值问题基于降维格式的一种有效的有限元方法.首先,通过引入球坐标变换,将原问题化为球坐标系下的等价形式,再利用球调和函数的正交性质进一步化为一系列等价的1维4阶Steklov特征值问题.其次,通过引入极条件和适当的带权Sobolev空间,我们推导了每个1维4阶Steklov特征值问题...     

Meyer-KnigandZeller算子的4阶矩和6阶矩

对Meyer-Knig and Zeller算子的4阶矩及6阶矩进行了研究,通过推导计算,给出了该算子4阶矩及6阶矩的估计结果.     

Meyer-K(o)nig and Zeller算子的4阶矩和6阶矩

对Meyer-K(o)nig and Zeller算子的4阶矩及6阶矩进行了研究,通过推导计算,给出了该算子4阶矩及6阶矩的估计结果.     

二维波达方向估计的非酉联合对角化方法

针对高斯白噪声中的二维角度估计问题,提出一种非酉联合对角化方法.该方法利用平移不变结构阵列信号子空间的旋转不变性,构造一组具有对角结构的空时相关矩阵,通过降维相关矩阵组的联合对角化,估计出阵列导向矢量矩阵,实现二维波达方向估计,所得二维角度能自动配对.该方法的计算量小于交替列对角化中心(ACDC)算法,且由于每步迭代具有精确的最小二乘闭式解,消除了ACDC算法的误差积累问题,其估计精度比二维旋转不变子空间方法和ACDC算法至少高5dB和2dB.     

协方差的最优二次型无偏估计

在二维总体与正态分布具有相同的前四阶矩的条件下,利用矩阵迹的一个不等式,讨论了协方差的二次型估计.证明了一个常用的估计量为协方差的最小方差二次型无偏估计.     

二维快速子空间DOA估计算法

提出一种二维快速子空间DOA估计算法,该算法利用阵列协方差矩阵的一个子矩阵得到降维的信号子空间,不需估计整个阵列的协方差矩阵,也不需进行特征值分解,从而使得该方法具有运算量小、复杂度低和易于实时处理的特点,因而可以应用在小数据样本和快速时变的信号环境中.理论分析和计算机仿真结果表明:与MUSIC算法相比,该算法运算量最多为MUSIC算法的1/4,低信噪比条件下DOA估计性能损失并不大,当信噪比大于5dB时,性能与MUSIC算法相当.     

一种生存数据非线性充分降维子空间估计的新方法

给出了一种估计生存数据非线性充分降维子空间的新方法.利用再生核Hilbert空间性质以及双切片思想,建立广义特征谱分解问题与获得充分降维子空间的联系,以此估计生存时间和删失时间的联合非线性降维中心子空间.进一步结合SDR中心子空间的性质,通过联合SDR中心子空间来估计权重函数,在算法实现过程中,利用迭代思想,达到提高估计效率的目的.最后通过数值模拟来说明该方法的优良性.     

基于高效求矩法与最大熵原理的矩方法

矩方法是进行结构可靠度分析的重要方法之一,其精度与效率很大程度上依赖于对功能函数矩的求解.然而,现有的求矩方法并不能很好地兼顾精度与效率.鉴于此,提出了一种基于高效求矩法与最大熵原理的矩方法.首先,通过自适应二维减维与高阶无迹变换求解结构功能函数前四阶矩,继而依据求得的前四阶矩,采用最大熵原理求解结构可靠指标.算例部分通过两道例题,将所提的高效求矩法与已有求矩方法,如蒙特卡洛方法、一维减维点估计等方法的求矩结果进行了对比,同时对比了结构可靠指标的计算结果.结果表明,所提的矩方法在求矩方面既提高了效率,也能保证精度,且计算得到的结构可靠指标的精度也能够满足工程要求.     

基于部分可控性矩阵的模型降阶方法及误差分析

针对单输入单输出系统,利用部分可控性矩阵的M-P广义逆作为集结矩阵,提出了一种新的近似集结法模型降阶方法。首先给出了当系统可控与不可控时的2种降阶模型,然后通过误差最小分析归结为一种降阶模型,并利用向量到子空间的距离给出了不同阶降阶模型误差的一个简单计算方法。以此误差作为标准,可以方便地选择满足需要的降阶阶数及降阶模型。最后以实例表明了该方法的有效性和应用性。     

基于负数阶矩的正值Alpha稳定分布的参数估计

为了精确估计正值alpha稳定（PAS）分布的参数，基于负数阶矩理论，提出了比值估计、对数矩估计和迭代对数矩估计3种参数估计方法．比值估计直接利用特定阶次的负数阶矩的比值来估计未知参数，对数矩估计利用PAS分布的对数变换及其负数阶矩的Taylor展式从而获得解析的估计形式，迭代对数矩估计通过样本分段迭代估计未知参数．与传统的估计方法相比，所提出的3种估计方法可以获得更高的估计精度，并且对数矩估计具有较低的计算复杂度．MonteCarlo仿真实验表明，当独立运行次数为100、样本总数为5000时，比值估计的估计精度可以达到99．8％，对数矩估计的估计精度可以达到99．95％，迭代对数矩估计的估计精度可以达到99．94％．     

一种改进的四阶累积量测向算法

针对降维的四阶累积量矩阵因采样快拍数有限而存在估计误差的问题,提出一种结合To-eplitz近似的四阶累积量旋转不变子空间(ESPRIT)测向算法(TFOC-ESPRIT).该算法在保持虚拟阵列有效孔径不变的同时,通过去除原始四阶累积量矩阵中的冗余元素,得到降维的四阶累积量矩阵,再对降维矩阵进行Toeplitz操作,恢复其Toeplitz结构,最后利用ESPRIT算法估计到达信号的方向.仿真实验表明:与MFOC-ESPRIT算法相比,TFOC-ESPRIT算法有效地提高了测向精度,不仅在少阵元数下能实现多信号的估计,而且当快拍数为400时,在空间白噪声和空间色噪声环境中其归一化成功概率也较高,分别达到了0.996和0.788.     

基于PCA-KLFDA的小样本故障数据集降维方法

针对小样本故障数据集降维问题,提出一种基于主元分析(PCA)和核局部费歇尔判别分析相结合的子空间降维方法.该方法首先应用PCA提取数据集中的关键信息并实施降维,然后将该子空间通过高斯核方法映射至高维线性空间,并在高维空间基于局部费歇尔判别分析训练出一个最有辨别力的低维分类特征集.用双跨转子实验台的一组故障特征数据集进行验证,结果表明:该方法能有效应对小样本的降维问题,达到增大不同故障样本集合间距离、使同类故障样本间的类内距离减小的效果,为基于数据驱动途径实现智能故障辨识技术中涉及的小样本故障数据集类别划分问题提供了一种新方法.     

一种可鉴别的稀疏保局投影算法

为了增强高维数据在低维子空间中的模式识别能力,假设任意2个类别相同的相似样本其稀疏表示也相似,并基于SPP和LPP思想,提出一种可鉴别稀疏保局投影降维新方法 DSLPP.该方法通过稀疏表示学习和保局部投影,使得在投影子空间中不仅能够保持稀疏表示对数据很好的表达能力,而且较好地获取高维数据所蕴含的本质局部流形结构和自然判别信息,从而增强高维数据在子空间中的表示能力和可鉴别能力.在3个典型的人脸数据集Yale,ORL和PIE29上,将所提出方法 DSLPP与PCA,LPP,NPE和SPP进行对比试验.结果表明DSLPP是一种有效的降维方法,能够较好地改善高维数据在低维子空间中的分类效果.     

基于分数阶傅里叶变换的宽带LFM信号波达方向估计新算法

提出一种新的基于分数阶傅里叶变换和信号子空间分解的宽带线性调频(LFM)信号波达方向(DOA)估计算法.该方法利用LFM信号在分数阶傅里叶变换域的极高的聚集性,在分数阶傅里叶变换域分离信号,并构造分数阶傅里叶变换域的阵列信号相关矩阵.通过对相关矩阵进行特征值分解,估计信号子空间和噪声子空间,并利用MUSIC算法估计宽带LFM信号的波达方向.仿真验证了新方法的有效性.     

Ch空间中无限时滞随机泛函微分方程解的估计

利用Ito公式、BDG不等式及Holder不等式,在C(h)空间中得到无限时滞随机泛函微分方程解的P阶矩估计、样本Liapunov指数估计,并进一步得到P阶矩的连续性等结论.     

一类双线性时间序列模型的矩估计

研究一类对角双线性模型ｘｔ＋Σｉ＝１ ｐ ａｉｘｔ－ｉ＝ｅｔ＋Σｊ＝１ ｑ ｂｊｅｔ－ｊｘｔ－ｊ的矩估计方法,着重分析一般模型ｘｔ＝ｅｔ＋ｂｅｔ－１ｘｔ－１的高阶矩估计及其大样本性质。方法 计算模型的矩,理论证明时运用中心极限定理,采用计算机仿真方法验证模型参数。结果与结论 获得一阶模型的高阶矩会计和一般模型的低阶矩估计,并给出仿真结果和说明,得到一阶模型的高阶矩估计的极限分布。