基于数据色彩与文法Fuzzy识别的回归模式选择

依据人们对数据的几何形态来推断变量间函数关系的原理,提出了色彩数据与FuzzY嵌入文法等概念,并以此建立了利用计算机自动选择回归方程的文法Fuzzy模式识别方法。该模式识别方法中,色彩重心是在将原始数据赋予不同权重(色彩度)条件下得到的,信息损失少,更接近于人为描述曲线的心理特征;回归方程模型是用一组描述曲线增减变化趋势的语言变量组成的。     

基于数据色彩与文法Fuzzy识别的回归模式选择

依据人们对数据的几何形态来推断变量间函数关系的原理,提出了色彩数据与Fuzzy嵌入文法等概念,并以此建立了利用计算机自动选择回归方程的文法Fuzzy模式识别方法.整个模式识别的过程完全是一种模拟人的经验识别过程.识别效果的好坏,主要取决于两个主要手段,一是色彩滤波,一是模式的文法规则.色彩重心是将原始数据上赋予不同权重(色彩度)条件下得到的,信息损失的少,更接近于人为描述曲线的心理特征.回归方程模型由一组描述曲线增减变化趋势的语言变量组成.     

Fuzzy属性文法及在心电图识别中的应用

本文基于Ｆｕｚｚｙ半群的观点研究了一种有效的Ｆｕｚｚｙ模式识别方法－Ｆｕｚｚｙ属性文法，并将Ｆｕｚｚｙ上下文无关属笥言语法用来描述心电图信号，从而达到了识别心电图的目的。     

Fuzzy线性回归模型的估计标准误差

本文给出了评价Ｆｕｚｚｙ线性回归模型拟合效果优劣程度的指标－估计标准误差,研究了它的性质,并得得到计算机估计标准误差的简捷公式。文中还给出一个计算实例。     

对基于模糊点数据的回归分析的改进

通过构造一个新的矩阵,改进了基于模糊点数据的回归分析,大大减少了模型和运算的复杂性.     

模糊数据的回归模型及其应用

建立了动态模糊数据的时间回归模型 ,得出了线性规划求参和定阶方法 ,并给出了应用实例     

描述高维崎变模式的有效方法——Fuzzy 树文法

为了有效地描述带有Fuzziness 的高维模式,本文首先提出了Fuzzy 树文法与Fuzzy 树自动机的概念,进而研究了二者的关系.即:对每个Fuzzy 树文法,都可以构造与之等价的Fuzzy 树自动机.从而达到了自动识别Fuzzy 树语言的目的.     

Fuzzy文法的分解定理与表现定理

本文给出了Fuzzy文法的三个分解定理与三个表现定理.从两个不同的角度,阐明了Fuzzy文法与非Fuzzy 文法,以及它们的代数结构之间的关系.提供了将Fuzzy 文法转化为普通文法问题的实际办法.     

Fuzzy上下文无关文法与Fuzzy上下文无关语言的性质

Ｆｕｚｚｙ下推自动机与Ｆｕｚｚｙ上下文无关文法有紧密的关系,讨论了Ｆｕｚｚｙ上下文无关文法及其产生Ｆｕｚｚｙ上下文无关语言的一些性质。     

基于Bootstrap方法数据包络分析的回归分析

数据包络分析（DEA）方法中每一决策单元（DMU）有效性值的计算都涉及到考察集中所有其他DMU,因而使得DEA有效性值之间并不独立．为克服DEA有效性值的这种内在依赖性,提出了基于Bootstrap方法的DEA回归分析方法,以提高回归分析结果的可信度,并以封闭式基金业绩的DEA回归分析为例对之加以说明．     

一类基于偏最小二乘回归分析的成分数据预测模型

针对“因变量和自变量都是成分数据的前提下，如何建立它们之间的线性回归”的基本问题，以经典线性回归分析法为基础，结合对称Logratio变换，建立了一种基于偏最小二乘回归分析的成分数据预测模型，并对该模型进行了理论实证分析，论证了该模型的可行性与优良性，从而为解决具有成分数据信息的多重相关变量回归问题提供新的途径．     

基于分段回归模型的变形监测数据分析

通过对回归模型在变形监测的应用研究,结合工程实例,对某高铁隧道的拱顶沉降值运用分段回归模型进行分析预测,建立时间和位移变形量的回归分析模型,并从统计检验、曲线线型、拟合度三个层面进行评价,得出分段回归模型可以较好的预测隧道断面的变形趋势,从而验证了该方法的工程实用价值。     

基于模糊颜色提取的彩色图像分割

为了对彩色图像进行有效分割,提出了一种基于模糊颜色提取的新型彩色图像分割算法,这种算法可以有效的进行区域分割.首先,提出了一种模糊颜色提取方法,然后介绍了该算法,算法经过迭代可以选择典型的种子颜色来提取颜色分量,最后应用区域生长法可以确保所需区域的完整连通性.区别于现有的图像分割方法,本方法是将相同的像素分成几个模糊集,分割成功率提高10%左右.实验结果表明该算法可以合理分割出所需区域,避免冗余,并且具有较好的噪声抑制力和鲁棒性.     

面向不平衡数据的逻辑回归偏标记学习算法

偏标记学习是近几年提出的新机器学习框架,已有的逻辑回归偏标记算法尚不能解决数据不平衡问题.建立了一种可以解决数据不平衡的逻辑回归模型偏标记学习算法.基本思想是在多元逻辑回归模型中定义新的似然函数以达到处理不平衡数据的目的.算法先根据训练集中各个类别样本所占比例定义了一个新的似然函数,之后通过逼近和求导等数学手段推导得到了能够求解的光滑的逻辑回归偏标记学习模型.在UCI数据集和真实数据集上的仿真实验表明,所提算法在数据存在不平衡问题时提高了样本的平均分类精度.     

化学数据的一元线性回归分析

本文利用实验数据建立一元线性回归方程；回归直线，并用方差分析法和相关系数法检验方程的有效性。     

基于双惩罚分位回归的面板数据模型理论与实证研究

固定效应和随机效应同时选择是面板数据模型研究中的重要问题之一。本文通过分别对固定效应和随机效应引入条件Laplace先验,提出了一种新的贝叶斯双惩罚分位回归法。该方法不仅能对模型中重要解释变量进行自动选择,而且充分考虑到个体随机波动对解释变量系数估计带来的偏差。通过对方差分量的惩罚压缩,减少了模型中未知参数的个数,提高了模型自由度。Monte Carlo模拟及实证分析显示,所提出的方法不仅能准确估计出固定效应系数,而且能精确地捕捉到个体随机效应的波动。     

一种基于句子分割的文法自动推导算法

信息咨询口语对话系统中的领域文法规则往往需要专家来人工设计。该文针对一种面向汉语口语的上下文无关增强文法,提出了一种基于句子分割的文法自动推导算法。其基本思想是:用初始规则集对训练例句进行分析,若不能得到完整的语法树,则先对分析结果进行消歧和归一化,然后根据顶层成分递归地推导出缺少的规则,并更新已有的规则集。为了提高最终文法的性能,在例句处理顺序和规则更新上对算法基本流程做了改进。在天气预报查询领域进行了实验,结果文法的句法分析准确率在初始规则集为空时达到了64.8%,在初始规则集只包含日期相关规则时达到了86.4%。     

基于回归预测算法的无线传感器数据融合

无线传感器网络技术作为21世纪最有影响力的世纪技术,得到了越来越多的广泛关注,而无线传感器的能量问题,是制约无线传感器网络发展的核心问题之一。由于无线传感器的能量十分有限,因此要求尽最大可能减少能量的消耗,进而达到延长使用寿命的目的。课题从研究无线传感器节点采集到的数据开始,通过对采集到的周期数据进行分析,找出某种潜在规律,从而选择一种现有的回归模型进行下一周期的预测,如果下一采集周期的采集数据满足预测规律,则不必向汇聚节点上传数据,进而减少了数据的传送次数,节约了能量。基于回归预测算法的无线传感器数据融合是依据沈阳地区的温度数据为样本,同时应用MATLAB仿真模拟,根据模拟验证的结果表明该算法确实做到了减少数据的传输量,达到了节约传感器能量,延长了无线传感器网络寿命的目标。