预测三因子论初探——关于预测论的探讨

通常,预测主要是对事物未来的发展、变化进行预先推断。本文提出广义预测的概念,包含了正向预测与逆向预测内容。分析了预测的不确定性及论述了预测的哲学基础是辩证唯物论的认识论,提出了预测三因子论,即能否预测取决于对预测的核心因子、诱导因子、不确定因子的了解与掌握程度。并运用预测三因子论对地震预测、彩票预测、油价预测三大预测难题进行了分析。     

动态加权预测方法设计及在降水预测中的应用

在动态数据预测中,为克服传统预测方法中所造成的较大误差,本文通过动态预测理论与移动平均预测理论相结合,设计了一种加权移动平均预测方法,用来预测时间序列数据.在原有的移动平均预测基础上构造一个动态加权参数.通过对相对误差的比较,证实了该方法预测效果优于移动平均预测.并利用该方法对乌鲁木齐地区30年平均降水量进行预测研究.并与动态预测方法相比较,预测效果相对误差较小.     

预测分析在企业管理中的应用

预测分析是一门实用学科,它的任务是根据事物的发展规律对未来事件做出科学评判。就其内容而言,分为经济预测、科技预测、社会预测和军事预测;就其应用方法分为定性预测和定量预测;就其预测期限分为长期预测、中期预测和短期预测。预测分析是本世纪40年代形成并发展起来的,之后在经济、科学技术、社会领域得到广泛应用。     

高效的用户访问预测新算法

针对基于Web日志挖掘的用户访问预测经典算法的不足,提出了基于Markov链和关联规则的预测算法(MAPA).使用二阶Markov链找到用户下一步或将来可能访问的页面集,生成预测候选集;使用二项关联规则从正向和反向2个角度修正Markov的预测结果,从而生成最后的预测页面.通过引入用户反馈机制,提出了带反馈的Markov预测算法(MPAF),即在预测过程中逐步构造历史预测树,把历史预测信息保存到历史预测树中,并根据用户的反馈来判断预测的正确性.在预测过程中,用二阶Markov预测算法生成预测候选集,再利用历史预测信息动态地调整预测算法,从而生成预测页面.理论分析证明,这2种预测算法具有线性时间复杂度的预测效率.实验结果表明,MAPA和MPAF在预测准确率上平均提高5%和10%.     

基于灰色模型的动态功率管理空闲预测算法

为提高空闲预测的准确性,提出基于灰色模型的空闲预测算法.该算法对预测样本的数量和分布特征没有苛刻要求,仅使用少量样本数据就能够进行预测.预测过程可以动态调整预测参数,实现自适应预测,提高预测的准确性.实验结果表明,使用该算法进行预测得到的预测值接近真实值,准确性高于指数平均预测算法.     

实时交通量的灰色马尔柯夫预测方法

灰色预测适合于原始数据序列按指数规律变化的问题,而马尔柯夫适用于预测随机波动大的动态过程．有机地结合两者构成灰色马尔柯夫预测方法,可发挥两者的优势,从而提高预测精度．该方法首先用GM（1,1）模型进行预测,而后对相对误差序列进行马尔柯夫预测,最后用该预测值修正GM（1,1）的预测结果,因而具有较高的预测精度．使用灰色马尔柯夫预测方法对苏州某交叉口实时交通量进行预测,预测结果优于单一灰色GM（1,1）预测．实验表明,灰色马尔柯夫预测方法用于交通量预测是有效可行的．     

一般增长曲线模型中线性预测的可容许性

研究了一般增长曲线模型中线性可预测变量的最优预测,给出了可容许线性预测的定义,并分别在齐次线性预测类和非齐次线性预测类中得到了线性可预测变量的一个线性预测是可容许预测的充要条件．     

基于ARIMA—ANN的时间序列组合预测模型

目前,时间序列预测主要采用基于传统研究方法或人工神经网络技术的单一预测方法.近年来的研究表明,组合预测方法比单一预测具有更高的预测精度.提出了一种基于BP神经网络和ARIMA组合模型的预测新方法,对中国GDP的变化趋势进行了综合分析与预测,预测结果表明这种方法相对于单一的预测方法具有更高的精度,该模型在非平稳时序的预测中的应用是可行、有效的.     

基于神经网络的预测模型的比较研究

随着经济预测、电力预测等各种预测的兴起,预测对各种领域的重要性开始显现.针对在建立预测模型时不能准确判别使用合适的神经网络,论文归纳了几种常用干预测的神经网络:BP神经网络、RBF神经网络、小波神经网络、组合神经网络,并总结了相应的优缺点,及其适用的预测范围.以某蓄电池厂近几年的销售量为例,检验各种预测模型的精度.预测结果显示,用单一预测模型进行预测时,因自身的局限,使其预测精度和稳定性不高.相比之下,组合预测模型更能有效提高预测精度,可以较充分的降低预测风险,保证预测结果的稳健性.     

基于相空间重构预测方法预测能力的评估

为了客观地评估基于相空间重构预测方法的预测能力,使用非线性局部Lyapunov指数来替代均方根误差。根据误差平均相对增长的饱和性质,可以确定预测方法的最大预测期限。通过计算得到重构Lorenz相空间和原始Lorenz相空间的最大预测期限分别是12,13s,k-近邻方法(k=1,2,3,4,5)的最大预测期限分别是12.0,9.8,9.7,9.2,8.8s,多变量预测方法的最大预测期限是12.8s,单变量预测方法的最大预测期限是12.0s。研究表明,重构的Lorenz系统的相空间可预报性与原始Lorenz相空间相当。此外,对于重构的Lorenz相空间,由于k-近邻方法集合了预测能力参差不齐的成员,导致其预测能力逊色于零级近似预测,多变量预测方法的预测能力与单变量预测方法几乎相当。     

非参数判别模型

提出了一类新的判别分析方法,主要思想是将非参数回归模型推广到判别分析中,形成相应的非参数判别模型.通过实例与传统判别法相比较,表明非参数判别法具有更广泛的适用性和较高的回代正确率.     

统计不相关性的最佳鉴别变换的手写数字识别

为了进一步深入研究推广手写体数字识别技术,介绍并验证了具有统计不相关性的最佳鉴别变换在手写体数字识别中的优越性.与经典的Foley-Sammon鉴别变换法相比,具有统计不相关性的最佳鉴别变换相关性更小,提取的特征更有效.提出利用具有统计不相关性的最佳鉴别变换来提取特征并结合BP网络设计分类器用以实现手写体数字识别.通过3个对比实验证实了基于具有统计不相关性的最佳鉴别变换方法的识别方法的有效性.     

一种改进的最佳鉴别平面

在模式识别领域,基于Ｆｉｓｈｅｒ鉴别准则函数的Ｓａｍｍｏｎ最佳鉴别平面技术有着重大的影响。特征抽取的一般原则是最好抽取模式朱相关的特征,而Ｓａｍｍｏｎ最佳鉴别平面的２个鉴别投影方向虽然是正交的,但一般也是统计相关的。实验结果表明,改进的最佳鉴别平面具有良好分类效果。     

基于多目标优化问题模型的鉴别分析方法

该文提出一种新的Fisher鉴别分析的多目标优化问题模型。模型将最大的Fisher函数值与鉴别矢量所抽取特征间最小的相关同时作为优化目标。通过构造评价函数,将这一问题转换为适当的单目标优化问题。利用问题模型的特殊性,用Lagrange乘子法分析得出了相应鉴别矢量解的表达式。将该方法与F—S鉴别分析方法在CENPARMI手写体阿拉伯数字库上进行了对比实验。实验显示,该文方法明显优于F—S鉴别分析方法。     

基于有效鉴别特征抽取的有限汉字集识别

在模式识别领域，基于Fisher鉴别准则函数的最佳鉴别矢量集技术有着重大的影响，根据统计不相关性最优鉴别变换，提出了在汽车牌照二值化图像中抽取汉字字符的有效鉴别特征方法，并将其应用于沪宁高速公路收费口处实拍的车牌图像库中，其识别率达97.13%，实验结果表明，此文所提出的牌照图中汉字字符集的有效鉴别特征方法是有效的。     

沉积环境判别与分类的Bayes判别分析法

基于Bayes判别分析法建立沉积环境判别与分类的Bayes判别分析模型.模型选用粒度的平均粒径、标准偏差、偏差以及峰值4个指标作为判别因子,并以训练样本建立Bayes判别函数,以该函数计算待判样品的Bayes判别函数值,以最大值对应的总体作为样品的归属,以刀切法对判别准则进行评价.研究表明,所建模型以刀切法计算的准确率...     

一种新颖的分组决策方法及其应用

该文分析了广义最佳鉴别向量集,给出了基于用于线性特征抽取的广义最佳鉴别向量的分组决策方法。将所有的样本分成若干组,从理论上说明每一组的Ｆｉｓｈｅｒ 鉴别函数值大于整体的Ｆｉｓｈｅｒ 鉴别函数值,因此,每一组的识别正确率远高于整体的识别正确率。为了验证所述方法的有效性,将其用于人脸识别。实验结果显示：当采用同样个数的广义最佳鉴别向量时,此方法比不分组的方法能得到更高的识别正确率;如果采用分类决策,可用较少的广义最佳鉴别向量得到良好的识别正确率,而用其它方法要达到同样的正确率,需要许多广义最佳鉴别向量。     

一种评判认知诊断方法有效性的新指标:真实判准率

该文提出了TPMR和TAAMR 2种真实判准率指标,用于替代现有评判认知诊断方法有效性的指标PMR与AAMR,并分析新旧指标的区别,随后比较参数和非参数方法在新旧指标上的表现以及高判、低判、错判情况,为认知诊断的实践提供理论依据.研究发现:(i)TPMR、TAAMR相比于PMR、AAMR而言,更能真实地反映认知诊断方法的有效性;(ii)TPMR、TAAMR在不同条件下表现均较为稳定,相比PMR、AAMR更能区分认知诊断方法的优劣;(iii)从高低错判的角度来看,PNN更适合于实践应用.     

基于Bayes判别法的内燃机气门间隙故障诊断

以内燃机气门振动信号经过经验模态分解（EMD）方法得到的固有模态函数的关联维数作为判别因子,建立内燃机气门故障诊断Bayes判别分析模型.以内燃机气门故障诊断Bayes判别分析模型计算判别样品的Bayes判别函数值,以最大对应的总体作为样品所归属的总体.对判别准则进行了评价,检验该判别模型的优良性.研究表明：Bayes判别分析模型回判估计误判率很低,为内燃机气门间隙故障诊断识别提供了一种有效的定量化分析方法.     

Fisher′s判别分析在性别鉴定中的应用

本文对57例(男36,女21)国人髋骨进行了16个项目的测量,并进行了性别判别分析。研究结果表明:16个测量项目中有6项判别效果较好。本文采用Fisher's判别分析建立了4个性别判别函数,判别率达90％以上。