最小二乘支持向量机的预优共轭梯度法

针对Suyken等人提出的最小二乘支持向量机的共轭梯度法在输入样本的个数较大时,需要求解高阶线性方程组这一缺陷,提出了一种新算法。该算法利用分块矩阵的思想将该高阶线性方程组系数矩阵降阶,为了提高收敛速度,克服数值的不稳定性,采用条件预优共轭梯度法求解低阶的线性方程组。通过仿真试验证明用本文方法训练最小二乘支持向量机比共轭梯度法的训练速度提高了将近一倍。     

基于最邻近聚类和向量模糊c-均值的混沌预测

针对混沌时间序列难预测的问题,提出一种新的基于最邻近聚类和向量模糊c-均值(FCMV)聚类算法的模糊建模方法。其前提参数辨识分两步,首先用最近邻聚类法初始划分输入空间,得到规则数及初始聚类中心,再用FCMV把具有相同收敛向量的聚类中心归到同一个区域来优化前一步得到的聚类中心,得到前提参数;采用递推最小二乘算法辨识模型的结论参数。最后通过对Mackey-Glass混沌时间序列的建模和预测验证了该方法的有效性与实用性。     

线性-二次双层规划的满意解与基于LP与NLP过程的算法

对线性-二次双层规划(简称LQP)模型提出求满意解的直接搜索方法.得到了基于LP与NLP过程来协调LQP上下层满意度与求满意解的算法.数值计算实例表明,算法得到的满意解较之传统最优解更有效.     

基于最小二乘的阵元位置误差校正及性能分析

针对独立校准信源波达角未知情况下的阵列位置误差校正问题,提出了一种对信号导向矢量的绝对相位进行最小二乘线性拟合,进而估计出阵元位置误差的算法。并对算法的性能进行了详细分析,推导出位置误差估计的显示表达。该算法在对阵元位置误差进行估计时无需迭代运算,甚至不需要一维搜索,具有较低的运算复杂度。理论分析和仿真结果验证了该算法的有效性。     

最小二乘支持向量机分类器的高稀疏化及应用

为减少训练完毕之后的最小二乘支持向量机的分类计算量,借鉴神经网络的快速剪枝策略,提出了一种新的稀疏化算法:HS-LSSVM。它在主成分分析基础上,筛选出样本子集作为支持向量,它们既包含较多核函数矩阵信息,又相互独立性强,具有较好的代表性。算法将其余个体的信息转移至支持向量上,在实现高度稀疏化的同时,良好地保持了LSSVM的分类性能,并能适用于多类问题。对多个分类问题的测试表明,HS-LSS-VM具有稀疏率高,分类性能强,且稀疏化速度较快等优点。     

一种基于星型子网的片上网络结构研究

提出了一种基于星型子网的片上网络结构SSBM NoC（Star-Subnet-Based-MeshNoC）,它在已有网格状结构的基础上引入了子网的概念,并在子网内使用星型拓扑结构来连接一个交换机与四个网络节点。OPNET仿真结果表明,在同等网络规模下SSBM结构较之单纯的二维网格状结构具有更少的端到端通信延时,并仅使用其1/4数目的交换机,而交换机的负载则不到其两倍。     

不同焙火温度对红茶中茶红素的影响及近红外预测模型的建立

试验通过设定不同温度对红茶进行烘焙处理,研究其茶红素的变化.运用标准正态变量变换(SNV),SG平滑求导,多元散射校正(MSC),均值中心化对所得近红外光谱进行预处理,运用偏最小二乘法(PLS)进行建模,所得模型的相关系数达到0.993,说明建模效果较好.     

Hamilton二部图的一个充分条件

证明了当设G=(X,Y;E)是连通二部图,｜X｜=｜Y｜=n!5,且δ(G)≥2,若NC2≥n-1,则G是Hamilton图。     

一类对称二阶Hamiltonian系统的偶同宿轨

用临界点理论中的山路引理，采用零边值问题解逼近的方法，证明了一类对称超二次二阶Hamiltonian系统非平凡偶同宿轨的存在性．     

四甲基苯醌在氯化正丁基吡啶－AlCl＿3室温熔盐中的循环伏安行为

四甲基苯醌在氯化正丁基吡啶－ＡｌＣｌ＿３室温熔盐中的电化学行为，和室温熔盐的酸碱度有关，在碱性熔盐中，四甲基苯醌以不络合的形式存在，电极上的还原过程是一个ＥＣＥ过程；在酸性熔盐中，形成络合物ＴＱ（ＡｌＣｌ＿３）＿ｍ，络合数ｍ为１，２，３，随熔盐酸度变化，此外，醌类物质芳香环上的取代基，也影响其电化学性质。吸电子基团使还原电位正移，推电子基团使还原电位负移。