基于双响应曲面的精密产品子集模拟可靠稳健优化设计

针对不确定性场景下小失效概率的精密产品可靠性问题,提出了基于双响应曲面法(dual response surface methodology,DRSM)与子集模拟的可靠稳健优化方法。首先,建立精密产品多失效模式极限状态的RSM模型和以质量特性均值-方差为优化目标的功能函数DRSM模型。其次,在此基础上运用子集模拟法进行可靠性分析,将精密产品小失效概率描述成一系列较大的条件失效概率之积。最后,将极值事件的优化问题视作稀有事件的可靠性问题的特例,基于该转换思想采用子集模拟法将优化问题在可靠性问题的框架内进行求解。案例分析及验证结果表明所提方法的有效性。     

八种最小二乘SVM型学习算法的优势比较

我们知道,支持向量机(Support Vector Machine,SVM)型学习算法的计算复杂性和稀疏性对分析和处理大数据来说是非常重要的两个因素,尤其是对高维数据.学者们针对这两个因素做了大量的研究,提出了许多改进的SVM型算法,常见的有基于最小二乘技术的SVM型算法和孪生SVM型算法.它们当中,有些算法的出发点基本相同,但是求解方法上略有不同;有些算法有明显不同的出发点,其所构建的最优化模型也不相同.选取八个较具代表性的最小二乘SVM型算法,分析和比较它们之间的优势和劣势,以期读者更加深入的理解这类算法,且在应用于实际问题中时更具有选择性.     

单亲遗传算法在物流合乘优化中的应用

本文运用单亲遗传算法解决物流合乘的路径优化问题。通过在染色体上基因换位、移位、逆转等基因重组操作进行个体繁衍,经过若干代的繁衍迭代,从所有的上下车点中找出一条最优的、费用最少的路径。实验结果表明,该算法在提高合乘成功率的同时,还有效地降低了车辆运行时的总成本。     

关于一类可乘函数的均值

研究了一类可乘函数的均值估计,利用解析方法给出了几个较强的渐近公式,所得结果表明该类函数具有较好的渐近分布性质.     

基于偏最小二乘的BP网络模型及其应用

基于BP网络模型具有拟合非线性数据的特性,提出一种基于非线性迭代偏最小二乘算法(NIPALS)的BP网络的构造策略,构造了新的PLS-BP网络模型,使BP网络减少迭代步数,提高学习效率.采用非线性迭代偏最小二乘算法预处理数据,将得到主成分数、自变量和因变量的主成分数的权重以及主成分间的关系矩阵B,以此用来确定BP网络的隐节点数和输入层、输出层的初始权值以及隐节点的关联系数.最后,进行仿真实验,并将它与PLS模型、标准的BP网络模型进行了比较,仿真结果表明,拟合和预测效果较好.     

建立吸附动力学方程的"多化一"方法

建立吸附动力学方程的关键是求出吸附动力学方程(如Elovich方程qt=A B lnt)中的参数A和B.该文提供了一种建立吸附动力学方程的新的"多化一"方法,即用作图软件GRAPHER对不同浓度时的数据进行拟合,求出各浓度时的吸附动力学方程中的参数A1,A2,A3,A4和B1,B2,B3,B4;再分别用这两组数据对浓度作图,求出用浓度表示的A和B,代入所选取的吸附动力学方程中即得最终所要建立的吸附动力学方程.以某放射性废物处置预选场址土壤对锶的吸附动力学方程的建立为例,与常用的最小二乘法比较可见,该方法更简单易行,准确度也较高.     

基于RS与LS-SVR的储层参数预测

该文提出结合粗糙集(RS)和最小二乘支持向量回归(LS-SVR)的方法.该方法利用RS对原始数据进行约简,更好地减少了支持向量的维数;同时采用LS-SVR解决了常规SVM计算速度慢、抗噪能力差的缺点.实例证明该方法应用在复杂地层储层参数预测中具有优越性.     

最小二乘双胞支持向量回归机的研究

 利用最小二乘方法和临近支持向量机(PSVM)算法,并结合双胞支持向量机(TSVR),提出了最小二乘双胞支持向量回归机(LSTSVR).作为对照,TSVR需要求解2个二次规划问题,而LSTSVR仅需求解2个线性方程组.最后利用不同的实例验证了所提算法的可行性和有效性.     

增删数据场合最小二乘估计算法的比较研究

给出了增删数据场合多元线性回归模型参数最小二乘估计的两种算法-递推算法和Givens变换法,二者都利用已有的结果,减少计算量.递推算法给出预测误差的关系式,可直接比较预测误差大小;Givens变换法不能直接导出预测误差的关系式,但更容易算出残差平方和,可通过比较残差平方和大小比较增删数据前后参数估计的好坏.     

线性模型中回归系数广义岭估计的相对效率

对于Gauss-Markov模型,给出了回归系数的广义岭估计相对于最小二乘估计的几种相对效率的上、下界,并讨论了它们之间的相互关系.