结构方程模型迭代算法研究

对结构方程模型——偏最小二乘法分析的模型结构、迭代原理进行了具体研究.首先,详细介绍了结构方程模型的结构关系组成,并针对2个结构2个潜变量的结构方程模型进行了推导,研究了相应迭代算法并开发了实现程序.最后,通过算例验证了迭代算法的有效性.     

具有可变抽样区间的二维EWMA控制图

对二维EWMA控制图进行了可变抽样区间设计,利用Markov chain方法计算出了过程的平均报警时间,数据结果显示,所设计的控制图较常规的固定抽样区间控制图能更快更准确地发现过程的变化.     

基于双尺度连续小波变换的二相编码信号识别

针对信号和噪声小波变换的模极大值在不同尺度上表现出截然不同的性质,提出一种利用粗细定位相结合的思想对二相编码信号奇异点实现精确定位的方法。该方法采用大尺度上的模极值点进行粗略定位奇异点出现的范围,并据此去除小尺度上的伪极值点,用小尺度上的模极值点精确定位奇异点出现的时刻。实验仿真比较了几种不同小波基函数下的算法性能,结果表明,该方法在采用db3小波基下对二相编码信号突变点的识别具有很好的效果。     

基于四阶累积量的线性调频信号参量估计

针对加性高斯有色噪声背景下的一维、二维线性调频信号的参量估计问题,引入高阶统计量,提出了一种基于四阶累积量的新方法。该方法利用高阶累积量对加性高斯噪声有较好的抑制能力的特性,结合极大似然方法,可获得较低信噪比下的线性调频信号参量的较高精度的估计。给出了应用该方法的具体步骤,通过仿真实验证明了该算法的有效性。     

基于在线聚类的机器人自适应模糊建模

针对机器人这种具有时变、强耦合和不确定性的复杂非线性被控对象,提出一种基于在线聚类的模糊自适应方法用于机器人系统建模。建模过程中采用在线聚类算法辨识机器人T-S模型的前提参数,采用递推最小二乘算法(RLSE)辨识结论参数,根据过程中新的数据信息,模糊规则可以自动增加、修改和删除,实现了模型结构和参数的在线辨识和更新,而且该方法具有模型结构简单、建模速度快、精度高等优点。最后通过二自由度机器人仿真研究证明了该方法的有效性和优越性。     

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。