基于mRMR与因子分解机的分类模型研究

很多学者用“全球恐怖主义研究数据库”GTD数据集，采用博弈论、K近邻法和支持向量机等分析恐怖事件的聚集性，已经取得一些成果.但在前期研究中未有很好考虑数据的稀疏性以及高维度多冗余等会导致聚集分类准确率不高的问题.本文提出一种基于最小冗余最大相关与因子分解机结合的TFM分类模型，使用增量搜索方法寻找近似最优的特征解决高维度多冗余问题和FM方法解决数据稀疏问题，并对预处理后的恐怖袭击事件数据用TFM模型做量化分类.文中使用朴素贝叶斯NB、支持向量机SVM、逻辑回归LR与TFM等4个模型的“马修斯相关系数”MCC进行比较，结果显示TFM的MCC相对于其他三个模型NB、SVM、LR分别提高了49.9%,2.5%,2.3%，可见TFM模型有一定可行性.     

基于景观生态安全格局的土地利用总体规划环境影响评价

研究基于景观生态安全格局理论和最小累积阻力模型,以宜城市为研究区,利用GIS空间分析技术构建规划基期年(2009年)和规划目标年(2020年)景观生态安全格局,对比研究区生态安全状况,划分得到高、中、低3个安全等级并分析比较。研究结果表明:2009年和2020年的景观生态安全格局整体处于分布不均衡的状态,生态安全总体处于中安全水平和低安全水平;高安全区多集中于东部和西南部的低山丘陵地区,而中部和西北部的岗地多处在中、低安全区;2009—2020年宜城市总体生态安全状况变化不太明显,但略有提高,高安全面积所占比例最大,较2009年增加14.12 km2,中安全面积略有减少,低安全面积在研究时段内变化不显著。
     

基于近似观测和最小熵约束的SAR稀疏自聚焦方法

当采样率较低以及重建散射点数量较多时, 基于两步优化的稀疏自聚焦方法收敛速度较慢且容易陷入误差较大的局部最优解, 导致自聚焦失败。针对此问题，提出了一种基于近似观测和最小熵约束的稀疏自聚焦方法。首先, 为解决测量矩阵规模大、内存占用高的问题, 构建了一种基于近似观测的稀疏自聚焦模型, 在聚焦图像的傅里叶变换域引入误差相位。然后, 在采用最大似然估计器估计误差相位时增加了最小熵约束, 同时采用相位梯度自聚焦法提供误差相位的初始解, 有效降低了迭代次数并使迭代结果更接近全局最优解。机载合成孔径雷达的实测数据成像结果表明, 与常规自聚焦方法相比, 所提方法具有更快的收敛速度和更稳定的自聚焦性能。     

基于近红外光谱的大鲵黏液粉掺伪的定性定量研究

采用近红外光谱扫描不同掺伪样品,用偏最小二乘线性判别法分别建立掺伪大鲵黏液粉的2分类(纯大鲵黏液粉和掺伪样品)和5分类(纯大鲵黏液粉、掺入土豆淀粉、大鲵肉粉、大鲵蛋白粉和大鲵皮粉)定性判别模型;用偏最小二乘回归分别建立4类掺伪大鲵黏液粉的定量校正模型。结果表明,原始光谱经一阶导数+标准变量变换预处理后,所建2分类和5分类小二乘线性判别定性模型的校正集和预测集均无误判数;大鲵黏液粉掺入土豆淀粉、大鲵肉粉、大鲵蛋白粉和大鲵皮粉的定量预测模型能够较好地验证黏液掺伪成分。     

目标运动要素自主隐蔽解析的微分进化策略

针对传统目标运动要素自主隐蔽解析中存在的噪声适应性差等问题,提出要素自主解析的微分进化策略。首先,简要论述了目标运动要素的自主隐蔽解析过程;其次,推导要素自主解析的协方差传播过程,给出目标运动要素方差与目标观测方位方差的对应关系,分析方位观测均方差对要素自主解析结果的影响;再次,提出了微分进化算法对自主解析模型的优化策略;最后,对优化策略进行仿真验证。结果表明,当方位存在0.1°的均方误差时,初距D₀均方误差约为12 Cab,速度分量V_mx、V_my均方误差分别约为5 Kn、6 Kn,通过微分进化策略优化后明显提高了要素自主解析结果的精度。     

判断矩阵排序的一类广义最小偏差法(GLDMI)的性质及其标准形

给出了一类广义最小偏差法（ＧＬＤＭＩ）的标准形,并证明了这一方法具有的一些性质。     

时用水量预测的自适应组合动态建模方法

利用随机过程及时间序列分析手段,根据用水量序列季节性、趋势性及随机扰动性的特点,建立了用水量预测的自适应组合平滑模型。利用递推最小二乘算法及卡尔曼滤波算法解决了模型参数的动态估计问题。该法经实例验证,预测误差较小,可满足供水系统调度的实际需要。     

一种基于模糊规则的模糊辩识方法

提出了一种基于模糊聚类和最小二乘估计方法的模糊辨识方法。该方法是基于模糊聚类,计算给定样本在各类中的隶属度,并给出输入变量的隶属度函数。利用递推最小二乘估计辩识模糊模型的后件参数,本文给出了详细的的算法。为了验证该方法的有效性,本文给出了Ｂｏｘ－Ｊｅｎｈｉｎｓ数据的辨识结果。     

扰动项序列自回归模型参数的最小二乘估计

提出一种求解扰动功序列自相关系数ψ及估计回归模型参数Ｂ的迭代方法,证明了该迭代方法关于残差平方和具有全局收敛性质。