基于贝叶斯学习的关联向量机及其在软测量中的应用

介绍了一种与支持向量机(SVM)函数形式相同的稀疏概率模型--关联向量机(RVM),其训练是在贝叶斯框架下进行的,在处理具有噪声的函数回归时,RVM具有很出色的性能.与SVM相比不仅解更稀疏,而且无需调整模型参数,核函数选择也不受限制.将RVM应用于PTA装置溶剂脱水塔塔顶塔底组分软测量建模,仿真结果表明:该方法预测精度较高,具有一定的应用价值.     

我国农产品流通效率对城乡居民消费的影响研究

推动农产品流通助力农产品销售不仅是我国扩大内需的重要内容,也是农业现代化建设的重要环节。基于2008—2018年的统计数据,构建农产品流通效率的指标体系,并采用主成分分析法和偏最小二乘回归方法进行实证分析。研究结果表明：(1)2008—2018年,我国农产品的流通效率从-1.489 3增长到0.783 3,总体呈现上升趋势,受供零系数以及库存周转率的变化影响,流通效率具有显著的阶段性特征;(2)农产品流动效率对城乡居民消费具有积极推动作用,受群体收入支出构成差异和农村消费转移的影响,农产品流通效率对城镇居民消费的影响大于对农村居民消费的影响。建议融合批发与零售渠道的优势,利用大数据平台实施精准销售,发挥电商平台优势并加强政策调控。     

基于协方差矩阵的主动学习方法及应用研究

由于工业过程采集的数据中常包含大量的无标签样本,而有标签样本数量少且人工标记成本较高,因此,提出一种基于协方差矩阵的主动学习方法。利用有标签样本建立高斯过程回归模型,并构建无标签样本之间的协方差矩阵,以协方差矩阵行列式的值作为评价指标。在挑选信息量较大的无标签样本的同时,衡量样本间的相似性,避免样本的冗余添加,最终在相同标记代价下提升模型预测精度。基于工业过程数据进行算法的应用仿真,验证了所提方法的可行性和有效性。     

基于模糊点数据的线性回归分析

在经典回归分析理论中,假定训练数据是独立同分布的随机样本,并且在回归方程的构建中是同等对待的.然而,在许多实际问题中,训练数据的作用是不同的;通常有些训练数据比其它数据可能更为重要,因而不同的训练数据对曲线拟合的贡献应该不同.人们要求重要的训练数据对曲线拟合做出更大的贡献.实现这一目标的策略是给每个训练数据赋予一个置信权重并且重新推导了经典的最小二乘回归方法,分析了它们的统计性质.受文[1]的启发,将这里的样本称为模糊点样本数据.     

安徽省教育错配及其影响因素的实证研究

当前我国劳动力市场存在严重的供求不匹配,高等教育与市场需求脱节,教育和工作错配现象明显.在整理了以往研究的基础上,从人力资本理论、筛选理论、劳动力市场分割理论等方面对教育错配进行了理论解释.在对安徽省劳动者数据调研基础上,运用logistic回归分析发现,个人方面的最终学历和年龄因素,家庭方面的家庭所在城市类型因素,工...     

基于SCMA的无人机中继辅助上行通信方案

为提高蜂窝通信系统的上行总吞吐量,在满足用户服务质量需求的前提下,提出了一种基于稀疏码多址接入(sparse code multiple access,SCMA)的无人机中继辅助上行通信方案,通过部署无人机增强网络覆盖,并利用SCMA提高系统传输性能。根据用户的分布和概率视距传输模型,通过交替优化码本、功率和无人机坐标,确定无人机的3维部署位置;进行资源优化后,根据信道状态信息,对子载波进行配对并迭代码本、功率,以获得优化的码本和功率分配方案。仿真结果表明,提出的方案能够有效提高上行吞吐量,并满足用户的服务质量需求。     

稀疏网络编码中秩分布分析模型研究

针对现有稀疏网络编码研究中线性相关概率性能指标精准度较低的问题,提出基于马尔可夫链的性能分析模型。对线性相关概率、秩的概率分布等性能指标及其复杂度进行分析,并通过该性能分析模型分析编码包传输后期的译码成功概率;基于吸收马尔可夫链计算编码包传输过程中的瞬态、吸收态以及各状态间的状态转移概率,并对状态转移概率中蒙特卡罗模拟误差较大的问题进行改进,由状态转移概率构建吸收马尔可夫链基本矩阵,得出信宿端收到非再生包的线性相关概率,进而推导出秩的概率分布和译码成功概率性能指标。仿真结果表明,在相同条件下所提模型性能指标精确度均优于对比模型,且能精确地评估信宿端解码矩阵秩的概率分布、译码成功概率等稀疏网络编码的译码行为。     

基于IPSO-GPR的HVAC送风温度预测模型

针对AHU系统中的多维、异构、非线性等特点,提出了一种基于改进粒子群的高斯过程回归(IPSO-GPR)算法.在传统的PSO算法上引进了混沌序列和交叉策略,使粒子在运动过程中能够自适应的调整搜索方向和速度,并针对局部最优解附近的区域进行了重点搜索,降低PSO陷入局部最优解的风险.使用平方指数和二次有理两种核函数的组合GP...     

未知数量稀疏源的盲分离方法

提出了一种新的用于未知数量稀疏源的盲分离的统一方法.为了改善聚类分离的精度,首先选取混合空间中半径给定、中心位于原点的超球面以外的数据点,并将这些数据点映射到中心位于原点的单位超球面上.由此,原来的超平面线性聚类变为致密聚类,各聚类互相重叠的现象消失.然后,通过对这些映射到单位超球面上的数据点进行聚类分离来估计混合矩阵,再利用混合矩阵估计源,其中最佳不相似阈值和相应的聚类数量是自动生成的.仿真实验验证了该方法对实际音频信号包括语音信号的有效性.仿真结果表明该方法精确、简便,稳定性好,且计算量较小.