锌钡白煅烧过程的LS-SVM建模仿真

针对锌钡白煅烧过程建模难的问题,采用一种基于最小二乘支持向量机(LS-SVM)的辨识算法进行过程建模研究。从SVM与LS-SVM的算法机理出发,利用LS-SVM算法结构简单、辨识速度快的优点,通过建模仿真得到煅烧转速随煅烧温度变化的模型,并将此算法与自适应神经模糊推理系统(ANFIS)进行了辨识性能上的对比,结果表明LS-SVM在过程建模中具有更好的实际应用价值。     

异常点检测后的偏最小二乘回归模型

偏最小二乘回归是通过一组自变量来预测一个或一组因变量的统计方法。但在很多情况下用于建模的样本点由于种种原因会出现一些异常情况,这些异常点和其他样本点之间都存在着很大的偏差。异常点的存在对所建立的模型和真实模型就有很大的偏差。基于这一问题本文通过构造统计量对所给的样本点进行选择,剔除对模型的构造有很大影响力的样本异常点,从而获得一个相对合理的样本空间。在相对合理的样本空间中采用偏最小二乘回归建立模型。运用MATLAB编程,通过一个实例说明在对于异常点剔除后的样本空间中建立模型的精确程度有了很大的提高。     

LSSVM在指数寿命型小子样IC寿命预测的应用

针对传统寿命预测方法需要大量样本与现代高可靠集成电路（IC）在寿命试验中通常只有少量失效样本的矛盾,提出了基于最小二乘支持向量机（LSSVM）的指数寿命型小子样IC寿命预测方法。用蒙特卡罗方法研究了该方法在指数寿命型IC寿命预测应用中的可行性,同时与基于神经网络的预测方法相比,结果表明基于LSSVM的方法能更精确地预测小子样下IC的寿命,可为预测指数寿命型小子样IC的寿命提供一种新的有效途径。     

线性受限最小二乘恒模波束形成算法

将线性受限条件运用于最小二乘,提出了一种线性受限最小二乘恒模波束形成算法,称为LC-LSCMA,并将它与传统的最小二乘恒模波束形成算法(LSCMA)及预解扩最小二乘恒模波束形成算法(P-LSCMA)进行了仿真比较。仿真结果表明,提出的LC-LSCMA算法比LSCMA及P-LSCMA的信干比性能和误码率性能要好,特别在低信噪比情况下性能仍优于LSCMA。     

基于加权最小二乘法的广域测量系统状态估计

广域测量系统的根本在于对母线的幅值和相角进行精确的测量。在整个广域测量系统的测量满足一定的冗余度的情况下,采用加权最小二乘法对测量值进行状态估计,并且对不良数据进行检测。本文最后应用经典的WSCC9节点系统进行算例仿真,验证该算法的可行性和有效性。     

支持向量机在矿渣-粉煤灰混凝土强度预测中的应用

为了更好地预测矿渣-粉煤灰混凝土强度,选择水胶比、取代率、灰渣比、减水剂、砂率和激发剂作为预测参数,建立了矿渣-粉煤灰混凝土强度预测的支持向量机模型。根据有限的学习样本,建立了各种影响因素和混凝土抗压强度之间的一种非线性映射,对矿渣-粉煤灰混凝土强度进行预测。以实际样本数据进行训练,并对测试样本进行了预测。预测结果表明,支持向量机方法有着良好的泛化能力,优于人工神经网络建模方法,为预测混凝土强度提供了一种新的方法。     

差分进化优化参数的LSSVM中长期径流预测

针对LSSVM预测模型参数难以确定的问题,利用差分进化(DE)算法的收敛速度快和全局优化能力,优化LSSVM模型的惩罚因子和核函数参数,避免了人为选择参数的盲目性。将优化后的LSSVM模型应用于中长期径流预测问题。选取黄河三门峡站1919年至1992年径流量实测数据进行分析和训练,对1993年至2002年的年径流量进行预测,并与BP神经网络和SVM模型进行比较。研究结果表明,该模型具有较高的预测精度。     

一种基于视频运动分析的智能码流方法

采用迭代重加权最小二乘（IRLS）方法计算连续两帧图像的光流,根据光流计算的结果估计视频监控场景的运动状态,将场景分为静止、一般运动、剧烈运动,并分别制定不同的码流存储策略,实验表明,该方法能对监控场景的常见运动行为识别并分类,具有一定的鲁棒性,应用该方法可以减少冗余视频帧对存储资源的占用,扩充敏感监控数据的存储能力。     

基于k-means聚类与RBF网络的电力系统日负荷预测

针对大型工业企业电力负荷震荡剧烈,幅度大等问题,提出了借助卡尔曼滤波对“失真数据”进行实时估计,弱化陈旧数据权值的k-means聚类和径向基网络的组合预测模型,依据最小逼近误差,利用最小二乘法对RBF网络的输出权值进行优化。文中方法对电力系统不同的工况背景,使用k-means聚类算法来确定隐藏节点的数据中心和扩展常数,改善了常规RBF网络随机选择网络中心的情况,同时使电力负荷精度得以有效提高。最后,依据文中的组合模型和其它4种常用算法分别对宝钢电力系统负荷数据进行分析预测,仿真结果表明：本文方法对负荷预测效果较好。     

多变量ARX-like系统的递阶最小二乘估计

利用Kronecker积,推导出多变量ARX-like随机系统的辨识模型,使用递阶辨识原理研制了一个递阶最小二乘参数估计算法.提出的递阶最小二乘算法比现存递推最小二乘算法计算量小.给出了为仿真例子.