一种基于向量的鲁棒ARMA系统辨识器

提出一种新的基于向量方法的自回归和运动平均(ARMA)模型系统辨识器,并给出了其参数的统计分析模型.应用结果表明,向量ARMA算法和最小二乘法LS算法相比,在一定条件下,其预测误差精度提高了约1.2 dB;且该系统模型不受分离向量参数的影响.使用非线性函数核,系统将会成为一个鲁棒的非线性辨识过程.     

基于抗白噪声理论的支持向量机

支持向量机（SVM）是在统计学习理论基础上发展起来的一种新的机器学习方法.具有泛化能力强,全局最优等特点.我们针对于传统的支持向量机算法忽略了当采取的训练集中有噪声干扰的情况,通过改造原有的经验风险和调节核函数中的参数,达到抑制或者减弱随机噪声干扰的目的,并具体地给出了抗高斯白噪声的支持向量机模型.     

NA样本回归函数递归型估计的强相合性

本文在NA相依样本下给出了非参数回归函数加权递归核估计gn(x)=n∑(i=1)yi(xi-xi-1)/hi K(x-xi/hi)的渐近无偏性和相合性的充分条件。其中这里得到的充分条件与一般加权回归函数核估计的相合性几乎完全一致。     

和谐人格、社会支持、自我控制与工作–家庭冲突——基于职业群体的3种模型比较

为了考察和谐人格、社会支持、工作–家庭冲突以及自我控制的关系, 基于相关理论, 提出3种模型(简单中介模型、以自我控制为中介变量的复合中介模型以及以社会支持与自我控制为中介变量的复合中介模型), 并比较3种模型对数据的拟合程度。简单中介模型指和谐人格、社会支持通过自我控制平行作用于工作–家庭冲突, 以自我控制为变量的复合中介模型指和谐人格与社会支持分别作用于工作–家庭冲突,以社会支持和自我控制为中介变量的复合中介模型指和谐人格通过社会支持、自我控制作用工作家庭冲突。以北京市医疗行业、金融行业、销售行业公司的200名员工为研究对象, 采用社会支持量表、自我控制量表(SCS)、冲动性量表(BIS)和工作–家庭冲突量表进行研究。结构方程模型的结果表明, 以和谐人格和社会支持为预测变量、自我控制为中介变量、工作–家庭冲突为结果变量建立的复合中介模型拟合结果最好。自我控制在和谐人格、社会支持对工作–家庭冲突的关系中起中介作用, 中介变量的估计值为-0.043, 95%置信区间为[-0.071, -0.022]。自我控制可以中介和谐人格、社会支持对工作–家庭冲突的影响, 以自我控制为中介变量的复合中介模型拟合结果最好。     

支持向量机的SMO算法及其自适应改进研究

提出在SMO算法上应用自适应学习的思想,并利用求解凸二次规划寻优问题的基础上进行改进的研究.研究表明,基于自适应学习的思想对SMO算法进行改进,可使SVM算法更能适应实际应用快速、高效的需求.     

集值优化局部Henig有效解的最优性条件

引进集值映射的Henig有效次微分的概念,并用它得到了集值向量优化问题局部Henig有效解在支撑函数和Lagrange乘子形式下的最优性必要条件.     

混合动态系统的离散事件受控对象模型

混合动态起因于离散事件系统用于监控连续状态系统的行为。用抽象语言方法描述连续状态系统，通过对连续状态系统空间的一致性分划，抽象出离散事件对象模型。基于输入／输出观点简要地讨论了离散控制器综合。     

AHP法在空调冷热源方案选择中的应用

从空调冷热源设计的实际需要出发,提出了将系统工程中著名的ＡＨＰ法引入设计方案决策的新途径．在简要论述ＡＨＰ法基本思想和步骤的基础上,着重分析了ＡＨＰ法在实用中存在的问题,探讨了一种直观、高效的构造具有足够满意一致性ＡＨＰ判断矩阵的新方法,并运用该法对某大厦空调冷热源设计的具体实例进行了计算,得出了合理的结论．结果表明,ＡＨＰ法能够成功地应用于空调冷热源方案选择的决策．     

基于核可能性c-均值算法的支持向量机

提出一种基于核可能性c-均值算法的支持向量机分类算法,该算法改进了SVM训练过程中噪声和孤立点的敏感问题.其基本思想是:用核可能性c-均值算法对每个模式类训练样本进行聚类,得到不同的可能性度量值,根据得到的可能性度量值对训练样本进行修剪,删除具有较低可能性度量值的训练样本,最后用生成的新训练样本训练支持向量机.实验结果表明,该算法可以有效地解决由噪声和孤立点引发的分类错误问题以及重要样本的错分问题.     

支持向量机的研究与发展

支持向量机是一种新型机器学习方法。是在统计学习理论基础上发展起来的一种新的数据挖掘方法,并已广泛应用于模式识别与回归分析。已成为国际机器学习界的研究热点。笔者主要对其基本原理与研究发展情况进行了探讨和研究。