基于增量稀疏核极限学习机的发动机状态在线预测

针对发动机状态在线预测中样本累积、预测模型膨胀和在线更新速度慢等问题,提出了基于增量稀疏核极限学习机的在线预测方法.该方法定义了KELM核函数矩阵的稀疏测量矩阵,并根据矩阵原子相干最小化和自信息量最大化的样本信息度量准则实现在线样本前向稀疏与后向删减,提高了样本稀疏化效率.利用有效样本对测量矩阵在最佳阶数内进行在线扩充与修剪,限制了预测模型膨胀.利用改进的增量建模方法对模型的核权重矩阵进行递推更新,从而建立规模有限且结构稀疏的在线预测模型,提高了在线建模速度.仿真数据和发动机状态参数在线预测实验结果表明,与现有在线预测方法相比,ISKELM具有更高的样本稀疏化和在线建模效率.对发动机排气温度进行120步预测时,预测速度分别提高了80.50%和31.72%,预测精度分别提高了48.56%和15.81%.      

“非汉字符号”相依序列回归函数加权核估计

讨论ρ相依序列非参数回归函数加权核估计的强相合性     

带可变核的分数次积分算子及其交换子的有界性

利用Herz型Hardy空间的原子和分子分解理论,研究了带可变核的分数次积分算子,当核函数满足一定条件时,证明了这类算子在Herz型Hardy空间的有界性,以及与Lipschitz函数生成的交换子从Herz型Hardy空间到Herz空间的有界性。这些结果丰富了带可变核的分数次积分算子在Herz型Hardy空间的有界性结论。     

自适应的over-relaxed快速动态均值漂移算法

为了解决高斯核均值漂移算法收敛速度慢、计算效率不高的问题,提出自适应over-relaxed快速动态更新方法改进高斯核均值漂移算法。首先,在静态均值漂移算法中引入数据集的动态更新机制,每次迭代后将数据集更新到新的数据点,然后,将迭代过程中聚集在一起的数据点用1个收敛点表示,逐步减少参与计算的数据,保证准确性的同时降低计算量。由于非正态分布的数据集动态更新时,主方向上的数据点的收敛速度较慢,采用over-relaxed的策略来提高主方向数据点的迭代步长,并根据数据集直径的变化,自适应地计算步长参数。实验结果表明,改进后的高斯核均值漂移算法以超线性的速度收敛,收敛点的应用降低了收敛过程中的计算量。     

仁用杏抗寒性生理指标评价的研究

对抗寒性不同的3个仁用杏品种(抗寒性强弱排序为优一>白玉扁>龙王帽)枝条低温处理后,检测其萌芽率和抗寒性生理指标,并对这些生理指标与抗寒性的关系作了研究。结果表明,随温度的降低,萌芽率降低,电解质渗出率、可溶性糖和脯氨酸的含量、SOD和POD的酶活性呈上升趋势;仁用杏品种间抗寒性差异显著性分析显示,枝条的电解质渗出率、表皮的可溶性糖和游离脯氨酸的含量、木质部和表皮的POD酶活性可以作为仁用杏抗寒性能力评价指标,SOD酶活性不宜作为抗寒性评价指标;主成分分析表明,采用这些生理指标对仁用杏抗寒性进行综合评价的结果是可靠的。     

一种基于高斯过程的非线性PLS建模方法

提出了一种基于高斯过程(GP)和偏最小二乘法(PLS)的非线性PLS方法(GP-PLS),以更加有效地处理过程非线性、多输入和数据共线性等复杂特性,提高模型的推广能力和精度。该方法首先采用PLS进行特征提取,再用GP建立PLS的内部模型,因而具有GP与PLS的优点。对工业丙烯腈生产过程丙烯腈收率软测量建模的应用表明,采用该方法建立的软测量模型在模型精度、推广能力等方面明显优于一些传统软测量建模方法,满足工业现场应用要求。     

PLS—近红外漫反射光谱法分析片剂药品补热息痛

研究了应用偏最小二乘法(PLS)同近红外漫反射光谱法结合,对扑热息痛片剂药品进行非破坏定量分析,建立了最佳的数学校正模型。讨论了主成分数对PLS定量预测能力的影响,预测了未知样品,预测结果是准确的。     

基于核岭回归的非线性系统辨识及其应用

利用满足Mercer条件的核函数改进线性岭回归算法,提出一种新的直接优化的非线性核岭回归算法.与SVM算法相比,该方法的特点是通过对二次损失函数的优化计算,简化了不确定参数的数量,而且由于采用直接优化计算,能有效减少建模的时间,提高计算效率.仿真实验结果和对航煤干点的软测量应用结果都验证了该算法的有效性.     

α-唑基-α-芳氧烷基频哪酮(芳乙酮)及其醇式衍生物抗真菌活性的支持向量机研究

采用支持向量机（SVM）算法,将其用于α-唑基-α-芳氧基频哪酮（芳乙酮）及其醇式衍生物抗真菌活性的研究．讨论了该类化合物的量子化学参数、计算核函数及参数的选择和优化问题,建立了抗真菌活性预测的数学模型,结果表明支持向量机可用于该类化合物抗真菌活性的筛选和构效关系（QSAR）的研究．     

基于树形通用背景模型的高效说话人辨认

为了提高基于G auss混合模型通用背景模型(GMM-U BM)的说话人辨认系统的运算效率,提出一种基于树的核心挑选算法(TBK S),通过将U BM中的各个G auss分布按组织成树形结构,来减少从中挑选核心分布的运算量。实验结果表明:对1 000个说话人进行辨认,TBK S与现有的基于特征矢量重排序的剪枝算法(ORBP)相结合,将基于GMM-U BM的辨认系统的运算速度提高21.9倍,误识率却只上升不到4%;TBK S和ORBP相结合,可大幅度提高GMM-U BM系统的运算效率,而基本不降低识别率。