区域乡村住宅耐久性指标全局敏感性分析方法

为满足乡村住宅向生态宜居长寿化的方向发展,乡村住宅的耐久性需要给予足够的重视。针对指标参数对区域乡村住宅耐久性的影响分析,基于可拓学和扩展傅里叶幅度敏感性检验法（EFAST）提出了适用于区域乡村住宅耐久性能的评价模型与全局敏感性分析方法。该方法基于可拓学对乡村住宅的耐久指标进行初步筛选,得到乡村住宅耐久性能的敏感因素;将筛选出的耐久指标敏感因素通过最小二乘支持向量机(LSSVM)模型和蒙特卡洛抽样实现乡村住宅样本数量的扩增;引入EFAST方法对扩增后的乡村住宅样本进行耐久指标的全局敏感性分析,得到耐久指标敏感因素的一阶敏感度和总阶敏感度。该方法可以提高区域乡村住宅敏感性分析的精确度,得到影响因素的敏感性程度,且可以实现乡村住宅样本数量的扩增,降低实地调研成本。最后将该全局敏感性分析方法应用于区域乡村住宅分析,阐明了该方法的分析过程,并给出了我国乡村住宅耐久性能的限制因素和敏感性系数。     

曲线合成孔径雷达中散射点三维特征提取方法

为了减少曲线合成孔径雷达(syntheticapertureradar,SAR)的成像算法计算复杂度,提出一种有效的目标三维特征提取方法。该方法基于松驰思想逐个提取散射点的三维特征,并利用散射点的距离参数与垂直于距离方向上参数(方位和高度)之间的弱耦合性将散射点位置估计解耦为顺序估计。由于采用了一系列的低维优化过程来获得所有散射点的参数估计,该方法具有较低的运算代价。仿真结果表明:该方法可以有效地对三维目标成像,且参数估计性能与其他曲线SAR成像算法相当。所以该算法在降低计算复杂度的同时并未造成性能上的损失。     

正交多项式回归在橡胶配方试验中的应用

应用均匀设计安排橡胶配方试验,研究四个因子（包覆剂M81、包覆剂M82、氯化钠和硬脂酸盐）对粉末氯丁橡胶500％定伸应力,邵尔A型硬度,永久变形三项性能的影响。采用正交多项式回归分析法建立回归模型,并对回归方程和回归系数进行显著性检验。结果表明,所得的回归方程可以良好地预测4项变量对粉末氯丁橡胶物理机械性能的影响。     

AHP中关于对数最小一乘排序算法的探讨

在层次分析中提出了一种对数最小一乘排序方法,并给出了一个迭代算法,该方法具有较好的稳定性．     

多项式最大公因式的“更相减损术”

主要根据“更相减损术”原理与矩阵行初等变换的相似性,将“更相减损术”和多项式结合起来,给出了用“更相减损术”来求多项式最大公因式的新型解法。     

平均差分进化算法在等效系统拟配中的应用

等效系统方法是评价飞机飞行品质的重要方法之一,最小二乘法和极大似然法在等效系统拟配中应用较为广泛,但是二者在使用时对初值有较高的要求且容易陷入局部最优解,因而导致拟配精度不高。针对这一问题,对传统差分进化算法的核心公式进行了改进,提出了基于平均差分进化算法进行等效系统拟配的新思路。此外,由于数据中存在一定比例的噪声干扰,所以分别以理想3-2-1-1信号和混入10%、30%白噪声的3-2-1-1信号作为系统输入,对比研究了平均差分进化算法和传统等效拟配方法的差异,发现平均差分进化算法具有较强抗噪声干扰能力和良好的鲁棒性,因此,平均差分进化算法应用于等效系统拟配具有较好的辨识效果,同时对于噪声的处理能力较强。     

Pythagorean犹豫模糊熵及其多属性群决策方法

针对模糊信息下的群决策问题,提出了一种基于Pythagorean犹豫模糊熵的多属性群决策方法;给出了Pythagorean犹豫模糊熵的公理化定义及计算公式;为克服传统Pythagorean犹豫模糊集规范化方法导致原始决策信息流失的不足,完善了基于Pythagorean犹豫模糊环境下的最小公倍数扩充方法,方法能有效地保持原始决策信息;又以Pythagorean犹豫模糊熵作为决策信息差异程度的度量,给出属性权重完全未知或部分已知情况下权重的确定方法,并定义了基于最小公倍数的Pythagorean犹豫模糊距离测度和Pythagorean犹豫模糊熵测度;构造了一种基于Pythagorean犹豫模糊熵的TOPSIS方法,并通过精准扶贫补贴项目案例说明了方法的可行性和有效性.     

基于最小二乘偏差补偿法的舵机模型参数辨识

舵机作为无人旋翼机一个重要的执行机构,控制着旋翼机飞行姿态与轨迹的改变,为建立舵机的数学模型,提出了基于最小二乘偏差补偿法辨识伺服舵机的模型参数。在研究了伺服舵机的结构与工作原理的基础上,首先建立舵机各组件模型,综合得到舵机的系统模型;然后采用最小二乘偏差补偿法辨识模型参数。实验仿真验证了该方法具有较高辨识精度与有效性。     

基于k近邻和最小二乘支持向量机的Android恶意行为识别

针对单一k近邻算法(KNN)和最小二乘支持向量机(LSSVM)存在的缺陷, 提出一种基于KNN LSSVM的Android恶意行为识别模型. 先采集Android用户行为样本, 并提取相应特征组成特征向量; 再将训练集输入LSSVM中进行学习, 计算测试样本与最优分类平面间的距离, 如果该距离小于阈值, 则直接采用LSSVM恶意行为识别, 否则采用KNN算法进行恶意行为识别; 最后采用仿真实验测试KNN LSSVM的性能. 实验结果表明, 相对于单一KNN算法和LSSVM, KNN LSSVM提高了Android恶意行为的识别正确率,可以满足Android[KG*6]恶意行为的在线识别要求.     

Poisson自回归模型的平稳性检验

利用经验似然方法研究Poisson自回归模型的平稳性检验问题, 通过构造相关检验的经验似然比检验统计量, 在零假设下获得了检验统计量的极限分布, 并通过Monte Carlo数值模拟考察该检验方法的有限样本特征.