基于量子粒子群算法的BP网络板形模式识别研究

针对目前板形模式识别方法存在的问题,以及考虑到现代轧机板形控制手段的多样化和板形控制能力的提高,为了提高板形模式识别模型的精度,本文以1次、2次、3次和4次勒让德正交多项式为板形基本模式,建立了基于量子粒子群-BP算法混合优化神经网络的新型板形模式识别模型。仿真实验表明,该模型抗干扰能力强、识别精度高、速度快,可以为板形控制策略的制定提供可靠依据。     

一种基于小波消噪技术的平直度模式识别方法

为了提高平直度模式识别的精度,引入小波消噪技术对平直度信号进行预处理,然后采用以1次、2次、3次和4次勒让德多项式作为平直度基本模式的基于最小二乘原理的多项式回归方法进行模式识别,提出了一种计算精度高、抗干扰能力强的平直度模式识别方法。该方法能够从本质上提高平直度模式识别的精度,计算过程稳定可靠,能够为平直度控制模型提供准确的平直度信息,适合在线应用。     

基于矢量基学习的自适应迭代最小二乘支持向量机回归算法

为增强最小二乘支持向量机(LS-SVM)回归建模的稀疏性、鲁棒性和实时性,在加权LS-SVM的基础上,提出了基于矢量基学习的自适应迭代回归算法。在训练过程中,该算法通过矢量基学习和自适应迭代相结合的方法得到1个小的支持向量集,同时采用加权方法确定权值以减小训练样本中非高斯噪声的影响。回归学习和动态系统辩识的仿真结果表明:在回归建模精度相似的情况下,该算法确定的支持向量为全部学习样本的4.9%~8.9%,训练时间为标准LS-SVM的0.011%~0.383%;由于能够鲁棒跟踪时变非线性系统的动态特性,适合在线实时训练;可进一步用于非线性系统的建模和实时控制研究。     

二元多项式最大公因式的矩阵求法

在二元多项式矩阵中引入初等行变换的概念,利用分式域和本原多项式的概念讨论了二元多项式最大公因式的求解方法,给出了利用矩阵初等变换求解多个二元多项式最大公因式的一般方法.     

矩阵方程AXB-CXD=R的多项式解法

将利用线性变化,构造一多项式,从而将矩阵方程AXB-CXD=R转化为一容易求解的方程,并给出了矩阵方程AXB-CXD=R有唯一解时的显示表达式X=-(Ck+1)-1Sk(R)E-1或X=F-1Sk(R)(Bk+1)-1,所得到的结果推广了有关文献的相关结论.     

关于整系数多项式无有理根的一个判别法的注记

对整系数多项式无有理根的一个判别法一文中的条件进行分类讨论,得到几类不可约多项式的判别法,较好地推广了Eisenstein判别法.     

近红外光谱法在燕麦和苦荞膳食纤维含量分析中的应用

应用近红外光谱漫反射技术,采用偏最小二乘法和留一全交叉验证方法对燕麦和苦荞样品中膳食纤维的含量进行预测.对光谱波长和信号预处理方法进行了优化.剔除异常值后得到实验值和本方法预测值的相关系数达到0.9272.结果表明,采用近红外光谱漫反射方法能够对燕麦、苦荞其它食品中膳食纤维含量进行快速定量或半定量分析.     

三元Lagrange插值正则性问题研究

针对当今许多科研领域中(如曲面拼接、散乱数据插值与拟合等)经常涉及到的三元Lagrange插值问题进行了研究。提出了沿空间代数曲线插值的基本概念,同时通过使用代数几何中的若干理论,得到了构造沿空间代数曲线及代数曲面插值正则结点组的迭加构造方法,该方法推广了文献[1-2]中的某些主要研究结果。     

完全四部图的Seidel多项式及其谱

设G是一个简单无向图,A(G)是图G的(0,1)邻接矩阵.定义S(G)=J-I-2A(G)是图G的Seidel矩阵,SG(λ)=det(λI-S(G))是图G的Seidel特征多项式(本文中简记为Seidel多项式),其中I是单位矩阵,J是全1矩阵.如果SG(λ)的特征值都是整数,则图G被称为是S-整图.本文主要研究完全四部图G=Kn1,n2,n3,n4的Seidel多项式及SG(λ)的特征根,给出了完全四部图Kn1,n2,n3,n4是S-整图的充要条件.     

GPS卫星钟差分析、建模及仿真

卫星钟差是卫星导航系统中的一项重要误差源,本文根据IGS观测数据分析GPS卫星铷钟和铯钟的噪声特性,并对星钟误差进行建模和仿真.首先采用修正Allan方差表征和分析了GPS卫星上不同种类原子钟随机噪声的时域特性;然后基于最小二乘分段拟合确定了卫星钟差确定性分量的时差、频差、线性频漂参数值;对于多项式拟合后的残差部分,利用随机噪声幂律谱模型建立了随机性分量误差模型;最后利用修正Allan方差反演的方法模拟产生了各噪声分量的独立随机序列并进行合成;对合成序列与原始数据进行了对比分析以验证本文所提出建模与仿真方法的正确性.