错误先验指定下Bayes估计与广义最小二乘估计的相对效率

讨论了在错误指定的先验假定下一般线性模型中回归系数的Bayes估计,提出了Bayes估计与广义最小二乘估计(generalized least square estimator,GLSE)的一种新的相对效率,证明了该效率的优良性质,同时导出了其上下界。     

一种改进的BP算法

为了克服BP算法易陷入局部极小、收敛速度慢等缺点,笔者利用非线性最小二乘法对其进行了改进.结果表明,采用改进后的BP算法来训练神经网络,能在一定程度上提高神经网络的收敛速度,具有学习速度快、识别能力强等优点.     

非参数方差模型的样条估计

基于多项式样条方法,构造了非参数方差模型中方差函数的相合估计,并且给出了该估计的最优全局收敛速度.模拟算例验证了理论结果的正确性.     

基于高性能DSP的电动机故障分析及其保护

介绍了一种嵌入式继电保护装置。由于采用了高速、高性能DSP处理器,软件中可以引入复杂的滤波和分析算法,且外围电路大为减少,因而具有监测精度高、动作速度快、体积小和抗干扰性强的特点;同时,丰富的片内资源使系统具备了面向继电保护网络化的二次开发能力。     

遗传算法优化最小二乘支持向量机的故障诊断

提出一种基于遗传算法分层优化多类最小二乘支持向量机(least squares supportveotor machine,LS-SVM)的故障诊断模型。首先将故障信号经验模态分解(empirical mode decomposition,EMD)为平稳本征模态(intrinsic mode function,I MF)分量,再选择表征故障调制特征的I MF分量并提取瞬时幅值能量作为故障特征输入到遗传算法分层优化好的采用多项式核的多类LS-SVM中进行故障识别。EMD分解可自适应分离故障调制信号;瞬时幅值能量矢量的不同表征各类故障的可分性;遗传算法分层优化惩罚因子和多项式核参数可以使LS-SVM摆脱对故障类型与模式编号映射关系先验知识的依赖,提高LS-SVM的故障预测精度和自适应诊断能力,并可以推广应用于线性、径向基、Sigmoid等核条件下的LS-SVM优化。一个深沟球轴承故障诊断实例说明该模型的有效性。     

一种变电站系统参数估计的新方法

提出了一种有约束线性最小二乘估计算法,基于变电站内的量测数据以及变压器的参数来估计系统母线电压和系统阻抗参数。采用数值仿真的方法进行了验证,并采用随机变量反映实际当中的量测误差。仿真结果表明提出的方法是可行的,并可以确保精度满足使用要求。     

基于因变量均值的OLS研究

对普通最小二乘法进行了改进,提出了基于因变量均值的最小二乘法.用实例证明了改进的模型更好地满足了回归分析的假设条件,降低了一元线性回归模型的估计误差,提高了模型的估计精度和拟合优度,提高了统计推断的质量.     

科技投入对经济增长贡献的计量分析——基于安徽省数据的实证研究

通过协整检验、Granger因果关系检验、脉冲响应函数及方差分解等计量经济分析方法,利用1991—2008年度安徽省经济数据对科技投入与经济增长的关系进行了实证分析。分析表明：科技投入与经济增长之间具有双向的Granger因果关系;科技投入冲击对经济增长有正向的脉冲响应影响;对经济增长的贡献率平稳增加。     

整体最小二乘法直线拟合

针对在直线拟合中,因变量选取不同拟合的结果有差异现象,提出采用整体最小二乘法进行直线拟合。文章在分析直线方程特点的基础上,采用EIV模型描述直线方程,在解算中根据系数矩阵的特点应用QR分解分为将方程两部分,采用了混合最小二乘法求解。理论分析和实际计算结果表明,整体最小二乘法顾及了因变量和自变量的误差。拟合精度高于普通最小二乘法,采用整体最小二乘拟合直线,整体上优于普通最小二乘法。     

低位码率移动通信中的低复杂度小波图像编码(英文)

介绍一种新的具有低复杂度的可用于实时传输的图像编码器,它使用了一种基于局域方差分析的边缘保护方法来提高被压缩图像的可视性和可识别性.这样的分析和压缩方法是通过将图像划分为多个块处理来实现的,所开发的能使边界效应最小化的提升小波滤波器组,通过提升系数的量化实现定点运算,并用位移和相加来取代乘法运算以实现运算复杂度的最小化.同时提出一种改进的快速SPIHT算法,通过使用更多的位来对小波系数进行编码和节省传输分类过程所需的位数以提高压缩性能,这种算法在可变的位码率中可减少系数的相关性.实验结果显示,这种编码对于观察到的压缩图像和进行量化的性能测量,均取得良好效果,同时还能为无线传输提供具有信道误差的弹性功能,最后还使用了带有随机误差的仿真传输信道来对这种功能进行评估和比较.