等效性/非劣性检验在方法学研究中的应用尝试

在方法学研究和比较试验中引入等效性/非劣性判定检验,介绍此类试验样本数的估算、判定界值的确定及进行非劣性判定的假设检验理论和实际过程,并举例进行计量数据方法的非劣性判定.     

C-SVM在不同类别样本数目不均衡下的优化

在解决故障检测等分类问题时,若不同类别样本数目相差很大,C-SVM训练的分类错误总偏向于样本数较少的类别,因而影响了分类的精确性.为提高精确性,提出一种优化算法,在训练过程中针对不同类样本,采用不同的权值来优化训练过程,按正负类样本在总样本中所占的比例,加大样本数较少的类别权值,降低样本数较大的类别权值来实现两类样本间的均衡.实验结果表明,该方法对两类样本数目相差很大的问题有效.     

计量抽样检查中“μ”法的设计

在计量抽样检查的国际标准ISO3951和国家标准(送审稿)中,都没有给出总体质量特征X～N(μ,σ~2),均值μ已知,标准差σ未知情形的抽样检查方案。本文提出了这种抽样方案的设计方法。称之为μ-法抽样检查。首先,在给定了两类错误的概率α,β时,求出了具有单侧上规格限情形的接收准则,OC函数,标准方程。然后利用迭代法求出样本数n,再得到抽样检查方案(n,h~2)。同时,还对具有单侧下规格限、分立双侧规格限情形,讨论了抽样方案的制订以及它们的图解法。最后,讨论了综合双侧规格限情形的接收准则及图解法。     

统计学符号书写规则

统计学符号一般用斜体。本刊常用统计学符号介绍如下,供作者参考。样本的算术平均数用英文小写x珋,不用大写X,也不用Mean。标准差用英文小写s,不用SD。     

模糊神经网络分类器的主动学习方法

针对模糊神经网络分类器设计过程中所遇到的样本采样与标注过程耗时、代价大的问题,提出了一个新颖的模糊神经网络分类器主动学习方法,以最小-最大边界法以及确定样本的不确定性闽值两个新概念为主动样本选择准则,确保选择其中信息量尽可能大的样本进行标注,使得网络设计过程中对未标注样本的标注工作量和时间大为减少．实验结果表明,该方法与模糊神经网络的被动学习模型相比,训练样本数目大为减少,训练时间大大缩短．     

基于神经网络的供油提前角脉谱研究

根据供油提前角控制精度的要求,确定了BP神经网络结构,选取不同实验数据为训练样本,获取了供油提前角脉谱;引入随机误差合成方法,以模型的计算总误差为指标,讨论了满足控制精度要求的样本数范围和最少样本数,并进行了由最少样本数获取最佳供油提前角实验,验证了具有最佳供油提前角的柴油机,其性能指标最优.实践表明,该方法能满足供油提前角控制要求,减轻供油提前角实验量.     

区间主成分分析方法的比较

简述了区间数据主成分分析(PCA)的两种主要方法--顶点法(V-PCA)和中点法(C-PCA),并对其进行了合理化改进.研究表明,两种方法的协方差矩阵有极大的相似性.在研究区间数距离的基础上,定义了一种基于Hausdorff距离的评价模型方法优劣的效度指标,并通过模拟的方法,对这两种方法进行了比较研究.结果表明:两种方法具有较强的相似性;随着变量数和样本数的增加,两种方法的效度均有所下降;在同样的样本数条件下,中点法适合变量数较大的情形,而顶点法更适合于变量数较小的情形.最后,给出了区间PCA方法选择及效度测量的应用步骤和一个算例.     

基于核的快速特征抽取及识别方法

基于核技巧提出的新的非线性鉴别分析方法在最小二乘意义上与基于核的Fisher鉴别分析方法等效,相应鉴别方向通过一个线性方程组得出,计算代价较小,相应分类实现极其简便。该方法的最大优点是,对训练数据进行筛选,可使构造鉴别矢量的“显著”训练样本数大大低于总训练样本数,从而使得测试集的分类非常高效;同时,设计出专门的优化算法以加速“显著”训练样本的选取。实验表明,该方法不仅具有明显的效率上的优势,且具有不低于基于核的Fisher鉴别分析方法的性能。     

BP算法用于系统辨识的研究

讨论BP算法用于系统辩识时样本数的选取对训练速率的影响。确立一种选取每一时刻学习样本数的标准，在此标准下，既能保证训练网络的相对稳定性，又能大大加快其收敛速度。     

统计学符号书写规则

统计学符号一般用斜体。本刊常用统计学符号介绍如下，希作者参照执行。 样本的算术平均数用英文小写元，不用大写X，也不用Mean。标准差用英文小写s，不用SD。t检验用英文小写t；F检验用英文大写F；卡方检验用希文小写χ^2；相关系数用英文小写r；样本数用英文小写n；概率用英文大写P。