贝叶斯证据框架下LS-SVM的BPMSM磁链建模

针对常规解析法建立无轴承永磁同步电机(BPMSM)磁链模型的局限性,提出一种贝叶斯证据框架下最小二乘支持向量机(LS-SVM)的BPMSM磁链建模方法.对BPMSM磁链的非线性建模进行简单分析,在介绍LS-SVM回归理论和贝叶斯证据框架基本思想的基础上,通过贝叶斯证据框架推断准则1确定模型的权向量w,通过贝叶斯证据框架推断准则2确定模型的正则化参数γ,通过贝叶斯证据框架推断准则3确定模型的核参数σ,进而建立基于贝叶斯证据框架下LS-SVM的BPMSM磁链模型.在Matlab7.0环境下进行仿真研究.仿真结果表明,贝叶斯证据框架下LS-SVM的磁链模型具有拟合精度高、泛化能力强、结构灵活、计算速度快等特点.     

基于贝叶斯最优化的Xgboost算法的改进及应用

在使用Xgboost框架时,经常涉及各种参数的调整,并且参数组合的选取对模型的分类性能影响较大. 传统的参数寻优方法,通常先导出一个惩罚函数,然后运用经验或者穷举法调整参数值来最大化或最小化这个惩罚函数,但是经常会遇到某个模型没有一个显式的表达式情况. 这类模型的参数寻优就非常麻烦,同时又会给算法带来一定的不确定性和随机性. 本文基于高斯法（GP）的贝叶斯最优化算法对Xgboost框架进行参数寻优,提出了一种新的算法GP_Xgboost,并通过多组数值进行实验. 结果表明本文改进的算法分类效果要优于人工调优和穷举法,从而证明了该算法的可行性和有效性.     

Robust elastic impedance inversion using L1-norm misfit function and constraint regularization

The classical elastic impedance (EI) inversion method, however, is based on the L2-norm misfit function and considerably sensitive to outliers, assuming the noise of the seismic data to be the Guassian-distribution. So we have developed a more robust elastic impedance inversion based on the L1-norm misfit function, and the noise is assumed to be non-Gaussian. Meanwhile, some regularization methods including the sparse constraint regularization and elastic impedance point constraint regularization are incorporated to improve the ill-posed characteristics of the seismic inversion problem. Firstly, we create the L1-norm misfit objective function of pre-stack inversion problem based on the Bayesian scheme within the sparse constraint regularization and elastic impedance point constraint regularization. And then, we obtain more robust elastic impedances of different angles which are less sensitive to outliers in seismic data by using the IRLS strategy. Finally, we extract the P-wave and S-wave velocity and density by using the more stable parameter extraction method. Tests on synthetic data show that the P-wave and S-wave velocity and density parameters are still estimated reasonable with moderate noise. A test on the real data set shows that compared to the results of the classical elastic impedance inversion method, the estimated results using the proposed method can get better lateral continuity and more distinct show of the gas, verifying the feasibility and stability of the method.

     

基于贝叶斯方法的软土深基坑不确定性位移反演分析

在深基坑开挖工程中,使用合理的土体力学参数计算地连墙侧移对优化基坑支护方案以及降低工程风险至关重要。然而,受地层分布不均、土工试验误差等因素的影响,土体参数常表现出明显的不确定性,该不确定性降低了地连墙侧移计算结果的可信度。鉴于上述问题,提出一种基于贝叶斯参数更新框架和现场监测数据的软土深基坑土体参数反演方法。该方法采用GA-BP神经网络建立数值分析模型中土体参数与地连墙侧移的隐式函数关系,并结合现场监测数据建立土体参数的贝叶斯反分析模型。采用该方法对某深基坑工程进行分析,验证了方法的可行性。分别采用地连墙的最大侧移值和多点位移值作为指标进行土体力学参数反演,并分别使用更新后的土体参数预测基坑开挖的最终侧移值。研究结果表明：与不更新土体参数相比,更新土体参数后土体参数变异系数变小,得到的结果与后续施工步下的监测结果更吻合;使用多点观测值进行土体参数更新的预测效果显著优于仅使用最大位移值时的效果。     

基于神经网络的非线性模型辨识

在分析了影响多层前馈神经网络泛化性能各项因素的基础上,应用BP网络对一个微型锅炉非线性对象进行了模型辨识,以建立该系统的预测模型.在辨识过程中注意采用泛化方法解决样本数据采集和网络结构确定方面的问题,利用贝叶斯正则化方法训练神经网络,以保证在满足训练精度的要求下,网络还具有较好的泛化性能.通过选取一组数据对辨识结果模型进行测试,结果表明所辨识出的对象模型能够较好地表现出对象的动态行为,且具有较好的泛化性能.     

基于分数阶全变差和自适应正则化参数的图像去模糊

为更好地复原图像的纹理细节,避免求解图像去模糊模型时面临正则化参数难以选择的问题,提出了一种基于分数阶全变差（FOTV）模型和自适应更新正则化参数的非盲去模糊图像重建方法。首先,在分析不同分数阶下FOTV的幅频响应特性的基础上,采用不同分数阶次的FOTV模型约束图像的平滑（低频）部分和纹理细节（高频）部分,从而建立图像非盲去模糊重建模型。其次,为了有效地求解重建模型和实现两个正则化参数的自适应更新,采用交替方向乘子法(ADMM)将原本含有两个正则化参数的复杂问题分解成两个相对容易的子问题进行求解,每个子问题只含一个正则化参数。最后,根据偏差准则,在迭代求解过程中实现了两个正则化参数的自适应更新。将所提算法应用于包含平滑、边缘和纹理细节的多幅图像中,测试4种不同模糊核下的去模糊效果;与传统的4种去模糊算法相比,实验结果表明所提算法能自适应地更新两个正则化参数,对于纹理细节适中的图像具有较好的去模糊效果。     

正则化方法在鱼眼相机检校中的应用

由于能对大范围内的目标同时成像,鱼眼相机已经在全方位视觉和摄影测量等领域得到了广泛的应用.使用鱼眼相机之前需要对其进行检校,然而鱼眼相机参数之间存在较强的复共线性,致使参数解容易受到观测误差的影响.为了解决这一问题,提出了利用正则化方法来进行鱼眼相机检校,阐述了Tikhonov正则化方法的基本原理,介绍了L曲线法确定正则化参数的原理,最后利用实验数据对最小二乘解和正则化解的准确度和精度进行了比较.实验结果表明正则化方法能够有效地减弱检校方程的病态性,能够显著提高鱼眼相机参数解的稳定性.     

Fault diagnosis of power-shift steering transmission based on multiple outputs least squares support vector regression

A method of multiple outputs least squares support vector regression (LS-SVR) was developed and described in detail, with the radial basis function (RBF) as the kernel function. The method was applied to predict the future state of the power-shift steering transmission (PSST). A prediction model of PSST was gotten with multiple outputs LS-SVR. The model performance was greatly influenced by the penalty parameter γ and kernel parameterσ2 which were optimized using cross validation method. The training and prediction of the model were done with spectrometric oil analysis data. The predictive and actual values were compared and a fault in the second PSST was found. The research proved that this method had good accuracy in PSST fault prediction, and any possible problem in PSST could be found through a comparative analysis.     

Nonlinear diffusion methods based on robust statistics for noise removal

A novel smoothness term of Bayesian regularization framework based on M-estimation of robust statistics is proposed,and from this term a class of fourth-order nonlinear diffusion methods is proposed.These methods attempt to approximate an observed image with a piecewise linear image,which looks more natural than piecewise constant image used to approximate an observed image by P-M[1] model.It is known that M-estimators and W-estimators are essentially equivalent and solve the same minimization problem.Then,we propose PL bilateral filter from equivalent W-estimator.This new model is designed for piecewise linear image filtering,which is more effective than normal bilateral filter.     

基于改进贝叶斯的重型数控机床可靠性研究

重型数控机床在机械加工领域占据重要地位,因此提高其可靠性以及加工精度,对我国工业发展有重要意义。重型数控机床具有结构复杂、故障溯源困难、样本少、数据不足等缺点,因此对其进行可靠性研究比较困难。针对这一问题,采用双参数的威布尔分布建立机床的可靠性模型,引入贝叶斯理论对其进行参数估计,并通过马尔科夫链蒙特卡洛方法(MCMC)计算参数估计结果。对贝叶斯参数估计法中的待估参数进一步分析,得到多层次的贝叶斯模型,并通过参数仿真实验分析其准确性。采用标准均方根误差值及置信区间宽度进行模型优劣的对比,结果表明,改进后的贝叶斯方法参数估计结果精度更优,更有利于建立机床可靠性模型。     

Sparse Bayesian learning in ISAR tomography imaging

Inverse synthetic aperture radar(ISAR) imaging can be regarded as a narrow-band version of the computer aided tomography(CT). The traditional CT imaging algorithms for ISAR, including the polar format algorithm(PFA) and the convolution back projection algorithm(CBP), usually suffer from the problem of the high sidelobe and the low resolution. The ISAR tomography image reconstruction within a sparse Bayesian framework is concerned. Firstly, the sparse ISAR tomography imaging model is established in light of the CT imaging theory. Then, by using the compressed sensing(CS) principle, a high resolution ISAR image can be achieved with limited number of pulses. Since the performance of existing CS-based ISAR imaging algorithms is sensitive to the user parameter, this makes the existing algorithms inconvenient to be used in practice. It is well known that the Bayesian formalism of recover algorithm named sparse Bayesian learning(SBL) acts as an effective tool in regression and classification,which uses an efficient expectation maximization procedure to estimate the necessary parameters, and retains a preferable property of the l0-norm diversity measure. Motivated by that, a fully automated ISAR tomography imaging algorithm based on SBL is proposed.Experimental results based on simulated and electromagnetic(EM) data illustrate the effectiveness and the superiority of the proposed algorithm over the existing algorithms.     

运动目标状态序贯贝叶斯滤波

状态-空间模型是一个通用和宽容的模型,它包含了描述系统所要求的所有相关信息.贝叶斯滤波方法是解决状态估计问题的一般框架.当有新数据可用时,序贯滤波方法可以实现估计和更新待估参量.对于运动目标状态跟踪问题,利用状态-空间模型进行建模,并采用序贯贝叶斯方法进行处理,如扩展卡尔曼滤波、unscented卡尔曼滤波和质点滤波....     

基于改进BP网络的高炉煤气发生量预测模型

针对高炉煤气发生量波动对煤气调度和优化影响的问题,提出一种基于改进BP网络的高炉煤气发生量预测模型.由于影响高炉煤气发生量的因素很多,采用机理和现场实际数据相结合方法分析影响高炉煤气发生量的因素,确定模型输入,采用炼铁高炉现场数据对模型进行训练,利用贝叶斯正则化算法来提高神经网络泛化能力.仿真结果表明,该模型能够准确预测高炉煤气发生量的变化趋势,为制定煤气管网平衡调度策略提供科学的依据和决策支持,有利于减少煤气排放,提高煤气利用率和企业的信息化水平.该预测模型已经成功应用到杭州钢铁集团煤气调度系统中,运行结果验证模型的有效性.     

基于高斯噪声的孪生近端最小二乘支持向量回归模型研究及应用

孪生近端最小二乘支持向量回归机(twin proximal least squares support vector regression,TPLSSVR)是在PLSSVR模型的理论基础上结合TSVR模型的双超平面理念而设计的一种新的回归模型. 本文利用TPLSSVR模型框架构建了基于高斯噪声的孪生近端最小二乘支持向量回归模型. 该模型利用最小二乘方法,分别加入正则化项b²₁、b²₂,将一个不等式约束问题转化为两个更简单的等式约束问题,提高了模型的泛化能力,有效提升了预测精度. 为解决模型的参数选择问题,选用收敛速度快、鲁棒性好的粒子群优化算法对模型参数进行优化选择. 将新构建的模型应用于人工数据集和风速数据集,实验结果显示该模型有较好的预测效果.     

融合社交和标签信息的隐语义模型推荐算法

为了提高隐语义模型在数据稀疏情况下推荐结果的质量,提出一种带有社交正则化项和标签正则化项的隐语义模型.根据用户社交网络和物品标签的信息,设计出描述用户和物品概况的正则化项,并利用用户对物品的历史评分计算得到用户评分偏好,将这三项引入矩阵分解目标函数中,进一步约束目标函数,最后通过梯度下降法去优化模型参数,得到推荐结果.为了验证算法的有效性,在Last.fm数据集上进行实验,实验结果表明,本文算法的推荐质量优于其他传统推荐算法.     

基于正则化方法的多元数据拟合问题

考虑了多元数据拟合过程中的不适定问题,采用Tikhonov正则化方法,在最小化泛函中引入正则化泛函解决整个辨识过程中的不适定问题,并且利用贝叶斯正则化方法迭代计算正则化参数及方程解。最后,通过数值模拟验证方法的有效性。     

Rolling force prediction for strip casting using theoretical model and artificial intelligence

Rolling force for strip casting of 1Cr17 ferritic stainless steel was predicted using theoretical model and artificial intelligence. Solution zone was classified into two parts by kiss point position during casting strip. Navier-Stokes equation in fluid mechanics and stream function were introduced to analyze the rheological property of liquid zone and mushy zone, and deduce the analytic equation of unit compression stress distribution. The traditional hot rolling model was still used in the solid zone. Neural networks based on feedforward training algorithm in Bayesian regularization were introduced to build model for kiss point position. The results show that calculation accuracy for verification data of 94.67% is in the range of ±7.0%, which indicates that the predicting accuracy of this model is very high.     

基于量子行为粒子群算法的航空瞬变电磁拟二维反演技术

传统的确定性反演算法严重依赖初始模型,易陷入局部极小值中,导致最终反演结果偏离真实模型。粒子群(PSO)算法作为一种随机性反演算法,具有较强的跳出局部极小值的能力,但是仍存在早熟收敛和收敛速度慢等问题,限制了该算法在二、三维电磁反演中的发展。针对上述问题,首先提出采用量子行为粒子群(QPSO)算法代替传统粒子群算法,将量子在势阱中运动规律引入到粒子群算法中,使得粒子可以出现在势阱内任何存在概率分布的位置上,有效地克服了由于群体的聚集性所导致的早熟收敛问题。此外,采用拟二维反演算法代替传统二维反演算法,使得反演模型参数维度下降,寻优过程中局部极小值个数将大幅度减少,显著提高粒子群算法的收敛速度,但是在粒子群中开展拟二维反演时,传统的正则化参数的寻优过程将浪费大量计算资源。结合量子行为粒子群算法中各测点的全局最优粒子在粒子群进化过程中的重要地位,采用α-Trimmed方法开展相邻点间全局最优粒子模型参数光滑约束,实现粒子群算法快速横向约束反演。最后将量子行为粒子群算法拟二维反演技术应用到含噪全航空瞬变电磁仿真数据处理中,反演结果与原始模型具有较好的一致性。     

基于MCMC的分位回归AR-ARCH模型的贝叶斯分析

针对时间序列分布特征的高峰厚尾性,提出了一类分位回归ARCH模型.在贝叶斯理论框架下,通过选择适当的先验分布,并基于非对称Laplace分布构建模型的似然函数,实现了模型的贝叶斯推断.仿真试验和分析表明,该分位回归ARCH模型可全面刻画时间序列的非对称性和高峰厚尾性.     

改进P—SVM收视率预测方法及其应用研究

为提高电视收视率预测水平,为相关机构提供决策支持,文中利用改进P—SVM模型对收视率数据进行分析预测．在方法设计上,为了更好解决模型参数选取等优化问题,引入证据框架,通过贝叶斯数据分析方法将样本先验知识引入模型优选过程,提出了用于收视率数据预测的改进P—SVM模型．为了测试方法的有效性,选取某电视机构收视率数据进行分析．算例分析表明,该方法较传统机器算法具有更好的预测能力,能够用于实际收视率数据分析．