基于正则总体最小二乘准则的OFDM系统信道估计算法

基于导频的最小二乘(LS)估计方法的优点是结构简单,容易实现,但对噪声和干扰敏感。通过对OFDM系统中由于信道的时变性产生的载波间干扰进行了分析,在此基础上提出正则总体最小二乘(TLS)信道估计算法。根据Tikhonov正则化原理,导出了总体最小二乘正则化解法的计算公式。与一般的LS信道估计相比,TLS方法同时考虑了信道噪声和信道时变特性,所以该算法不仅在一般的信道条件下具有良好的性能而且也适合快变信道条件下的OFDM系统。仿真结果表明,该算法具有很好的均方误差和误比特率性能。     

最小支持度在教学质量评价系统中的数据挖掘应用

以当前的高职高专院校教育教学为平台,研究分析最小支持度关联规则挖掘技术与教学质量评价相结合的问题,针对教学质量评价结果中的盲目性、不易把握等问题,提出利用最小支持度来分析质量评价体系,获取以影响因素为条件,以评价分析为结论的关联规则来解决目前教学质量评价中的不合理性,使教学质量评价公平、公正、合理、高效,并给教学管理人员提供决策分析资料。     

基于改进LS-SVM的制粉出力软测量建模

针对火电厂双进双出钢球磨煤机制粉出力较难直接测量的问题,拟建立其最小二乘支持向量机(LS-SVM)模型实现软测量.由于LS-SVM算法缺乏“稀疏性”,采用经Remez算法优化后的FIR数字滤波器与LS-SVM相结合,形成一种新的软测量建模方法——FIR-LSS-VM.仿真结果表明,经Remez优化后的FIR滤波效果更好.将该软测量方法应用于火电厂双进双出钢球磨煤机直吹式制粉系统,通过现场实验对比可知,改进的软测量模型学习速度较快且误差较小,更加适用于在线学习.     

非线性最小二乘估计算法拟合水泥浆流变参数

在进行固井工程设计时,水泥浆紊流临界排量及摩阻压降的计算都需要水泥浆流变参数.(H-B)模式是描述水泥浆比较好的流变模式.针对这种非线性流变方程,提出了非线性最小二乘估计新算法,并用VB程序设计语言进行了编程验证.该方法可用于水泥浆流变模式优选、流变参数的确定,水泥浆流变性能的评价以及固井设计之中.     

相似单词查找方法研究与实现

论文提出一种有限分隔最长公共子串算法,将这种算法与改进的最小编辑距离算法相结合实现输入单词与词库内单词的相似度计算。最终将计算结果聚类输出。实验结果表明,应用本文提出的方法进行相似单词查找与单词联想拼写能获得令人满意的结果。另外,我们将所实现的软件与源码公开以供参考。     

偏最小二乘回归在气温预测中的研究与应用

气温的预测要考虑多重气象因子,然而各气象因子间的多重相关性导致普通的多元回归模型失真,预测精度降低。为了解决以上问题,本研究采用偏最小二乘回归(Partial Least Squares Regression,简称PLS)建模,根据实际建模需要对算法进行改进。为了验证该模型,本研究以成都市10月份气温场为预报场,并结合成都市13个自动站气温数据,提取预报所需主要因子,进行PLS回归建模。实验表明该模型有较好的预测能力。     

小波递推最小二乘法的ARMAX模型参数估计

研究辨识系统优化问题,针对线性时不变ARMAX模型的参数估计,为了提高辨识精度,提出了直接利用小波域的数据,递推估计出模型的参数的方法.首先将时域的输入输出信号采用小波变换,得到了具有时频特征的小波域信号,可进行去噪方面的处理,去噪结果比时域和频域更有效.然后,利用小波递推最小二乘法对ARMAX模型进行参数估计,通过与时域递推最小二乘法的估计参数比较,仿真结果表明提出的方法是有效的.     

基于小波域数据的Hammerstein模型参数估计

针对非线性离散Hammerstein模型的输出存在随机噪声情况下,提出直接利用小波域的输入输出数据,估计出该模型的参数的方法。最小二乘法是时域参数估计的主要方法,随着对小波理论的深入研究,它在信号处理方面起着重要的作用。信号经过小波变换后,得到具有时频特征的小波域的信号,提高了信号的信噪比,去噪结果比时域和频域更有效。通过小波最小二乘法估计出模型的参数,与时域最小二乘法的估计参数相比较,仿真结果表明波域方法是可行的,有效的。     

线性矩阵方程异类约束最小二乘解的迭代算法

多矩阵变量线性矩阵方程(LME)约束解的计算问题在参数识别、结构设计、振动理论、自动控制理论等领域都有广泛应用。本文借鉴求线性矩阵方程(LME)同类约束最小二乘解的迭代算法,通过构造等价的线性矩阵方程组,建立了求多矩阵变量LME的一种异类约束最小二乘解的迭代算法,并证明了该算法的收敛性。在不考虑舍入误差的情况下,利用该算法不仅可在有限步计算后得到LME的一组异类约束最小二乘解,而且选取特殊初始矩阵时,可求得LME的极小范数异类约束最小二乘解。另外,还可求得指定矩阵在该LME的异类约束最小二乘解集合中的最佳逼近解。算例表明,该算法是有效的。     

基于组合赋权和BP神经网络的高校学生综合素质评价研究

考虑到主客观赋权的弊端,以高校学生综合素质评价为例,提出了一种基于最小相对信息熵原理的组合赋权方法,建立了综合职业能力视角下的评价模型。为了提高综合评价的便捷性,以单项指标为输入样本,评价成绩为输出样本构建BP神经网络。仿真结果表明,BP神经网络的预测平均相对误差为0.61%,最大相对误差为1.57%,说明该模型在合理的范围内能快速给出评价结果,避免了繁琐的计算过程,具有一定的应用前景。