大坝安全监控模型因子相关性及不确定性研究

针对最小二乘法难以克服因子多重共线性对回归模型精度影响的不足，本文对大坝安全监控模型因子间的相关性及其不确定性进行了研究。引进偏最小二乘法，对大坝安全监测变量及其影响因子进行偏最小二乘回归分析，将建模预测分析方法与非模型式的数据内涵分析有机结合，可同时实现回归建模、数据结构简化以及因子相关的不确定性分析，所建立的大坝安全监控模型，其精度可通过交叉有效性检验来控制。工程应用实例和模型对比分析研究表明，偏最小二乘回归模型能有效克服各类因子变量间的多重共线性对模型拟合精度及其预测能力的影响，因而比目前常用的最小二乘回归模型更具广泛适用性。     

基于水土保持的流域降水-径流统计模型及其应用

本文在变量共线性分析基础上，提出了流域降水量标度和水土保持标度及其计算方法，建立了流域降水-水土保持-径流统计模型，该模型不仅能分离水土保持措施对河川径流量影响程度，而且还可分析降水及水土保持对流域径流量变化的影响。研究表明，在佳芦河和秃尾河流域，水土保持使流域径流量平均减少10%～22%。因降水量减少及水土保持措施面积增大，20世纪70～90年代比60年代径流量明显减少，佳芦河降水变化及水土保持措施影响分别为25%和75%，而秃尾河分别为35%和65%。     

基于卫星参数预测的高分辨率光学影像精确定位方法

提出了一种基于预测的无地面控制点的高分辨率光学影像的精确定位方法.该方法利用了待校正遥感影像相邻景的成像参数,同时建立预测模型,内插或外推待校正遥感影像的成像参数,从而通过共线方程模型实现无地面控制点的高分辨率遥感影像地理定位.文中利用QuickBird影像进行实验,取得了4～5个像元校正精度.     

视觉词汇的主成分线性编码方法

针对视觉物体分类中视觉词汇局部线性编码缺少显著性检验和共线性分析的问题,提出了主成分线性编码方法,选择与特征点具有最强线性相关性的K近邻视觉单词,采用主成分多元线性回归方法以解决视觉单词的共线性问题,从而减小编码系数的偏差和不稳定,提高视觉物体分类的精度.依据图像量化结果的稀疏性是影响分类精度的重要因素,进一步对主成分线性编码得到的量化结果做稀疏性分析并进行能量正则化处理,提高分类效率.实验结果表明,与已有方法相比,平均分类正确率提高了1%以上.     

Analysing semiconductor manufacturing big data for root cause detection of excursion for yield enhancement

With the shrinking feature size of integrated circuits driven by continuous technology migrations for wafer fabrication, the control of tightening critical dimensions is critical for yield enhancement, while physical failure analysis is increasingly difficult. In particular, the yield ramp up stage for implementing new technology node involves new production processes, unstable machine configurations, big data with multiple co-linearity and high dimensionality that can hardly rely on previous experience for detecting root causes. This research aims to propose a novel data-driven approach for Analysing semiconductor manufacturing big data for low yield (namely, excursions) diagnosis to detect process root causes for yield enhancement. The proposed approach has shown practical viability to efficiently detect possible root causes of excursion to reduce the trouble shooting time and improve the production yield effectively.