多波长数据线性组合分光光度法的研究

多组分光度分析近年来获得可喜的进展,其中化学计量学(或称计算分析)方法引入注目,如最小二乘、偏最小二乘、因子分析、Kalman滤波、优化技术、回归分析、曲线分辨等,它们可用以改善分析方法的选择性免除繁复的分离操作,实现毋需分离直接分别或同时测定;均具有各自的特点,其中某些方法受到一定限制需予改进。研究和探索新的简便有效方法仍属必要,作者在评述与实践中也认识到这一点。     

多视点分布式视频编码的研究

随着新型多媒体传感器网络的出现,现有编码方法不能有效适应其庞大的数据量.因此针对多媒体传感器网络能量、资源受限的问题,该文研究能提供低复杂度、低能耗、低成本编码器的分布式视频编码技术.文章总结了多视点分布式视频编码各个环节的最新研究进展,并针对分布式视频编码的核心内容边信息生成,提出了基于多视图几何的空间边信息生成算法,又在此基础之上应用线性组合模型的融合算法使边信息质量进一步提高.仿真结果表明,空间边信息生成算法可以使率失真性能得到2 dB左右的提高,而线性组合模型的融合方法可以使增益再提高0.3 dB左右.     

一种线性组合电力负荷预测模型(英文)

电力负荷预测对电力系统的有效运行是至关重要的.电力负荷预测领域迫切需要更精确、更稳定的电力负荷预测方法和技术.为进一步提高电力负荷预测精度,利用互补性原理建立了一种线性组合预测策略.该方法由一个基于互补原理的单项模型选择策略,及线性组合模型组成.选定的单项模型包括流行的线性模型,即ARIMA模型,和流行的非线性模型,即支持向量回归(SVR)模型.该线性组合结构可以有效地提取非线性电力负荷数据的特点.澳大利亚电网真实数据的实验运行验证了该模型的有效性.     

基于序列线性组合的原始–对偶算法

双线性鞍点问题及其对应的原问题和对偶问题在信号图像处理、机器学习、统计和高维数据处理等领域具有重要的应用,原始对偶算法是求解该类问题的有效算法。利用序列的线性组合技术,改进了Chambolle-Pock原始对偶算法子问题的求解,提出了一种求解双线性鞍点问题的新原始对偶算法。该算法也是Arrow-Hurwicz算法的修正,在子问题求解中将线性组合和经典的外插技术进行结合,得到了更一般的收敛性。利用变分分析证明了算法的收敛性和遍历■(1/N)收敛率,获得了保证算法收敛的步长和组合参数取值范围,求解非负最小二乘和Lasso问题的数值实验验证了算法的有效性。     

时变谐波参数检测

本文以自适应线性组合器为基础,采用递归最小二乘法进行时变谐波参数的跟踪检测。当信号的基波频率发生变化时,采用分段检测的思想,对每小段信号先采用插值快速傅立叶变换法检测该段基波频率,作为自适应线性组合器的输入,然后采用递归最小二乘法进行幅度和相位的跟踪检测。该方法利用递归最小二乘法跟踪速度快的特点,实现了时变谐波的快速跟踪检测。实验结果验证了所提方法的有效性和准确性。     

一种成象跟踪系统的设计

在分析了国内外成象跟踪系统存在的优缺点的基础上,提出了一种新的成象系统的设计方案,并完成了实验系统报调试。系统中采用的跟踪算法能够很好地解决三维空间中物体一拉移旋转和尺度不变性问题,这是过去许多跟踪算法中没有解决的问题。在硬件设计中采用了高速数字信号２芯片ＴＭＳ３２０Ｃ３０来协助完成图象处理任务以满足实时跟踪的需要。     

不确定线性组合系统的鲁棒H∞性能的判定

针对一类线性组合不确定系统的结构特征提出了分散鲁棒H∞性能的概念。它充分利用组合系统的互联结构,为研究大系统H∞性能提供了新途径。给出了大系统具有分散鲁棒H∞性能的条件,以及利用分散鲁棒H∞性能判断大系统的整个鲁棒H∞性能的方法。结果表明,大系统的H∞性能与子系统H∞性能密切相关。只要每个子系统具有鲁棒H∞性能,则要同样的控制条件下,大系统也具有鲁棒H∞性能,只是性能指标弱一些。     

不确定线性组合系统的鲁棒H_∞性能的判定

针对一类线性组合不确定系统的结构特征提出了分散鲁棒 H∞ 性能的概念。它充分利用组合系统的互联结构 ,为研究大系统 H∞ 性能提供了新途径。给出了大系统具有分散鲁棒 H∞ 性能的条件 ,以及利用分散鲁棒 H∞ 性能判断大系统的整个鲁棒 H∞ 性能的方法。结果表明 ,大系统的 H∞ 性能与子系统H∞ 性能密切相关。只要每个子系统具有鲁棒 H∞ 性能 ,则在同样的控制条件下 ,大系统也具有鲁棒 H∞性能 ,只是性能指标弱一些。     

基于线性组合赋权法的招投标决策模型及其应用

招标及招标理论中,招标评审问题是招标人面临的一个重要问题.在这一决策过程中,影响其合理性的一个重要因素是各评价指标权系数的确定.本文将一种评审指标综合赋权法——线性组合赋权法应用于评标决策中,提出了评标模型和评价方法,并通过实例说明其合理性.     

网络流量预测模型研究进展

网络流量预测的关键是建立相应的数学模型.介绍了网络流量预测模型的基本概念和分类,指出了单一预测模型存在的问题.从模型构建原理出发,重点对组合预测模型进行了系统的分类,将其分为线性组合模型、优化组合模型、分解重构组合模型,介绍了各组合模型的相关研究进展,并分析了它们的特点和适用范围,指出组合预测模型能更精确、全面地预测流量.针对流量预测目前存在的问题,对未来研究趋势提出了几点思考.