非线性部分最小二乘方法的研究与应用

该文将部分最小二乘算法与径向基函数神经网络相结合,给出了一种非线性部分最小二乘建模方法,可以更加有效地处理过程非线性和数据共线性等复杂特性,提高模型的精度和推广能力。该方法在确定径向基函数神经网络的隐节点时,采用了一种改进型的k-均值聚类算法来自动确定最优的聚类区数。对煤气化炉合成气组分浓度软测量建模的应用结果表明,采用该方法建立的软测量模型在模型精度和推广能力等方面明显优于二次型多项式部分最小二乘方法建立的模型,并且计算精度满足工业生产的实际要求。     

递推部分最小二乘方法及其应用

该文提出了一种递推的部分最小二乘算法.该算法利用遗忘因子法对旧参数矩阵进行加权,再和新数据矩阵组合,构成输入输出的数据矩阵,然后利用PLS核算法得到模型.结合实际工业过程的要求,给出了该算法的步骤,并运用该算法建立了煤气化炉合成气组分浓度的软测量模型.结果表明,递推的部分最小二乘算法可以有效的更新模型,使模型适应过程的...     

非线性最小二乘法在多波长辐射测温中的应用

根据多波长辐射测温的基础理论，与著名的发射率和波长的假设函数，利用非线性最小二乘法对多波长辐射测温公式进行了拟合。给出了在有限波长间隔下的波段发射率。     

带约束非线性回归的最小二乘估计的极限分布

非线性回归的ＬＳ 估计问题是一类重要的统计问题。关于带约束条件的非线性回归问题也有不少人进行了研究, 但大部分文章局限于线性约束。最近运用随机最优化的工具对非线性约束进行了探讨。并在线性独立条件下得到ＬＳ 估计的极限分布。本文将条件放宽到Ｍ－ Ｆ 条件, 得到同样的结论。     

最小绝对值和与最小二乘联合抗差估计

讨论了从改正数绝对值和最小条件出发的线性规划法在粗差估计中的应用,以及该法在粗差探测能力方面与多余观测数之间的联系。认为最小绝对值和与最小二乘法联合抗差估计是一种有效,可行,简单,实用的估计方法。     

非线性模型最小二乘估计的渐近正态性

考虑非线性回归模型：ｙｉ＝ｆ（ｘｉ,θ０）＋ｇ（ｔｉ）＋ｅｉ,讨论了当ｇ（·）的估计取一般非参数估计时,θ０及σ２的最小二乘估计＾θｎ、＾σ２ｎ的渐近正态性。     

非线性最小二乘问题的一种求解方法

给出了求解非线性最小二乘问题的一种新算法.算法利用延拓法来研究拟合曲线所需要求解的非线性方程组以保证大范围收敛性;再利用斯蒂芬森加速技术来提高收敛速度;最后数值实验的结果表明算法有效可行.     

偏最小二乘法应用于回归的局限性

通过剖析＂偏最小二乘回归模型＂的原理,指出其局限性以及使用的必要条件。通过反例证明用＂偏最小二乘法＂建立回归方程出现不合理结果的可能性。最后通过一个成分数据的实例,验证了＂偏最小二乘回归模型＂在该类问题中的不适宜性。     

近红外光谱-偏最小二乘法测定三元混合物中各组分的含量

为了提高近红外光谱定量分析的预测精度和建模效率,提出了一种基于峰纯度值的变量优选方法,结合偏最小二乘建模,用于近红外光谱多组分同时测定。对庚烷、氯苯和甲苯三组分混合体系进行分析,只选择其中的10个波长变量建立校正模型,与全谱范围的定量校正模型比较。结果表明该方法可使最终所得的模型中变量数大大减少,可通过波长变量优选最小化冗余信息,提高预测精度及建模效率。     

基于平方和规划的非线性系统控制器设计

针对一类多项式非线性系统的控制器设计问题,基于平方和规划方法和Lyapunov定理,提出一种二次迭代的方法,完成最大吸引域下系统控制器的设计和系统Lyapunov函数的确定．该方法能够设计出多项式控制器,使系统具有良好的稳定性和动态特性．仿真结果验证了该方法的有效性．     

基于归一化最小均方算法的自适应核RBFNN

为了使自适应核径向基函数神经网络(RBFNN)有更好的收敛速度和稳态误差,提出了以归一化最小均方为学习算法对自适应核RBFNN进行优化的方法。在梯度下降算法的基础上,通过一个可变的步长因子,对归一化最小均方(NLMS)算法进行推导,并将其作为学习算法对自适应核RBFNN的权系数及偏差进行更新训练。在非线性系统辨识及模式分类中的仿真实验结果表明,使用NLMS学习算法训练自适应核RBFNN相较于其他学习算法下的自适应核RBFNN,具有更快的收敛速度及相对较小的稳态误差。     

最小二乘法测量直流伺服电机动态时间常数

提出用最小二乘曲线拟合法测取直流伺服电机动态参数．在电枢两端施加阶跃电压，测量．电枢电流的暂态响应，通过最小二乘曲线拟合，可以求取直流伺服电机动态时间常数．     

非线性时间序列ARMA模型的优化估计法

提供了一种ARMA模型参数的优化估计法一阻尼最小二乘法,它结合了Newton法和最速下降法的优点,既保证了迭代计算的收敛性,又加快了收敛的速度。当初值的精度较差时,更宜采用阻尼最小二乘法,而且本文给出实例的MATLAB程序,并利用t统计量检验出：阻尼最小二乘法要比最小二乘法的参数估计值更为显著,拟合模型更优。     

神经网络用于系统辨识的一种最小二乘法

讨论了用多层前向神经网络建立非线性系统模型的机理,然后通过对多层前向神经网络特点的分析,给出了一种基于线性最小二乘法的神经元网络训练方案。在该方案中,通过梯度法获取隐层神经元的输入,使用线性最小二乘法训练各神经元的权值和阈值。仿真结果表明该方案具有精度高、收敛速度快等特点。     

改进的最小二乘法计算固结系数

目前计算固结系数常用的方法是时间对数法和平方根法,这两种方法属于作图法,同时这两种方法仅利用了试样固结试验中沉降量与时间关系曲线中较少的数据,人为因素影响较大,确定固结系数有一定误差,因此,如果利用固结过程中的实测数据直接求出固结系数将会是一种较好的计算方式。针对这种情况,采用工程上通用的最小二乘法,通过公式推导,改进边界条件,得出了实测数据与固结系数的关系公式,并用Matlab编程得到了固结系数的求解过程,由于采用计算机运算,从而避免了对固结初始值的依赖,减少人为因素的影响。计算结果表明,计算公式计算效果良好,有效的减少了计算中的误差。