基于秩的小样本粗差判别

根据小样本粗差判别的具体情况 ,提出使用新序列秩的最大熵估计法及一阶差分分位数法判别小样本粗差 ,这两种方法简单易行 ,便于实时处理 最后还给出了具体实例进行说明     

小样本最大残差的粗差判别方法

提出了一种基于累加生成最大残差对小样本采样的粗大误差快速直接判别的方法、理论分析和实例结果说明,采用该方法判别粗大误差,判别简单、速度快、处理后数据测量准确度高。     

小样本升降法在炸药安全度试验中的应用

论述了炸药安全度试验方法、小样本升降法原理及应用依据,检验工作中的实际应用证明小样本升降法是切实可行的．     

基于支持向量机的小样本响应曲面法研究

当影响因素和响应输出的关系较为复杂时,应用传统响应曲面法(RSM)、非参数响应曲面法(NPRSM)和人工神经网络(ANN)难以拟合真实的响应曲面,不仅需要大的样本量,而且泛化风险大,不易达到全局最优.将RSM归结为可有限制地主动获取样本的小样本机器学习问题,提出了一种基于支持向量机(SVM)的RSM.以大间隔网格取样,利用SVM拟合过程,对拟合方程寻优确定极值大致区域,再逐步缩小间隔求精.算例研究表明,该方法的拟合与泛化性能优于NPRSM和基于ANN的RSM,能在小样本条件下建立全局性数值模型,寻优可以得到多个极值.     

基于生成对抗网络的小样本颜色空间转换方法

目的 解决基于深度学习的颜色空间转换方法需求样本量大、样本采集成本高的问题。方法 以色度学和深度学习方法为基础，提出融合多通道校正的Cor−WGAN模型，设计多阶段训练方法，在小样本条件下，学习RGB到CIELab颜色空间的转换关系。先在标准颜色空间下测试模型的转换效果，再设计非标准颜色空间仿真实验和逆转换实验，并测试模型在实际应用中的效果。结果 实验结果表明，文中提出的Cor−WGAN模型的小样本学习能力较强，在64个均匀分布样本的训练条件下就可实现较好的转换效果，转换的平均色差为1.71，最小色差达到0.16，超过90%的样本点可以达到人眼无法分辨色差的转换程度。结论 文中算法在处理小样本颜色空间转换任务方面具有明显优势，为基于深度学习的色彩管理应用提供了一种新思路。     

多尺度注意力与领域自适应的小样本图像识别

小样本图像识别是计算机视觉中的关键问题。针对小样本情况下度量学习方法的类别原型不准确、泛化能力差问题,本文采用以下措施来提高小样本图像识别准确率：第一、为减缓样本稀缺问题,利用掩膜自编码器进行图像扩充,提高样本复杂度。第二、设计多尺度注意力模块,突出类别相关特征,解决类别原型偏差大的问题。第三、提出领域自适应模块,引入间隔损失函数,优化嵌入函数的表征能力,实现新类样本的精确表征,增强模型的泛化能力。通过在多个公开数据集上进行实验表明,本文方法可以有效提升小样本图像识别准确率。     

小样本条件下多年冻土地区斜坡稳定性的

青藏铁路和青藏公路沿线的斜坡稳定对交通线路的安全运营十分重要,与其稳定性评价有关的土的参数指标样本很少,且离散性很大,很难得到较为准确的统计特性,针对此问题,该文基于区间理论,提出了一种小样本条件下多年冻土地区斜坡稳定问题的可靠性分析方法。主要考虑斜坡的热融滑塌,采用无限边坡稳定分析理论,给出了功能函数表达式,将不确定变量视为边界变化的区间变量,区间的下界和上界分别为采样数据的最小值和最大值,用功能函数的中值与离差之比η来估计斜坡稳定的可靠性,η将随样本数量发生变化。为了估计η和概率可靠指标β的关系,将不确定变量视为随机变量,给出了β和η比值的区间估计表达式,并采用上述方法分析了青藏铁路K3035处冻土斜坡稳定的可靠性。     

在线推断校准的小样本目标检测

针对少量样本条件下模型易过拟合、目标错检与漏检问题，本文基于TFA (two-stage fine-tuning approach)提出了一种在线推断校准的小样本目标检测框架。该框架设计了一种全新的Attention-FPN网络，通过建模特征通道间的依赖关系选择性融合特征，结合分级冻结的学习机制引导RPN模块提取正确的新类前景目标；同时，构建了一种在线校准模块对样本进行实例分割编码，对众多候选目标进行评分重加权处理，纠正误检和漏检的预测目标。结果表明，所提算法在VOC数据集Novel Set1中，五个任务的平均nAP50提升10.16%，在性能上优于目前的主流算法。     

样本过滤的基因表达数据分类

针对单个人工神经网络稳定性差、分类精度不高的缺点,提出了基于样本过滤的人工神经网络集成算法,并用于基因表达数据分类.采用基因表达数据集Leukemia进行实验仿真,并与单个BP神经网络、Bagging神经网络集成和支持向量机进行比较.结果表明,样本过滤算法具有更好的稳定性和更高的分类精度.     

小样本条件下多年冻土地区斜坡稳定性的可靠性分析方法

青藏铁路和青藏公路沿线的斜坡稳定对交通线路的安全运营十分重要,与其稳定性评价有关的土的参数指标样本很少,且离散性很大,很难得到较为准确的统计特性,针对此问题,该文基于区间理论,提出了一种小样本条件下多年冻土地区斜坡稳定问题的可靠性分析方法。主要考虑斜坡的热融滑塌,采用无限边坡稳定分析理论,给出了功能函数表达式,将不确定变量视为边界变化的区间变量,区间的下界和上界分别为采样数据的最小值和最大值,用功能函数的中值与离差之比η来估计斜坡稳定的可靠性,η将随样本数量发生变化。为了估计η和概率可靠指标β的关系,将不确定变量视为随机变量,给出了β和η比值的区间估计表达式,并采用上述方法分析了青藏铁路K3035处冻土斜坡稳定的可靠性。     

小样本升降试验法在巷道检验中应用的可行性研究

文章以巷道检验为例，根据试验中的变差来源，论证了样本容量n=6时，升降法在敏感度试验特别是在巷道检验中应用是完全可行的，并提出确定试验参数的原则。     

一种基于样本熵的轴承故障诊断方法

运用非线性动力学参数样本熵作为特征,对轴承正常、内圈故障、滚动体故障、外圈故障四种工况的振动信号进行分析识别。针对利用原始振动信号的样本熵只能在一个尺度域进行分析,无法准确区分轴承运行状况的问题,提出一种基于集成经验模式分解与样本熵的轴承故障诊断方法。首先利用集成经验模式分解方法将原始振动信号分解为有限个内蕴模式分量,从中选取包含故障主要信息的前几个内蕴模式分量的样本熵作为特征,然后利用支持向量机进行轴承故障诊断,这样可以在多个尺度对轴承信号进行分析,提高了轴承故障诊断的准确率。通过轴承故障实测信号的诊断实验,证明了该方法的可行性和有效性。     

燃气轮机的实时仿真及数据预处理

讨论了燃气轮机实时仿真及相应的数据预处理方法，利用容积惯性法建立了某型燃气轮机的实时仿真模型，在586PC实现了超实时仿真，仿真结果和试验数据相符。     

浅谈移动通信数据挖掘的数据预处理

本文重点研究移动通信数据挖掘的数据预处理方法。首先描述数据挖掘的一般步骤，然后给出常用的数据预处理技术，最后展望未来的发展方向。     

移动通信数据挖掘的数据预处理研究

随着移动通信行业在我国的蓬勃发展,这个行业的竞争也越来越激烈。数据挖掘已经成为移动通信行业进行数据分析的重要技术手段。本文重点研究移动通信数据挖掘的数据预处理方法。首先描述数据挖掘的一般步骤,然后给出常用的数据预处理技术,最后展望未来的发展方向。     

基于灰色系统理论的小样本动态测量数据处理

小样本动态测量不确定度评定一直是计量领域的热点,有别于传统的统计理论,文中应用灰色系统理论来实现小样本动态测量不确定度评定.首先通过对动态测量在各离散采样点所得小样本测量数据平均运算,再进行多项式高阶拟合,克服最小二乘法在高阶回归分析时的病态缺陷,得到精确的动态测量的期望函数.然后对各离散采样点上的小样本测量数据,按照累加生成原则进行处理,根据灰色系统理论,得到对应的不确定度信息,由此得到小样本动态测量结果.最后通过具体的小样本动态测量实例,验证了灰色方法、贝塞耳方法和蒙特卡罗方法的评定结果,并达到很好的一致性.     

多传感器测量数据预处理

传统传感器测量数据处理方法只采用算术平均值的数字滤波法，虽然这种方法具有一定的抗干扰性，但从统计理论和实际应用情况分析来看，这种方法处理的数据不是测量结果的最好表示，尤其对于多传感器测量情况甚至更糟糕。针对这种情况提出了通过2次利用偏度分析建立动态检测门限判别并剔除粗差，再进行数据融合的分批估计方法．数据分析结果表明。这样处理后的数据测量误差和方差均更小，测量结果更接近测量真值。     

基于加权相空间重构降噪及样本熵的齿轮故障分类

提出了一种基于加权相空间重构降噪及样本熵的齿轮故障分类方法,给出了加权相空间重构降噪及样本熵的原理及计算公式.该方法将一维的时间序列重构到高维的相空同,通过区分吸引子在高维空间的不同的属性与特征,对原始信号进行加权相空间重构降噪,再计算降噪后信号的样本熵从而实现对齿轮故障信号的分类.对该方法进行了仿真与实验研究,结果表明,降噪后的信号有效地抑制了噪声对实验结果的影响,使得样本熵能够对齿轮不同的工作状态进行有效区分.     

多传感器数据融合中的数据预处理技术

数据预处理是进行多传感器数据融合的基础，对数据的空间统一和时间统一的研究方法及流程进行了阐述，介绍了其于该方法的技术在实际应用中取得的效果。     

相依样本下线性模型的最小二乘估计

对混合样本的线性回归模型给出最小二乘估计的ｒ阶矩组合的充分条件，改进了文（２），（３）和（４）中的有关结论，得到较理想的结果。