基于双变量降维模型和Kriging近似的统计矩点估计法

对复杂随机系统进行统计矩分析时,双变量降维近似模型一定程度上可以缓解"维数灾难"。但当系统维数较高时,双变量分量函数较多,计算量仍然较大。为此,该文将降维近似和Kriging代理模型有机结合起来,提出了一类高效、合理的改进点估计法。充分考虑函数逼近和数值积分中积分点的特点,提出了"米"字形的选点策略,并基于此发展了双变量分量函数的Kriging近似模型;将此近似模型用于原函数和矩函数的双变量降维近似模型中双变量分量函数的近似,分别建立了基于原函数近似和矩函数近似的统计矩改进点估计法;通过多个算例对该文提出方法进行了效率和精度的分析。算例分析结果表明:基于"米"字形选点策略的双变量分量函数的Kriging近似具有较高的精度;相比于已有的基于双变量降维近似模型的统计矩点估计法,建议方法仅需较少的结构分析即可达到与已有方法相当的精度,能更好地体现精度和效率的平衡。     

基于主成分降维的SVM回归模型在煤与瓦斯突出预测中的应用

煤与瓦斯突出预测的准确性和可靠性研究目的就是为了提高预测判别质量,通过分析比较剔除了影响模型准确率的扰动学习样本,在对决定煤与瓦斯突出的五个关键归因进行主成分降维处理之后,构建了预测煤与瓦斯突出的降维SVM回归模型,选取0.9作为主成分信息保留率,使得原始变量的90%的信息保留于主成分;模型参数的确定采用引入松弛变量,将SVM凸优化问题转化为线性规划问题进行求解的方法。14组样本的训练和8组样本的预测评判的实检数据结果,很好地验证了所建模型在煤与瓦斯突出预测中的准确性和有效性。预测效果佳,模型算法易于MATLAB编程实现,为煤与瓦斯突出预测提供了一种新思路。     

面向高保真再现的多光谱图像降维方法

目的研究满足面向高保真再现要求的多光谱图像降维方法。方法基于二进制小波对信号的分解与人类的视觉特性相匹配,以及非负主成分分析法可较好地保证降维的光谱精度,提出采用基于离散二进制小波变化与非负主成分分析法的综合降维方法,并基于多光谱图像高保真再现的光谱精度、色度精度与变光源色差稳定性的要求,提出采用CIELAB的标准色差ab?E、光谱保真度和平均梯度等3个指标来评价降维效果。结果经过多光谱图像的测试实验,基于离散小波变换和非负主成分分析法的综合降维方法相对于其他3种方法,其光谱精度、色度精度和图像清晰度保持良好。结论该方法较好地实现了多光谱图像的高保真再现问题,并且为颜色视觉的认知过程提供了新的理论解释。     

基于主成分聚类的军品防护包装等级分类

目的分析不同军品防护包装需求的差异性,根据防护包装需求差异研究军品防护包装等级分类问题。方法通过采用主成分分析法对选取的军品防护包装等级分类指标进行降维处理,再将各种军品按照降维精简得到的新指标进行聚类分析。结果通过指标降维处理得到了新的3个分类指标和各种军品关于新指标的得分值,并以此将10种军品按照不同防护需求分为3个军品防护包装等级类别。结论该方法剔除了分类指标间的信息重叠,区分了不同军品的防护包装需求差异,并根据需求差异对各种军品进行了防护包装等级分类。     

基于因子聚类分析的儿童陪伴机器人用户细分

目的为解决目前儿童陪伴机器人设计中用户市场针对性不强、用户满意度低等问题。方法首先分析了儿童陪伴机器人的交互系统模型,采用限定式KJ法设计了具有二十六个变量指标的儿童陪伴机器人行业用户满意度量表。其次提出在学龄儿童的用户细分中使用因子与聚类分析的复合模型方法,具体的操作为利用因子分析的方法对高维数据变量进行降维,根据因子分析得分及K均值聚类算法对数据进行分析,以细分出四个用户市场。结果根据聚类分析样本数量区分重要性,得出了产品目标用户群之间的优先级;根据四种用户群态度,制定了相应的策略性建议。结论提出了基于因子与聚类分析方法的用户细分方法,将有助于明确儿童陪伴机器人的市场定位;同时有助于改善儿童陪伴机器人用户的交互体验。     

基于GA-BP神经网络的彩色扫描仪光谱特征化

为了实现彩色扫描仪的光谱特征化,采用一种GA修正的BP神经网络与PCA相结合的方法对其进行研究。首先,通过主成分分析,对训练样本的光谱反射率进行降维,以RGB信号和降维后的光谱数据作为输入、输出变量进行GA-BP神经网络的建模,对任意RGB信号都可以通过模型得到其低维光谱信号;再通过主成分分析重构光谱反射率,由此实现RGB信号对光谱反射率的重构,即实现扫描仪的光谱特征化。实验结果表明,GA的优化有效地改善了BP神经网络的极值问题,提高了模型的预测精度,PCA在不影响模型精度的同时提高了模型的效率。由此说明,所提出的模型能够满足扫描仪光谱特征化的需求。     

概率信息不完全系统的统计矩估计方法

根据已知变量概率信息的不同,概率信息不完全系统可分为子类I、子类II和子类III。现有的统计矩点估计法可以方便地用于概率信息完全系统和概率信息不完全系统子类I,但是对可能出现的概率信息不完全系统子类II和子类III无能为力。为此,该文在重点研究子类III的等效相关系数求解方法的同时给出了子类II等效相关系数的简化方法,并发展了适用于一般概率信息不完全系统的广义Nataf变换;在此基础上,结合多变量函数的单变量降维近似模型,提出了概率信息不完全系统的统计矩估计方法,并讨论了参考点选择、变量排序等对计算效率的影响;最后,通过算例对建议方法进行了系统的验证。算例结果表明：该文建议的等效相关系数求解方法准确有效、变量排序策略切实可行,统计矩估计法具有广泛适用性且对于低阶矩具有较理想的精度。     

基于SEM模型的张家苗寨古村落导视系统设计研究

目的 改善村寨导视系统的用户体验,探寻用户评价导视系统满意度的标准体系,提供客观、以用户为导向的设计流程。方法 使用文本挖掘技术对用户评价原始数据进行采集,使用探索性因子分析法对结果进行降维分析,通过主成分分析法提取5个成分,将其设置为潜在变量,并将相关指标作为观测变量,再使用结构方程模型构建潜在变量与观测变量之间的层次结构,并对其结果进行拟合度分析,最后将结果用于导视系统设计实践。结果 根据结构模型结果,分析潜在变量和观测变量的影响权重,得出并验证了“明确的指向性”是影响用户满意度最重要的指标,其次分别为“民族造型美感”“文化功能性”“场景交互合理”,并通过具体的观测变量因子载荷数值排序来指导设计实践。结论 导视系统在实现指向性功能的情况下,还应提升民族文化附加值,通过文化符号来扩大民族影响力,传承民族文化,促进民族村寨的发展。     

基于相关主成分分析和极限学习机的风电机组主轴承状态监测研究

提出了一种基于相关系数法和主成分分析法以及极限学习机相结合的主轴承状态监测方法。该方法利用相关系数法选取数据采集与监视控制系统中与主轴承温度相关的变量作为初始输入变量;再用主成分分析法对所选变量进行降维处理,以消除变量之间的相关性和冗余性;进一步利用极限学习机建立主轴承正常运行时的温度模型并用其进行温度预测;最后利用滑动窗和核密度估计方法对残差进行分析,并基于实测的数据进行主轴承故障模拟。结果表明,该方法可有效地实现主轴承潜在故障的预测。     

基于MDS和神经网络的滚动轴承故障诊断方法

针对滚动轴承的智能诊断问题,提出基于多维尺度分析(Multidimensional Scaling,简称MDS)和神经网络的滚动轴承故障诊断方法。该方法首先提取原始信号常用的时域统计指标,再将包含故障信息的统计指标进行MDS降维处理,减少后续模式识别难度,最后将降维后的统计指标作为神经网络的输入参数来判断滚动轴承的故障类型。对滚动轴承正常状态、滚动体故障、外圈故障和内圈故障四种模式下的振动信号进行分析,结果表明,运用MDS进行降维预处理的神经网络故障诊断方法比没有经过预处理的故障诊断方法有更高的故障识别效率,可以准确有效识别滚动轴承的故障类型。