地磁图适配性评价的多属性权重灵敏度分析

地磁图适配性评价涉及较多的地磁图属性,深入分析属性权重变化对适配性评价结果的影响很有意义。将地磁图的适配性评价抽象成多属性决策问题,首先给出常见的地磁图属性以及用于方案排序的线性加权模型,在此基础上研究排序结果不变时属性权重的变化范围以及属性权重发生变动情形下的灵敏度问题,定量推导出使得方案排序翻转的地磁图属性权重变化区间。通过一则实例求解属性权重变化范围和属性权重的灵敏度,得到对决策排序结果最敏感的属性,计算结果可为决策者提供一定参考。     

基于核的偏最小二乘特征提取的最小二乘支持向量机回归方法

提出了用核的偏最小二乘进行特征提取．首先把初始输入映射到高维特征空间，然后在高维特征空间中计算得分向量，降低样本的维数，再用最小二乘支持向量机进行回归．通过实验表明，这种方法得到的效果优于没有特征提取的回归．同时与PLS提取特征相比，KPLS分析效果更好．     

一种改进BP神经网络的算法

传统的神经网络BP算法存在收敛速度慢、存在局部极小点等问题,这种算法收敛慢的主要原因是它利用的是性能函数的一阶信息,递推最小二乘算法利用了二阶信息,但是需要计算输入信号的自相关矩阵的逆,计算量大,不易实现。本文提出一种梯度递推BP算法,它基于最小二乘准则,利用改进的梯度来实现BP算法,这种算法不用计算输入信号的自相关矩阵,并通过仿真证明了该算法的有效性。     

基于最小二乘和BP神经网络算法的转辙机测力方法探究

目前,转辙机牵引力测量多采用销式力传感器代替动作杆与道岔连接销的方法,该方法存在较大的安全隐患,只能临时测量,不能实时测量转辙机牵引力.因此以S700K为研究对象,在前人研究的基础上,提供一种能够实现实时测量转辙机牵引力的非接触式测方法.采用高精度激光位移传感器采集转辙机动作杆速度信息,运用齿轮等效杠杆法结合所测转辙机...     

基于BP网络的一维数字信号形态分类器的研究

本文主要研究一维数字信号的形态分类问题,提出了一种基于BP神经网络和最小二乘法的分类方法,有效地提高了分类效率,同时以125Hz心电信号为实例对该方法进行了验证。     

基于偏最小二乘回归的军用飞机效能预测

作战飞机效能的预测是防空作战中的重要问题,简述了效能预测的各种方法.分析了影响飞机效能的参数,提出用最小二乘回归方法来预测飞机效能值.该方法对变量进行主成分分析、典型相关分析和多元线性回归,在处理存在多重线性相关的小样本多元数据方面效果很好.通过实例与神经网络法的结果进行了比较,结果表明偏最小二乘回归更精确和简单.     

BP神经网络模型预测控制算法的仿真研究

为克服被控对象参数变化导致控制精度降低的问题,研究了一种BP神经网络模型预测控制算法。借助最小二乘递推算法在线预测系统模型参数,利用BP神经网络在线预测PID参数以控制被控对象。该算法基于模型预测,首先在线性系统中验证其控制效果,然后将非线性问题作线性处理,采用BP神经网络模型预测PID控制器予以实现控制非线性系统。仿真曲线显示BP神经网络PID控制器用于线性系统可达到高精度控制要求;对于非线性系统有自适应及逼近任意函数的能力。仿真研究表明,该算法与传统BP神经网络PID控制器相比,其自适应能力更强,稳定性更好,控制精度更高。     

非线性偏最小二乘建模方法及在近红外光谱建模上的应用

偏最小二乘算法(PLS)是常用的线性光谱建模方法。针对汽油在线调合中具有非线性特点的辛烷值、干点等属性应用PLS方法建立模型误差较大问题,本文提出了残差-递阶偏最小二乘的建模方法,该方法对已经提取成分后的自变量中剩余的信息再提取主成分,并将该主成分作为新的自变量参与回归建模。仿真验证结果表明:残差-递阶偏最小二乘方法建立的模型中验证集的样本数据误差均在正负0.2之间。残差-递阶偏最小二乘方法与偏最小二乘、递阶偏最小二乘叫-PLS)两种方法比较,残差-递阶偏最小二乘建立的模型有的更高的精度和模型适应性。     

基于BP神经网络的图书馆网站评价方法

在建立符合图书馆网站特点的评价指标体系的基础上．探索一种运用BP神经网络对图书馆网站进行评价的方法。概述BP神经网络及其基本原理。并详述基于BP神经网络的图书馆网站评价模型的建立过程,包括神经网络结构的确定、网络学习,以及网络检验等。将该模型应用于实例检验。得到较满意的结果。     

基于BP神经网络的高校教学质量评价方法

教学质量评价是高校提高教学质量的措施之一。文章首先从使用比较普遍的加权平均法来说明现行的质量评价法所存在的缺陷,接下来进一步将BP神经网络引入到教学质量评价中来,最后,通过实际的例子来说明这种方法的可行性以及有效性。     

一种不受初始权值向量影响的MCA学习算法

最小主元分析(Minor Component Analysis,MCA)类自适应总体最小二乘算法易受初始权值向量的影响而无法收敛。为解决这一问题,提出了一种不受初始权值向量影响的MCA学习算法,推导出了该算法的收敛条件与最终收敛域,并通过计算机仿真验证了该算法的正确性。     

PLS在状态检测多元线性回归中的应用

系统的状态检测过程中,各影响因子之闻往往存在着多重相关性,给回归建模分析带来许多负面影响,采用偏最小二乘(PLS)回归建模分析可以很好地解决这个问题.在简述PLS原理的基础上,结合系统状态检测仿真数据,建立系统的状态检测的PLS模型,分别验证PLS回归预测模型用于多个自变量对单个因变量和多个自变量对多个因变量的回归模型...     

统计模型在B/S架构的大坝安全监控系统中的应用

我国中小型大坝安全分析主要是对人工采集的监测数据进行后期离线分析,并结合丰富的实践经验和专业知识,判断大坝安全状态,该方法存在测量精度低、工作量大、实时性差等弊端.针对卜述问题,提出了在基于B/S架构的大坝安全自动化监测系统上,结合Java Builder工具,调用Matlab算法,对大坝监测数据建立基于偏最小二乘回归算法的裂缝开合度统计模型,从而实现大坝安全实时分析.实验结果表明该系统能实现大坝实时、自动化安全分析,具有实用价值.     

基于数据驱动技术和工艺机理模型的PTA生产过程软测量建模方法

PTA生产过程物耗指标和质量指标实时准确的监控,是PTA生产企业降低生产成本、提高市场竞争力的重要途径.现存的PTA工艺机理模型无法实时有效地对PTA生产过程进行监控,本文提出了1种基于数据驱动技术和工艺机理模型的软测量建模方法,通过采用主元分析和模糊C均值聚类(PCA-FcM)算法将PTA历史工况进行分类,建立BP神经网络和偏最小二乘(PLS)的组合多工况模型,对PTA生产过程的物耗指标和质量指标进行预测.以某化工厂的投运效果分析,该方案有效地对PTA重要指标作了实时准确的预测,其中质量指标4CBA的相对误差控制在3%左右,有效地帮助现场操作人员将生产装置稳定运行在较优工况点.     

基于BP神经网络的教学质量评价模型研究

在现有评教体系基础上,结合问卷调查和主成分分析法,简化评价指标,并运用BP神经网络算法构建教学质量评价模型,经实测验证了网络预测结果的有效性和可靠性。     

基于BP神经网络的网上学习评价方法

利用BP神经网络并结合聚类分析技术,提出了一个面向网上学习评价的新型评价方法:在需要评价的大量数据中使用聚类分析技术选择部分对象的数据,让老师去评价打分,然后将这些结果作为BP神经网络的训练样本,让网络学会老师的评价方法,然后再将网络应用到其他对象的数据,进行网上学习评价仿真。文中给出了一个网上学习评价方法模型和相应实例,该方法在网上学习分班管理中,对学生学习能力进行评价时,得到了满意的结果。     

基于BP神经网络的网上学习评价方法

利用BP神经网络并结合聚类分析技术,提出了一个面向网上学习评价的新型评价方法:在需要评价的大量数据中使用聚类分析技术选择部分对象的数据,让老师去评价打分,然后将这些结果作为BP神经网络的训练样本,让网络学会老师的评价方法,然后再将网络应用到其他对象的数据,进行网上学习评价仿真.文中给出了一个网上学习评价方法模型和相应实例,该方法在网上学习分班管理中,对学生学习能力进行评价时,得到了满意的结果.     

WPM方法分析地磁图指标权重灵敏度

研究地磁图适配性分析中各指标权重灵敏度问题。给出常见的地磁图属性以及用于方案排序的WPM方法,讨论了在该方法下正向指标和负向指标的数据处理策略,在此基础上研究排序结果不变时属性权重的变化范围,并对使得两方案排序翻转的各指标权重最小变化区间进行定量推导,进而得到各指标权重灵敏度。最后,通过具体实例得到了属性权重变化范围和各指标权重最小变化区间及灵敏度,发现了对于两两方案排序翻转最敏感的指标,这为决策者在设定指标权重时提供一定参考和依据。     

基于加权偏最小二乘回归的软件成本估算方法

针对软件成本估算中影响因素较多且自变量间存在多重相关性的特点,提出一种基于加权偏最小二乘回归(PLSR)的软件成本估算方法。定义属性权重,得到描述软件历史数据相似度的加权相似离度。通过计算样本相似度自适应地为样本分配权值,采用遍历搜索的方式确定最优主成分及权值分配参数。实验结果表明,该方法的估算误差比多元线性回归方法减少73.61%,比全局PLSR方法减少32.34%。