岭参数优化的ELM岭回归学习算法

针对ELM(extreme learning machine,极限学习机)学习算法可能存在的解的奇异问题,提出了岭参数优化的ELM岭回归学习算法(ELMRR).该算法利用岭回归方法代替原有的线性回归算法,以均方根误差为性能指标,采用粒子群优化算法确定最佳岭参数.为了验证该方法的有效性,对函数回归和分类问题进行仿真实验分析,结果表明该方法改善了ELM的预测性能且克服了传统岭回归算法岭参数难以确定的缺点.     

人工蜂群神经网络同时测定三种氯酚类化合物

将改进过的人工蜂群算法用于训练人工神经网络,对紫外光谱重叠严重的邻氯酚、对氯酚以及2,4-二氯酚的混合溶液进行同时测定.在260-290nm的范围内,使用经过正交设计的25组混合溶液的吸光度作为神经网络的训练集.当网络的误差平方和收敛到0.1时,输入另5组混合溶液的吸光度预测其浓度.对照实验表明,使用新算法训练的神经网络在回收率和收敛速度上与使用BP算法、粒子群算法以及标准人工蜂群算法相比均有较大提高.     

校正变换矩阵法用于四组分芳香族化合物的同时测定

将目标因子分析中的自由浮动技术引入多元校正中，提出了一种新的多元校正方法，将该法用于四组分芳香化合物的紫外分光光度法同时测定，讨论了不同波长范围，不同波长间隔及样准标准溶液份数对计算结果的影响。     

主成分回归光度法选择性测定稀土物料中的铁

混合物中未知干扰背景下已知组分的选择性测定，是分析化学中有意义的课题。本文基于铬天青Ｓ－ＣＴＭＡＢ与Ｆｅ＾３＋显色体系中吸收光谱灵敏度高但选择性差的特点，应用主成分回归法处理校正样吸光度数据，根据校正样中的Ｆｅ＾３＋浓度向量求算浓度转换向量。转换向量求出后就可对任意待测样吸光度向量进行转换从而求出Ｆｅ＾３浓度。本方法对含有干扰背景的人工合成样及几种实际稀土样品中Ｆｅ＾３＋的分析均取得了满意结果。因一法可在干扰背景未知的情况下使用。     

共识独立成分回归结合紫外光谱用于多组分同时测定

将独立成分分析用于紫外光谱定量分析,结合多模型共识的基本思想,建立了共识独立成分回归方法。从训练集随机取样建立一系列独立成分回归模型,选取其中性能较好的部分模型作为成员模型,并用这些成员模型预测未知样品。用该方法对苯甲酸、苯胺及苯酚3组分水溶液的紫外光谱进行分析,并与单模型偏最小二乘法了进行比较。结果PLSR对独立测试集中3种组分进行50次重复预测的平均RMSEP分别为2.349,7.413和1.605,RMSEP的标准偏差分别为1.781,2.918和1.266;而本方法重复50次预测的平均RMSEP分别为1.633,3.390和1.496,RMSEP的标准偏差分别为6.642×10^-3,6.573×10^-2和4.484×10^-2。可见,共识独立成分回归所建立的模型更加稳健和可靠,预测的准确性也明显提高。     

优化岭参数的非线性岭回归及4-CBA含量软测量

针对二甲苯氧化反应过程中影响主要副产物对羧基苯甲醛含量的因素众多且呈高度非线性的问题,提出基于优化岭参数的非线性岭回归MNRR算法,并应用于建立4 CBA含量软测量模型,获得满意的结果.MNRR采用非线性变换对原始模式特征空间进行扩张,以预测性能为指标,采用进化算法确定最佳岭参数,最终建立具有强非线性表达能力以及预测性能良好的模型.与非线性最小二乘回归和基于广义交叉有效性逐步估计岭参数的非线性岭回归相比,MNRR模型具有更高的预测精度且克服了传统岭回归算法最佳岭参数难以确定的缺点.     

基于岭回归的RVPMCD滚动轴承故障诊断方法

针对多变量预测模型模式识别方法中的最小二乘拟合可能出现病态的问题,提出了基于岭回归的多变量预测模型（Ridge regression-Variable Predictive Model based Class Discriminate,RVPMCD）分类方法,该方法通过引入岭参数,降低其均方拟合误差,减小自变量间复共线性关系对参数估计的影响,改善了原方法中最小二乘回归拟合参数失真的现象,从而有望建立更加准确的预测模型。对滚动轴承的振动信号提取特征值,组成特征向量,采用RVPMCD方法对训练样本建立预测模型,利用RVPMCD所建立的预测模型进行模式识别。实验分析结果表明,基于岭回归的多变量预测模型分类方法可以更有效地对滚动轴承的工作状态和故障类型进行识别。     

一种基于岭回归的足球状态估计方法

以机器人足球中型组比赛环境中的足球作为研究对象,重点研究在机器人自身位置可能时刻发生变化 的情况下如何利用机器人全景视觉信息,可靠地估计出足球在自由运动状态下和在外力作用下的位置和速度。 提出了一种基于岭回归的估计方法实现对足球运动状态的估计,并在实验中证明本方法具有一定的稳定性和可 靠性。     

两方参与的隐私保护岭回归方案与应用

大数据环境下,同态加密可以有效解决机器学习中的隐私泄露问题.本文利用CKKS同态加密技术,设计了一种两方参与、基于密文域上带除法延迟的改进共轭梯度法的隐私保护岭回归方案,参与模型训练的双方可以通过少量的交互,在密文数据上高效地训练岭回归模型,防止过程中有隐私被泄露;分析了方案的安全性、计算以及通信复杂度,基于HEAAN同态加密库利用C++实现了该方案;在公开数据集上验证了该方案,实验证明所提方案可以安全高效地训练岭回归模型.对于特征维度为77,样本个数为4000的UCI数据集Twitter,训练模型所需迭代次数仅为16,时间损耗为127.5 s,通信量为41.87MB,密文域上带除法延迟的改进共轭梯度法收敛速度快,模型训练效率高,通信损耗小,且在密文数据上的训练得到的模型参数与在明文数据上的计算结果相比误差不超过0.001,可以满足特定场景下的实际应用需求.     

用岭回归法改善定量构效关系中量子化学参数的多重相关

在多氯二苯-p-二氧杂芑(PCDD)类化合物极性气相色谱相对保留因子的QSPR分析中采用岭回归处理,取岭参数k=0.02时可有效抑制量子化学参数间多重相关性的不良影响。与传统的逐步回归法的结果相比,得到的QSPR函数表达更加符合微观过程的物理、化学原理。在外推区域对未知化合物性质的预报精度有明显的提高。证实岭回归方法得到的QSPR模型更为合理并具有更高的稳定性。     

Logistic在医学研究中的应用

本文介绍Ｌｏｇｉｓｔｉｃ模型、软件及其在脑血管病因的分析、高血压病病因研究、职业苯中毒病因分析中的应用，所得结论可供医疗卫生问题，劳动组织部门及有关人员参考。     

带反馈的多元线性回归法在电力负荷预测中的应用

多元线性回归方法常用于电力负荷预测中,但是它不能预测非线性问题.我们把误差作为一个新的线性或者非线性的反馈自变量,用在下次的多元线性回归预测中.在理想实验环境下,我们发现这种方法是有效的.在电力负荷预测的实验中采用这种方法,得到了比用多元线性回归法更好的实验结果.     

基于支持向量回归的非线性系统辨识

本文将支持向量回归方法应用于非线性系统辨识问题．基于高斯支持向量回归及ε不敏感损失函数的基本思想，本文提出一个非线性系统辨识的新算法，并将其与用于系统辨识的径向基函数神经网络进行了比较．模拟实验表明，支持向量回归方法可以成为非线性系统辨识的有力工具．     

回归树算法在嵌入式人脸置换的应用

已有的人脸识别算法虽有较好的效果,但对于嵌入式应用不都适用。针对终端人脸置换场景,提出使用迭代的方式来减少因光线等原因无法得到标准图像的状况。同时使用回归树的方法对图像的局部特征进行拟合以提高其识别速度,并在此基础上使用普氏分析等图像处理技术对图像的颜色平衡进行校正。在平衡效率的前提下,针对移动设备使用胶水语言Python进行模拟实现该算法,实现准确快速的人脸置换。实验表明,该方法在提高检测效率的同时,降低了对人脸的误判率并为高复杂度算法在移动终端的应用提供了借鉴。     

SVR算法在商机管理中的应用

随着市场竞争日益激烈和信息化技术不断发展,通过数据分析和挖掘来预测新的潜在商机成为了企业商机管理的重要环节。现有机器学习算法主要基于样本数目趋于无限大的假设,但实际问题中样本大多是有限的,甚至是小样本数据,难以保证机器学习结果的合理性。将支持向量回归(SVR)算法用于商机预测建模过程,用于解决小样本、高维数、非线性的学习问题。实验结果表明,与决策树等算法构造的目标函数求解结果相比较,SVR算法在有限样本空间能获得较高精度的预测结果。     

迭代回归法计算T型电位滴定中试液含量

本文将迭代回归法计算Ｔ型电位滴定中，叙述了其原理及数学推导，并运算了一批实验数据，结果表明，该法准确度较高，且不需空白溶液校正。     

双向多轨迹判定方法在目标跟踪中的应用研究

针对视频跟踪中存在的目标飘移问题,提出基于双向多轨迹判定的跟踪方法。首先,在一定时间间隔中分别使用纹理、颜色,以及光照不变量特征的三种组件跟踪器,对目标进行正向跟踪。然后,以正向跟踪结果作为初始位置,进行相应反向跟踪。通过分析成对正向反向轨迹,提取几何相似性、循环量和外观相似性,并计算各跟踪器轨迹准确性分数。最后,选择准确性分数最高的跟踪器的正向跟踪轨迹作为最终的跟踪结果。实验结果表明:与几种传统跟踪方法相比,提出的双向多轨迹判定跟踪方法通过融合不同的特征信息,跟踪性能显著提升。     

多重标准曲线技术在原子吸收法测定锂同位素丰度中的应用

用原子吸收分光光度法测量锂的同位素时,由于校正曲线的非线性,使常用校正法测得的结果不能令人满意。本文用多重标准曲线技术,用计算机将整个丰度范围的标准系列分段进行曲线拟合,选择最佳标准曲线计算样品中的锂—6丰度。本法提高了测定精确度。     

多波长多元回归分光光度的定量分析方法

报道了混合干扰组分测定的新方法，即多波长多元回归分光光度法。按照均匀实验设计配制一组混合液，测定混合液选定波长的紫外吸收值，经多元线性回归建立组分的浓度计算模型。本法同现有的多波长组合法进行了比较，实验结果令人满意。