流水线型局部加权回归RFID室内定位

射频识别技术(radio frequency identification,RFID)以其非接触、非视距、低成本及高精度等优点成为室内定位技术的研究热点.为了加强信号稳定性并提高实时性,该文用流水线方式接收到的包信息作为定位信号参数,针对室内环境对信号传播影响的复杂性,提出了流水线型局部加权回归定位算法,将室内环境对信号传播到各位置的影响融合进算法,以实现精确定位.实验表明,对于室内定位,所提出的基于RFID技术的流水线型局部加权回归定位算法相对于经典的LANDMARK算法和VIRE算法,定位精度分别提高56.56%和36.73%.在多目标的情况下,也可以实现实时精确的定位跟踪,具有良好的实用价值和应用前景.

基于强局部加权回归算法的软件老化趋势提取

针对软件老化引起系统资源损耗、系统性能恶化以及软件失效的现象,提出利用强局部加权回归算法进行软件老化趋势的提取方法.该方法利用强局部加权回归算法对系统资源的损耗过程进行提取,得到软件老化的趋势估计,建立软件老化模型.从而可为由于软件老化所引起的软件失效提供前期预测,为系统软件的及时维护提供科学依据.通过对一实际软件系统的实验分析,验证了该方法的可行性和有效性.

一种基于局部加权回归的分类方法

分类是数据挖掘和数据分析中最有应用价值的技术之一。传统的积极学习方法需要预先对模型空间进行假设,并且没有充分考虑到实例之间的相关性,其泛化能力将会受到一定程度的影响。针对上述问题,提出了一种基于新型映射关系的局部加权回归方法 MLWR。该算法首先找出测试样本在训练集中的近邻样本,然后建立测试样本和近邻样本的回归函数,根据建立的回归模型和近邻样本的标签,计算得到测试样本的标签。实验与当前流行的多种分类方法在UCI的9个数据集上进行测试。实验结果表明我们的方法能有效地提高分类精度,对较大样本数据也有较好的适用性。

基于局部加权回归实现五味子醇提结果预测

目的利用局部加权回归算法对五味子中五味子醇甲在不同提取因素水平下的提取结果进行预测。方法采用高效液相色谱法,对其进行方法学考察;测定不同提取时间和溶剂倍量下五味子醇提液中五味子醇甲的浓度,采用局部加权回归算法,基于上述数据和WEKA分析平台实现五味子甲提取结果的预测,对预测结果进行验证。结果基于39组实验数据,建立的回归最佳模型参数设置结果:kNN=9;Classifier:Linear Regression function;Nearest Neighbor Search Algorithm:Linear kNN search;Weigheted Kernel:Tricube.预测值和真实值之间的相对偏差基本控制在10%之内,验证结果良好。结论通过建立局部加权回归能良好的对五味子醇提取结果进行预测。

基于局部加权回归的土壤全氮含量可见-近红外光谱反演

全氮是土壤肥力的重要指标,对作物产量具有决定性作用,采用土壤可见-近红外(Vis-NIR)光谱预测技术及时获取土壤全氮含量信息具有重要意义。采用来自5省的450个土壤样本来验证局部加权回归方法(LWR)结合Vis-NIR光谱技术预测大面积土壤全氮含量的适用性。结果表明,LWR模型的预测效果优于偏最小二乘回归(PLSR)、人工神经网络(ANN)和支持向量机(SVM),选取主成分数为5,相似样本为40时,模型验证的决定系数(RP2)为0.83,均方根误差(RMSEP)为0.25 g kg-1,测定值标准偏差与标准预测误差的比值(RPD)达到2.41。LWR从建模集中选取与验证样本相似的土样作为局部建模样本,降低了差别大的样本对模型的干扰,从而提高了模型的预测能力。因此,LWR建模方法通过大范围、大样本土壤光谱数据进行大尺度区域的全氮等土壤属性预测时能够发挥更好的作用。

基因芯片数据标准化局部加权回归法权函数探究

局部加权回归方法(Lowess方法)作为一种较常见的基因芯片数据标准化方法涉及到众多的参数和权函数.对于权函数的选择一直以来都是采用三次权函数.因此本文从误差为重尾型的t分布出发,模拟不同自由度的基因芯片数据,然后选择不同的权函数对这些数据进行Lowess方法标准化,并利用残差平方和、标准化后的M和A值的相关系数及MA图作为评判标准,最终得到相关指标量与权函数的变化关系.

空间局部加权回归自适应TFPF

时频峰值滤波(TFPF)算法是一种非常有效的去噪方法.但是传统的TFPF采用的单一窗长,并且仅沿时间方向进行滤波,忽略了信号的空间信息,并且TFPF近似等效成一个时不变的低通滤波器,不能追踪快速变化的信号.针对这些问题,引入空间局部加权回归自适应TFPF(SLWR-ATFPF).鉴于随机噪声在各个位置的方向随机性,以及有效信号在各个位置的方向确定性,首先利用空间局部加权回归(SLWR),对含噪信号进行空间加权,从而使加权之后的信号包含空间信息.然后,再引入凸集和Viterbi的思想,对空间加权之后的信号进行自适应滤波.从而,完成时空域二维自适应滤波.将SLWR-ATFPF应用于合成记录和实际的共炮点记录,实验结果表明,改进的方法与原算法相比,能够在压制低信噪比(SNR)随机噪声的同时更好地保留有效信号.

一类多重积分蒙特卡罗近似求解及其局部加权回归拟合

从概率论角度出发,通过构造随机变量序列及其分布,结合辛钦大数定律和依概率收敛,对一类n重积分的极限问题进行证明;利用多维连续型随机变量数学期望和重积分之间的关系,对n重积分进行离散化处理,在此基础上构造蒙特卡罗算法,并对给出的一类n重积分当n→∞时的极限过程进行模拟计算;在蒙特卡罗法近似计算结果的基础上,利用局部加权回归对计算结果进行拟合,利用R软件给出蒙特卡罗法和局部加权回归拟合过程的可视化,当重积分重数n不断增加时,近似计算结果和回归拟合曲线都能很好地逼近极限值;对一类n重积分极限中的参数进行修正,并将文献给出的在固定区域[0,1]×[0,1]×…×[0,1]上一类n重积分极限的结论推广至一般区域[0,u]×[0,u]×…×[0,u]上,然后利用蒙特卡罗法对一般区域上n重积分当n→∞时的极限过程进行模拟计算,并利用局部加权回归对其进行拟合,从而进一步验证结论的合理性。

结合局部加权回归的时序异常检测方法研究

局部加权回归是非参数学习方法,可自动规避在数据拟合过程中异常值对近邻点的影响。通过使用基于局部加权回归的时间序列分解方法,我们对时间序列进行特征分解,将原始时间序列分解为趋势项、周期项和残差项;在给出合理的检出水平阈值后,我们使用改进的格雷布斯检验法在得到残差项后对残差项进行异常值检测。经过实验证明,该方法相比传统的时间序列方法三次指数平滑法可减低离群值对模型拟合的影响,更能有效适应数据中潜存的趋势项的复杂变换,从而更加精准地找到数据中的真实异常点。

数据挖掘中强局部加权回归算法实现

线性回归是利用称为线性回归方程的最小二乘函数对一个或多个自变量和因变量之间关系进行建模的一种回归分析。在数据挖掘中占有十分重要的地位。而强局部加权回归方法应用得尤为广泛。本文建立了变参数回归模型，并在算法上加以实现。

基于局部加权回归及经验模态分解的地心运动降噪方法

针对目前地心运动序列包含复杂噪声、真实信号难以有效提取等问题,提出一种结合局部加权回归(locally weighted regression, LOESS)和经验模态分解(empirical mode decomposition, EMD)的降噪方法LOESS-EMD。该方法首先对地心运动序列进行局部加权回归拟合,得到拟合后的时间序列和残差序列;然后对残差序列进行经验模态分解,从中提取出低频信号;最后将拟合的时间序列和残差中的低频信号进行重构,得到降噪后的时间序列。在仿真实验中,相比于LOESS方法,LOESS-EMD方法降噪结果的均方根误差减小31%,信噪比和剩余能量百分比分别提高16%和0.16百分点。利用该方法对国际GNSS服务IGS第三次重处理(3rd reprocessing campaign, Repro3)提供的地心运动序列进行降噪分析,结果表明,LOESS-EMD方法能够有效减少地心运动序列的噪声。

大气污染现状、来源分类与协同治理研究——基于局部加权回归散点平滑法的实证分析

大气污染严重威胁居民身体健康,多主体、多部门协同治理大气污染是有效改善大气质量的重要途径,体现了大力推进生态文明建设的实践价值。本文采用2003年至2011年我国30个省会城市(直辖市)大气污染物浓度等相关数据,利用非参数估计的局部加权回归散点平滑法对大气污染来源进行了实证分析。研究发现:城市工业化水平、固定资产投资、地区煤炭消费总量和机动车拥有量都严重影响大气污染程度。依据多样化的大气污染来源,建立健全多元协同治理模式作为大气污染问题的解决机制,即治理主体协同、治理程序协同、治理技术协同、治理标准协同和治理考核协同"五位一体",增强大气环境监管能力,促使大气污染治理早见成效。

一种基于局部加权非参数回归估计的杂波抑制技术

在含有点状运动目标的红外图像序列情况下,研究了一种基于局部加权回归分析的杂波估计技术,给出了此类估计器性能分析及其加权系数选择要求,并设计了一种加权函数。杂波抑制后,残留噪声的高斯性和独立性通过Kendall秩相关法和计算Friedman统计量的方法来进行了验证,其结果表明:本文所提出的加权函数综合性能优于同类文献中常出现的Uni-form和Epanechnikov加权函数。

灰铸铁抗拉强度预测的局部加权线性回归建模

为实现在生产现场对灰铸铁抗拉强度进行快速、准确的预测控制,引入非参数化的局部加权线性回归建模方法,过程参数的选择结合铁水热分析仪检测的碳、硅含量及光谱仪检测的锰、磷、硫等主要化学成分值。从安徽一家大型铸造厂的实际生产中采集100多炉铁水化学成分与对应抗拉强度数据,经预处理后,分成训练集和验证集,进一步从新的生产批次采集检测数据组成测试集;并从文献中收集40组数据组成另一数据集,进行两组对比验证实验。将局部加权线性回归模型,与目前灰铸铁强度预测中常用的多元线性回归模型和BP神经网络模型对比,验证了该方法能够达到更高的预测精度,且其非参数化的建模方式能够更好地适应生产现场复杂多变的工况环境。

城市住房价格局部线性地理加权回归分析——以湖北省黄石市为例

研究目的:以土地稀缺、资源组团型城市——湖北省黄石市为例,尝试引入局部线性地理加权回归(LLGWR)方法,探索住房价格及影响因子的空间变化规律,为政府房地产市场管理和土地利用规划提供借鉴。研究方法:整理1.93×104个住房样本和398个楼栋样本,遴选楼栋总层数、容积率、绿化率、小区等级、距区域中心距离、销售年份等作为解释变量,采用LLGWR方法构建城市住房价格的模型,并进行分析与解释。研究结果:与常规线性回归(OLS)相比,地理加权回归(GWR)和LLGWR能更合理和准确地解释住房价格的空间变异,且LLGWR优于GWR;销售年份、容积率、地理区位能显著影响住房价格,同时楼栋总层数、绿化率等因素影响住房价格,且在不同功能片区具有明显差异。研究结论:LLGWR模型可以实现系数函数和误差方差的无偏估计,提高模型的估测精度,能更为准确地解释住房价格;宏观市场趋势是影响住房价格的关键因素,但在不同的地理区位,住房价格增长趋势有明显的差异;土地利用规划和土地供应影响房地产空间分布,但研究区内土地价格对住房价格的影响不明显。

基于局部加权线性回归的交通事故数据分析

结合我国1998—2016年交通事故有人员伤亡的事故数据,对未来若干年的事故数据走向进行预测.利用局部加权线性回归方法,建立预测模型,预测结果包含2017年以后每年的交通事故数及死亡人数.分析了1998年至2016年的交通事故数发展趋势,并初步探究其背后的原因.该预测及分析结果可为国家道路交通安全管理提供参考.

局部k最近邻加权线性回归的光谱反射率重建

现实中很多场景都需要精确的颜色表示,如纺织、印刷、艺术品扫描存档、在线商品展示等。光谱反射率是决定物体颜色的本质属性,如果知道了光谱反射率,就可以重现物体在任何光照和观测条件下的颜色。采用专业仪器测量光谱反射率有成本高、分辨率低、测量时间慢等问题。随着数码成像设备的普及,基于相机RGB响应值的光谱反射率重建算法具有重要现实意义。光谱反射率重建的目的是建立低维RGB响应值到高维光谱反射率向量的映射关系,回归方法在这一领域已取得广泛应用。由于光谱反射率向量所处的空间是嵌在高维欧氏空间中的一个低维子流形,在训练样本有限的条件下,传统的全局回归方法不能有效地学习该流形结构,往往导致过拟合,使得学习出来的模型泛化能力较差。局部线性回归方法虽然可以改善全局回归过拟合的问题,但是局部学习方法易受例外点的影响,导致拟合不足。针对这一问题,提出一种基于局部加权线性回归的光谱反射率重建方法,这种方法在一个k最近邻范围约束内,给每个局部训练样本赋予不同的权重,从而有所侧重地利用局部训练样本来估计光谱反射率。实验结果表明,基于局部k最近邻加权线性回归的方法能更有效地利用局部信息,缓解过拟合和拟合不足,更准确地重建光谱反射率。

基于局部非线性地理加权回归模型的地表 温度降尺度算法研究

地表温度(land surface temperature,LST)是反映地表状况的一个重要参数,能对地表-大气相互作用过程进行描述。由于受到卫星热红外传感器成像条件的制约,获取的卫星热红外遥感图像存在时间分辨率、空间分辨率难以兼顾的问题,导致反演的LST数据难以得到深入应用。采用LST降尺度算法可以解决此矛盾,获得高时空分辨率的地表温度数据。目前LST降尺度模型逐步由全局模型转向局部模型,但局部降尺度模型忽略了非线性关系。针对此问题,提出基于局部非线性地理加权回归(non-linear geographically weighted regression,NL-GWR)的地表温度降尺度算法。选择合适的研究区域,并分别选取归一化差异植被指数(normalized difference vegetation index,NDVI)、归一化差异建筑指数(normalized difference build-up index,NDBI)以及数字高程模型(digital elevation model,DEM)作为辅助参数进行LST降尺度,将中分辨率成像光谱仪(moderate resolution imaging spectroradiometer,MODIS)地表温度空间分辨率从1000 m提升到100 m,并将基于地理加权回归(geographically weighted regression,GWR)与NL-GWR模型的降尺度结果进行对比分析。实验结果表明,考虑非线性关系的NL-GWR模型要优于GWR线性模型,能够获得较低的均方根误差(1.96℃)和平均绝对误差(1.63℃)。

基于局部加权线性回归的电离层层析重构

电离层层析重构的精度和穿过电离层的观测射线的分布和数量息息相关,由于地面观测站与卫星数量和分布的局限性,电离层大量格网内没有射线通过,进而使得没有射线穿过的格网迭代收敛后的像素值与初始值相同;然而实际反演过程中,初始值通常是由精度不高的经验电离层模型给出,从而使得电离层层析重构的精度不高。围绕这一问题,将机器学习领域的局部加权线性回归算法拓展应用到电离层层析重构技术中,依据电离层格网空间内像素的电子密度空间平滑分布特性,为没有射线穿过的格网通过局部加权线性回归算法计算格网像素值,解决了没有观测射线穿过的格网对初值的过度依赖问题,进而提高电离层层析重构的精度。数值模拟实验和实测数据的仿真结果表明新算法相比于传统层析算法更加有效、可靠和优越。

基于局部加权映射回归的合采井产能预测算法

在油田开发中,为了节约成本,优化生产,多采用几个油层混合开采。在混合开采过程中,为了使油井处于合理有效的生产状态,必须了解单个油层对混采油的产量贡献。利用原油色谱烃技术,提出了一种基于局部加权映射回归和粒子群算法的预测方法,并采用原油配比实验进行了验证。实验结果表明,该方法具有一定的可行性,与现有的预测方法比较,提高了预测的准确率。