做5G和北斗的“牵线人”——访浙江金乙昌科技股份有限公司董事长陈高波

2020年8月6日,交通运输部印发《交通运输部关于推动交通运输领域新型基础设施建设的指导意见》,列举了多项"新基建"在交通领域内的应用场景,提出了一系列具体任务:推进第五代移动通信技术(5G)等协同应用、北斗系统和遥感卫星行业应用;推动自动驾驶等人工智能先导应用示范区建设。

基于遗传算法的机会约束规划的区间估计

从数理统计的角度,对机会约束规划的非线性目标函数的最优值进行了区间估计,并讨论了提高估计精度的方法.用遗传算法和样条回归得到了拟合的最优值目标函数的Lipschitz常数.算例表明了非线性目标函数最优值的区间估计方法的有效性.

基于PSO-LSSVM的飞机维修保障费用预测模型

考虑到飞机维修保障费用数据样本容量小和难于预测的特点,提出用最小二乘支持向量机LSSVM(Least squares support vector machine)来预测飞机维修保障费用。采用粒子群算法PSO(Particle Swarm Optimization)优化LSSVM的参数,并同偏最小二乘回归(PLSR)的预测结果进行了比较。结果表明,PSO-LSSVM预测模型可调参数少、速度快,预测精度比PLSR有显著提高。

基于最小二乘支持向量机的刀具磨损预报建模

最小二乘支持向量机是支持向量机的一种扩展,已在模式识别和函数逼近等领域得到了成功应用。将最小二乘支持向量机应用于刀具磨损的预报,在网格搜索的基础上采用交叉验证法确定模型的参数,并同偏最小二乘回归的建模结果进行了比较。

年用电量预测的PLS-LSSVM模型

偏最小二乘法通过提取主成分能有效地消除变量间的多重共线性,最小二乘支持向量机能很好地逼近变量间的非线性关系。偏最小二乘与最小二乘支持向量机相结合用于年用电量的预测,充分发挥了两者的优点。对四川省1978～2007年的用电量进行了实证分析,与PLS模型和LSSV模型的预测成果进行了对比,结果表明年用电量预测的PLS-LSSVM模型有较高的精度。

偏最小二乘回归在选矿效益建模中的应用

选矿效益对矿管理有着重要意义。影响选矿效益的因素之间存在严重的多重共线性,采用PLS方法建立了选矿效益的偏最小二乘回归模型,避免了普通多元回归模型的不合理性和岭回归模型选择岭参数的主观性。

对称alpha稳定分布的最小绝对偏差参数估计

alpha稳定分布常用来描述具有尖峰厚尾特点的非高斯分布。由于概率密度函数没有显式的表达式,参数估计成为alpha稳定分布一个难点。文章在样本特征函数的基础上,探讨了用最小绝对偏差估计对称alpha稳定分布的参数,数值算例表明算法的可行性和有效性。

一类双线性规划的线性逼近算法

讨论了一类双线性规划的优化问题。利用对偶原理 ,将双线性规划问题转化为极大极小问题 ,研究了该极大极小问题的线性逼近算法 ,并证明了该算法在有限步内收敛。采用Karmarkar算法优化初始迭代点 。

自适应粒子群算法在非线性回归中的应用

采用自适应算法调整粒子群的权重,优化非线性回归模型的参数,并将其应用于酶促反应的参数求解。与线性化、非线性最小二乘以及标准粒子群的结果比较表明,用自适应粒子群求解的非线性回归方程有更高的精度。

基于核主成分分析的大学生综合素质测评

运用核主成分分析建立大学生综合素质测评模型,并与主成分分析的结果进行了比较。最后对大学生综合素质给出一个客观综合的评价。

基于自适应粒子群算法的GM(1,1)模型及其应用

将自适应粒子群算法优化GM(1,1)模型的参数用于武汉市电力负荷预测,与普通GM(1,1)及标准粒子群优化的GM(1,1)模型的预测结果比较,发现采用自适应粒子群算法优化参数的GM(1,1)模型具有更理想的预测结果。

基于自适应多分类最小二乘支持向量机的大学生就业预测

建立了大学生就业预测的参数自适应的多分类最小二乘支持向量机模型。与一对多、一对一和ECOC分类方法相比,基于M-ary分类方法的最小二乘支持向量机只需较少的支持向量就能达到较高的预测精度。

基于核偏最小二乘回归的顾客满意度指数模型

本文将核偏最小二乘方法引入顾客满意度指数模型,既保持了偏最小二乘方法对样本数据的分布没有要求的特点,有效地处理自变量之间的多重共线性,又能利用核函数的非线性映射能力,较好地反映顾客满意度与各影响因素之间的非线性关系。

偏最小二乘回归在课堂教学质量评价中的应用

本文利用方差膨胀因子诊断了课堂教学评价的指标,在此基础上建立了偏最小二乘回归评价模型,有效的克服了评价指标间的多重共线性。分析了影响影响课堂教学质量评价的主要指标,为改进课堂教学指明了方向。

机会约束规划目标最优值的区间估计

从数理统计的角度对机会约束规划的非线性目标函数的最优值作出了区间估计,讨论了改进估计精度的方法,利用遗传算法和插值方法对最优值目标函数的区间估计给出了计算方法。

基于LAD的对称alpha稳定分布参数估计

稳定分布是一种典型的非高斯分布,常用来描述具有尖峰厚尾特点的数据。由于alpha稳定分布的特性,参数估计成为一个难点。在样本特征函数的基础上,探讨了用最小绝对偏差法估计对称alpha稳定分布的参数,并在大样本条件下给出了参数的渐近置信区间。

基于最小一乘的单因变量偏最小二乘算法

偏最小二乘回归能较好地解决自变量间的多重共线问题,最小一乘法比最小二乘法能更有效地降低回归模型的误差。本文提出的改进的偏最小二乘回归将这两种方法结合起来,在偏最小二乘回归过程中利用最小一乘法建立因变量对提取的自变量成分的多元回归模型。算例表明改进的偏最小二乘回归算法的预测精度较高。

遗传算法与极大熵相结合解多目标规划问题

采用极大熵解法,将多目标规划转化为一般的可微规划.鉴于转化后的目标函数和约束条件都是高度非线性的,采用遗传算法求解多目标规划.取已有的典型算例运用文中提出的方法,得到了较好的精度.

一维连续型随机变量函数分布的教学注记

讨论了求一维连续型随机变量函数的密度函数的方法,给出了适用范围更广的分段单调密度定理。