基于多维回归算法的压力传感器数据融合方法研究

压力传感器由于输出电压值易受环境温度、电压扰动等非目标参量的影响,而导致精度大大降低。本文采用门限预处理方法对传感器输出电压值进行预处理,应用多维回归算法对传感器的输出进行补偿。仿真结果表明,门限预处理方法和多维回归算法进行数据融合,能够提高传感器的稳定性及其精度,验证了该方法的有效性和可行性。

融合小波阈值与多维自回归的时序预报模型研究

针对传统统计模型并不能完全涵盖位移影响分量信息以及真实影响分量信息易受到噪声干扰等问题,提出了一种融合小波阈值理论与多维自回归的混凝土坝位移时序预报模型。该方法主要是将小波阈值理论与时间序列算法结合起来创建混凝土坝位移时序预报模型,模型通过不同小波分解层数、小波基、阈值选取准则、阈值函数集成出一个MATLAB编码平台进行数据平滑处理,能高效挖掘大坝位移数据的影响分量信息,并选择自回归(autoregressive model, AR)时间序列模型作为预报模型。实例应用表明,新的融合模型预测性能较好,能有效监测大坝运行状态,且其分析结果对于其他数字工程的数据预测也具参考价值。

舰船运动姿态的多维自回归建模

由于受到诸多随机因素的影响,海上航行舰船的姿态运动呈现复杂的动力系统的特征。可从时域的角度,采用时间序列中多维自回归模型实现对舰船运动姿态的辨识。文章同时给出拟合的真实例子以及它的预报。

多维标度线性回归技术应用于人体血清临床指标的FTIR光谱定量分析

人体血清临床指标是衡量人体健康和亚健康水平的重要因素之一,采用傅里叶红外(FTIR)光谱技术实现人体血清临床指标的多成分快速同时检测。提出利用多维标度法(MDS)对光谱变量进行降维,结合多元线性回归(MLR)技术,建立多维标度线性回归(MDS-MLR)模型,为血清四种临床生化指标(葡萄糖、低密度脂蛋白胆固醇、甘油三酯、尿素)的定量分析优选光谱信息波长点,优化定标预测模型,结合移动平均法(MA)进行光谱预处理,得到良好的建模效果。通过检验集样品进行验证,检验相关系数均在0.9以上。结果表明,MDS-MLR方法具有人体血清临床指标FTIR光谱分析的应用潜力。FTIR技术结合MDS-MLR定量分析方法可以实现对人体健康和亚健康水平的快速评定。

多维自回归滑动平均模型研究与应用

利用时序分析方法研究 1 95 2～ 1 997年国内生产第一产业与第二产业产值的AR MAV模型 ,并用所建模型对 1 998年产值进行外延预测 。

单个协变量带有测量误差的多维结构回归模型

给出可交换条件下单个协变量的带有测量误差的多维结构回归模型,利用该模型研究总体平均处理效应的估计,给出当暴露组和对照组的协变量测量误差同分布时总体平均处理效应的拟极大似然估计及其性质.

多维非线性自回归模型的投影寻踪学习网络逼近

本文研究基于投影寻踪学习网络的多维非线性自回归模型逼近的收敛性,证明了在 Lk（k为正整数）空间上,投影寻踪学习网络可以以任意精度逼近多维非线性自回归模型,并给出应用实例.

多维自回归模型的最大熵谱估计

本文以多维时序模型预测误差能量最小为依据,推导了一种新的多维自回归谱分析算法。理论和实验表明,该算法估计的模型精度较高,而运算工作量较低,是目前较好的一种算法。

基于神经网络的多维自回归模型参数估计

本文提出一种基于神经网络的多维自回归模型（ＡＲ，ＮＬＡＲ）参数估计方法。该方法采用预畸变技术，使神经网络能适合于多维自回归模型参数估计。其优点是直接利用时域信息、网络结构简单、估计准确。最后给出了一些模拟结果。

基于多维输出支持向量回归机的脑电源定位

脑电源定位是根据头皮观测电位进行逆问题计算的过程。文章把采用近似迭代变权最小二乘法方法的多维输出支持向量回归机应用到脑电源定位中。与单变量输出支持向量机回归建模相比,采用该方法建立的多变量系统模型结构较为简单,计算工作量小,速度快。为了发现头皮电位和脑内部产生源的关系,选择使用了单个等效偶极子源和四层同心球头模型。实验结果表明,多维支持向量回归机方法在脑电源定位问题求解中具有运行速度快,鲁棒性好等特点。

基于纹理和边缘的SAR图像多维SVM回归

合成孔径雷达(SAR)图像ROI(Region of Interest)区域存在两种情况:只包含单一地物或由混合地物组成。对此,提出一种基于特征映射的SAR图像多维输出回归方法,该方法不仅能够对只包含单一地物的SAR图像进行类别判断,也能对混合地物区域的内容做出估计。首先对SAR图像提取基于灰度共生矩阵的纹理特征,然后构造了一组能够反映SAR图像边缘长度、方向和稀疏程度的边缘特征向量,最后利用纹理特征和边缘特征对SAR图像进行基于近似迭代变权最小二乘法(IRWLS)的多维支持向量机(Support Vector Machine,SVM)回归。实验结果表明,该方法能够对包含不同地物内容的ROI区域进行有效解译,正确率高。

基于优化多维支持向量机回归模型的土体参数反演

针对如何有效提高位移监测数据反演土体参数精度的问题,提出一种基于麻雀搜索算法优化多维支持向量机回归模型的土体参数反演方法。依托黄土区超深路堑边坡工程项目,采用有限差分软件FLAC3D建立边坡二维模型,并利用正交试验进行土体参数的多因素敏感性分析以确定待反演参数。然后建立符合实际开挖情况的边坡三维开挖模型,计算不同反演参数下的模拟位移值以获得训练数据。利用麻雀搜索算法获得多维支持向量机回归模型的最优参数从而构建SSA-MSVR模型,使用训练数据训练优化模型。最后,将实际监测位移代入训练好的模型求得土体最优反演参数并分析验证反演参数的正确性。结果表明:影响边坡稳定性系数的土体参数敏感性排序前4位为老黄土的内摩擦角、红黏土的内摩擦角、老黄土的黏聚力和老黄土的弹性模量,确定了这4个参数为待反演参数;超深路堑边坡开挖完成后,边坡顶部产生沉降位移,而底部出现卸荷回弹现象;利用反演参数计算的位移模拟值与实际监测值相对误差均小于10%,证明SSA-MSVR模型应用于土体参数反演效果较好,为参数反演提供了新的思路和方法。

多维输出SVR的ECT两相流图像重建方法

根据电容层析成像(ECT)中两相流识别问题的特点,提出基于多维输出支持向量回归机(MSVR)的图像重建算法。采用超球空间不敏感损失函数的MSVR是支持向量机理论的一个重要分支,它有效地克服了神经网络算法中的过学习问题,具有较强的泛化能力。近似迭代变权最小二乘法(IRWLS)在保证MSVR回归精度的基础上,有效地简化了其求解过程,可快速建立电容测量值与成像区域介电常数分布之间的非线性映射关系。对包含6种典型两相流流型的仿真数据进行实验。结果表明,该方法泛化能力强,图像重建精度高。

多面体逼近在保序回归问题中的应用

研究了多面体最佳逼近算法在保序回归中的应用。对于多种广义保序回归及多维保序回归问题的求解,给出了较已往便捷精确的算法;并解决了含两个独立变量的保序回归的算法问题。

多维ARMA的W-R递推式

本文讨论多维ABMA(pq)的系数阵矩估计法的W—R递推公式,并推广了AR(p)的相应结果。

基于回归预测的肺4D-CT多相位配准

针对由于灰度不均和局部形变较大引起的肺4D-CT图像配准精度不足问题,提出基于回归的逐块预测初始形变的方法。新方法的核心思想是:配准一幅浮动图像至参考图像时,利用与浮动图像相对应的不同相位的图像信息进行形变场预测。首先,利用已有配准算法配准不同相位的图像至参考图像,得到各图像对应的形变场;再将图像和对应形变场分块作为训练集,利用多维支持向量回归机建立回归模型;将浮动图像分块输入回归模型中,预测出初始形变场,从而得到中间图像,并最终细化配准中间图像与参考图像。采用由德克萨斯安德森肿瘤中心DIR实验室采集并公开的数据集,评价所提出的算法。实验量化评价结果表明,与传统的Active Demons算法、Spectral Log-Demons算法相比,图像的均方误差平方和显著降低(Active Demons算法49.34±23.92,Spectral LogDemons算法31.81±15.09,所提出算法18.97±5.75,P<0.05),相关系数显著提高(Active Demons算法0.952±0.022,Spectral Log-Demons算法0.967±0.015,所提出算法0.980±0.006,P<0.05)。同时,视觉评价结果显示,所提出算法能够获得更准确的配准图像。

多维经济空间下金融机构股票收益的空间溢出效应及风险评价分析

以我国44家上市金融机构为样本,构建多维经济空间和空间计量经济复杂网络层次模型,用于分析金融机构间的空间效应,并在此基础上构造空间在险价值(S-VaR)。研究结果表明,基于自身相关性、区域行政以及跨区域的引力空间权重矩阵都可以刻画我国金融机构间显著的空间效应,且基于跨区域的引力空间权重矩阵对空间效应测算更加精准,引入空间效应的条件在险价值可以有效地测度我国金融市场中存在的金融风险。

两种数据融合算法对扩散硅压力传感器的温度补偿

针对扩散硅压力传感器在实际应用中对温度存在交叉灵敏度的问题,文章采用改进的多维回归分析法和BP神经网络法两种实用的智能化数据融合方法对压力传感器输出进行处理,以消除非目标参量(温度)对传感器的影响;研究结果表明这两种方法均能有效地抑制交叉灵敏度,减小灵敏度温漂和零点温漂;由于这两种融合算法具有各自的特点,因此可应用于不同要求的智能传感器系统中。

基于遗传神经网络的多传感器信息融合及应用

通过多传感器技术对原油含水率测量影响的多个参量进行测定,提出基于样本矩阵非线性变换的多维回归和遗传神经网络的信息融合方法,对原油含水率的高精度、智能化测量进行研究。研究结果表明:遗传算法优化的神经网络方法预测结果明显优于多维回归和单纯LM算法的神经网络方法,具有全局收敛、泛化能力强等特点,取得很好的融合效果和测量精度,是一种具有广阔应用前景的智能信息融合方法。

油水混合物含水率在线检测技术最新研究进展

综述了基于油水物性机理、多维回归分析、多传感器信息融合、神经网络人工智能、电容层析成像、油水模态辨识等方法的含水率在线检测技术研究进展,剖析了影响原油含水率测量精度的多种因素,指出了原油含水率在线检测技术的发展趋势。