基于Gauss径向基变换的非平稳空间结构估计

为克服空间变换的非参数化估计方法存在双射约束不严格和计算度高的缺点,提出在非平稳空间变异结构估计中,基于Gauss径向基变换的空间变异结构参数化估计算法。该算法通过参数限制保证了空间变换的双射特性,利用时间维的统计特性对变换参数进行降维,降低了运算复杂度。在火烧油层温度分布预测应用中,对比泛Kriging算法,采用该算法可获得更加精确的空间预测结果,可以在较低的运算代价下得到双射限制下的非平稳空间变异结构估计。

径向基-偏最小二乘-贝叶斯方法及其在化学模式分类中的应用

提出一种用于模式分类的RBF PLS Bayes方法。它集成地应用径向基 (RBF)变换与偏最小二乘(PLS)方法 ,从原有模式中提取出分类能力甚强的成分 ,然后进行贝叶斯 (Bayes)判别。这种集成方法尤其适用于复杂化学信息的模式分类 ,本文将其应用于两种类型的化学模式分类问题 ,均取得了令人满意的效果。与经典的判别分析方法和单纯的神经网络方法相比 。