基于改进的多元自适应样条回归的全局近似算法

复杂模型的全局近似方法可应用于参数试验、灵敏度分析、实时仿真和设计或控制优化等很多方面。多维模型的全局近似使用的方法通常有PRS(多项式响应面),Kriging(克里格法),RBF(径向基函数),SVR(支持向量回归)和MARS(多元自适应样条回归)。虽然传统的MARS有着不容置疑的优势,但是MARS存在的缺点限制了它的应用范围。论文提出了一个改进的MARS多维全局近似方法:用黄金分割方法优化向量点,提高了采样点的构建速度,从而提高了MARS的近似效率。

ANFIS与多元回归模型在ET_0实时预报中的对比研究

以气象数据为自变量,Penman Monteith方程计算值ET_0为应变量,分别建立了多元回归模型和自适应神经模糊推理系统(ANFIS)模型,对ET_0预测结果对比分析,ANFIS预测ET_0结果相对于多元线性回归具有精度高(1<ET_0<5)。预测结果与输入的Penman Monteith方程计算得ET_0相关性高。ANFIS预测ET_0模型输入项完全可以从当前短期气象预报中获得,程序运行操作简单,在辽阳市实时灌溉预报中有一定的推广意义,具有实用价值。

基于模糊MARS的入侵检测系统

多元自适应样条回归是一种有效的针对高维数据回归建模方法,将该算法应用于入侵检测系统,根据入侵检测中存在的噪声数据和异常数据问题,提出了基于模糊算法的多元自适应样条回归方法。通过基于KDD1999数据集的训练和测试,与SVM在数据集上的测试结果进行对比,得出结论:该算法在入侵检测应用方面优于SVM算法。

利用地震属性、多元统计分析理论和ANFIS预测碳酸盐岩储层裂缝孔隙度

碳酸盐岩储层非均质性和各向异性强,利用某种单一技术难以准确定量地刻画出裂缝孔隙度空间分布情况。利用地震属性、多元统计分析理论和ANFIS(自适应性模糊神经网络)综合预测碳酸盐岩储层裂缝孔隙度。用成像测井资料准确识别裂缝孔隙发育位置,并计算出裂缝孔隙度的大小,用自适应性模糊神经网络建立井孔裂缝孔隙度和井旁地震属性数据体之间的函数关系模型,结合全区地震属性数据体对碳酸盐岩储层进行定量评价。利用该项技术预测塔中某工区碳酸盐岩储层裂缝孔隙度分布,预测结果与钻遇优质储层的井点吻合,说明该方法在该区有一定的实用性。

转型期兰州市少数民族流动人口城市适应定量研究

少数民族流动人口作为一个特殊的群体,其在城市的适应问题越来越引起学术界的关注。当前此类问题的研究多属定性描述,缺少定量评价。基于兰州市少数民族流动人口的问卷调查数据,综合运用模糊综合评价、方差分析和多元回归分析等数学方法,分别对兰州市少数民族流动人口的环境、经济适应、文化和心理4个层面的适应状况进行了研究,从量化的角度对其城市适应水平进行了分析。在此基础上提出了相应的认知和建议,为促进兰州市乃至西北大城市少数民族流动人口城市适应、构建城市和谐社会提供一定指导。

基于大数据的水肥一体机控制应用研究

针对传统灌溉方式水资源利用率低、农业用水浪费严重、肥料过度使用造成资源浪费和水污染等问题,基于大数据对水肥一体机的控制进行了设计。为了保证水肥一体机的灌溉精准性以及获取数据的精确性,采用自适用加权融合算法对获取的数据进行处理;为了对水肥浓度进行智能控制,采用PID控制器和自适应模糊控制器结合的方式对肥液浓度进行控制;为了验证该水肥一体机的性能,对其进行了浓度试验和肥料配比控制试验。结果表明:肥液浓度可以通过电导率仪进行测量,且设计控制器对肥液浓度的控制效果更优。

基于集成学习的交互式图像分割

针对交互式图像分割人工标记示例匮乏、不同目标区域难以均衡标记,单一分类器难以获得有效分割结果的问题,提出一种多分类器集成学习的交互式图像分割方法.采用多元自适应回归样条(MARS)方法构造第一个分类器;同时引入光滑薄板样条回归函数(TPSR)构造与之互补的第二个分类器,综合组成bagging集成学习器,以降低单一分类器对噪声的敏感度并进一步提高人工标记样本特征空间的利用率.随后,基于半监督学习中的聚类假设,结合bagging多学习器并联特点,提出一种REG-Boosting半监督学习算法,实现半监督图像分割.在不同数据集上的验证性和对比性实验表明所提方法的有效性和优越性.

基于天气预报改进模型ET0实时预报应用

建立了以Penman Monteith(PM)方程计算参考作物需水量(ET0)为因变量,天气预报可测因子(日最高、最低气温、反映天气类型的阴晴指数、风力等级)为自变量的多元回归线性模型,应用自适应神经模糊推理系统(ANFIS)进行修正残差的改进模型。通过与PM计算ET0结果分析,改进模型预测结果相对于多元线性回归模型具有精度高、整体拟合度好,具有较好的预测效果。改进模型的输入项完全可以从当前短期天气预报中获得,且将两种基础方法结合,操作运行简单等优点,在实时灌溉预报中有一定的推广意义,具有实用价值。

基于天气预报估算参考作物蒸发蒸腾量的预测模型比较

参考作物蒸发蒸腾量(ET0)是计算作物需水量和进行灌溉预报的基础要素。利用天气预报可测因子和Penman Monteith公式计算ET0,分别建立多元线性回归模型(MLR)和自适应神经模糊推理系统模型(ANFIS),两种方法的估算值与Penman Monteith公式计算值没有明显的差异,自适应神经模糊推理系统预测值相对于多元线性回归模型具有整体吻合度好,相关性高。两种预测模型的输入项完全可以从当前短期气象预报中获得,程序运行操作简单,具有实用价值,为实时灌溉预报提供了理论基础。

新型高含水储层渗透率模型应用研究

油田进入高含水期 ,储层参数发生了变化。用传统的解释方法计算渗透率很难达到理想的精度。笔者提出利用流动单元、自适应神经模糊推理系统 (ANFIS)和多元统计分析理论建立高含水油田渗透率模型。应用于丘陵油田高含水储层评价中 。

基于天基卫星移动通信网络的AFC滤波器

以改造有源滤波器的谐波电流检测为例 ,提出了在滤波器中实现自适应模糊控制的设计思想 .给出了基于天基卫星移动通信网络、用DSP硬件实现的自适应模糊控制网络滤波器结构模块 .描述了模型在使系统检测到的信息更加全面、及时、可靠 ,以完善和提高网络滤波及系统抑噪的功能特性 .理论分析和部分仿真显示这种自适应模糊控制滤波器在天基卫星移动通信网络运行过程中的综合滤波方面具有一定的优点 ,能为改善和提高整个网络装置的滤波水平发挥积极作用 。

大伙房水库水质预测中水文水质模型联合应用分析

水质是水库运行质量的重要参考标准,水质的检测项目包括水中所溶解的氧气含量、磷的含量、叶绿素a的含量以及水体透明度等,通过对这些指标的检测来评价水体的富营养化程度。文章使用了线性回归分析法,对参数进行了优化,并建立多种数学模型,利用现有的检测数据对大伙房水库的水质进行预测,并通过一些误差计算方式对预测的结果进行评价。根据预测结果与评价结果,自适应神经模糊推理数据预测模型对水质的预测效果要比多元化线性预测模型以及径向基神经预测模型要好,所以对大伙房水库的水质预测结果以自适应神经模糊推理数据预测模型的预测结果为参考标准。

职业能力的心理诊断

职业能力的心理诊断是与职业适应性紧密联系在一起的。一般而言,能力的心理诊断是指从心理上对人的整个能力结构及局部的心理机能——各部分能力的成分加以评定,而职业能力的心理诊断就是对这种评定结果在职业适宜性方面的进一步甄别。换言之。

基于多元Hamacher-ANFIS的股票价格预测

应用减法-模糊聚类算法、多元Hamacher算子以及自适应神经模糊推理系统(ANFIS)提出了一种中国股票市场价格建模及预测的多元Hamacher-ANFIS模型.首先多元Hamacher算子与ANFIS相结合,对ANFIS种各规则的隶属度测度机制和规则参数更新机制进行了修正,建立基于减法-模糊聚类的多元HamacherANIFS模型;再从沪深两市各选取了总市值最大的5支股票,计算出它们在同一时间段的历史波动率,并以此为依据得到模型对该股票预测性能的权重;最后运用减法-模糊聚类算法初始化模型参数,对每个数据组进行5重交叉检验,并根据之前得到的权重计算出模型关于检验集的综合R2值.实验结果证明,与现有方法相比,该模型增强了对复杂目标函数的学习能力,提高了对股票价格的预测精度.

Interactive image segmentation with a regression based ensemble learning paradigm

对于复杂场景下的自然图像,全自动图像分割方法难以获得与真实情况吻合的结果,人们常常采用交互式分割手段实现精确分割。然而,当前及背景中存在颜色相似的区域时,传统半监督图像分割方法只能通过大量增加手工标记获得精确分割结果。为此,本文提出一种结合半监督学习的基于回归预测的集成学习交互式图像分割方法。通过集成两个互补的样条回归函数,将图像分割视为一个非线性预测问题。首先,基于已标记样本训练出两个在属性上互补的多元自适应回归样条学习器(multivariate adaptive regression splines,MARS)和薄板样条回归学习器(thin plate spline regression,TPSR);接着,提出一种基于聚类假设和半监督学习的回归器增强算法,该算法从未标记样本中抽选部分样本辅助训练MARS和TPSR;然后,引入支持向量回归方法(support vector regression,SVR)集成MARS和TPSR的预测结果;最后,对SVR集成结果进行Graph Cut图像分割。在标准数据库BSDS500和Pascal VOC上进行大量实验,验证了所提算法的有效性。大量对比实验证实,所提算法在交互式自然图像分割上的表现与当前最先进算法相当。