基于局域相关向量机回归模型的小尺度网络流量的非线性预测

基于非线性时间序列局域预测法与相关向量机回归模型,本文提出了局域相关向量机预测方法,并应用于预测实际的小尺度网路流量序列.应用基于信息准则的局域预测法邻近点的选取方法来选取局域相关向量机回归模型的邻近点个数.对比分析了局域相关向量机预测法、前馈神经网络模型与局域线性预测法对网络流量序列的预测性能,其中前馈神经网络模型的参数采用粒子群优化算法来优化.实验结果表明:邻近点优化后的局域相关向量机回归模型能够有效地预测小尺度网络流量序列,归一化均方误差很小;局域相关向量机回归模型生成的时间序列具有与原网络流量时间序列相一致的概率分布;局域相关向量机回归模型的预测精度好于前馈神经网络模型的与局域线性预测法的.

一种新的回归型约简多分辨率相关向量机

提出一种新的稀疏贝叶斯回归算法.基于相关向量机,首先通过尺度核和小波核构造完备基以提高预测精度;然后利用保局投影对输入矩阵的列进行主成分提取以减少训练时间,从而形成算法的初步模型.为进一步减小较大规模训练数据集的回归时间压力,算法对训练数据集的分层采样建立了初步模型,进而产生实际较小规模的训练数据集.实验结果表明,算法在预测精度和鲁棒性上优于传统支持向量机和相关向量机,且其训练时间较相关向量机少.

基于多模态相关向量回归机的老年痴呆症临床变量预测

老年痴呆症(Alzheimer's disease,AD)的临床变量值和多模态特征都是对其内在致病病理的外在反映.本文提出一种多模态相关向量回归机,通过对多模态特征的学习来预测临床变量值.首先采用核方法将多模态数据融合成一个混合核矩阵,然后使用相关向量回归机对临床变量简易精神状态检查(mini mental state examination,MMSE)和老年痴呆症评定量表(Alzheimer's disease assessment scale,ADAS-Cog)建立回归模型,最后用相关系数和平方根均方误差来验证算法的性能.在标准数据集ADNI上的实验结果表明,本文提出的多模态方法的预测性能优于单模态方法.

基于RVM回归的姿控系统多故障检测

针对卫星姿控系统故障具有并发性和多发性的特点,敏感器和执行机构均可能发生故障,依据相关向量机(RVM)回归理论,采用基于模型辩识,残差评价的方法实现姿控系统多故障检测。通过对太阳敏感器、陀螺和反作用轮的历史输入输出数据建立RVM回归模型,考虑到建模精确度直接影响到检测精确度,对比分析最小二乘支持向量机回归(LSSVR)的回归模型,并给出了二者辩识精确度对比结果。对比结果表明,RVM较LSSVR具有较好的建模精确度。将RVM回归模型应用于太阳敏感器、陀螺和反作用轮的单一故障和多故障检测过程中,仿真结果表明,RVM回归能有效实现姿控系统的多故障检测。

一种无人机数据链电磁干扰自适应新方法

针对复杂电磁环境容易对无人机数据链造成干扰,严重威胁无人机的飞行安全的问题,提出了一种基于环境感知的无人机数据链电磁干扰自适应新方法,能够提高无人机的主动抗干扰能力.数据链工作信号动态变化过程中,对应的电磁干扰效应阈值呈非线性变化趋势,通过选取训练样本和观测值,采用相关向量机回归(RVR)的方法建立动态数据链干扰阈值训练模型,预测不同工作信号条件下的电磁干扰阈值.建立无人机数据链电磁干扰自适应专家系统,利用机载电磁干扰环境监测平台确定电磁干扰特征参量,根据训练模型预测目标值,判别数据链电磁干扰等级.在此基础上,综合利用技战术方案,自主有效地消除外界电磁干扰对无人机数据链的影响.

基于稀疏贝叶斯学习的可见光通信系统中LED非线性补偿技术

针对可见光通信(visible light communication,VLC)系统中LED非线性引起信号失真的问题,提出一种基于稀疏贝叶斯学习的接收端LED非线性补偿技术。该技术利用稀疏贝叶斯框架下的相关向量机(relevance vector machine,RVM)回归模型对LED的非线性传输特性进行估计,从而在接收端对LED非线性引起的信号失真进行时域补偿。仿真实验表明,与常用的沃尔泰拉(Volterra)非线性补偿技术相比,该技术能够更加有效地抑制LED非线性引起的信号失真,从而可以更加充分利用LED的动态范围来增大系统容量。