Q统计指数在胶州湾北部水域浮游植物群落结构研究中的应用

1995年3月至1996年1月间对胶州湾北部水域的浮游植物进行了6个航次的调查,在对浮游植物群落的定性和定量研究的基础上,采用Q生物多样性统计指数对该海域浮游植物群落结构进行了研究.结果表明,调查区夏秋季的Q统计指数较冬春季为高.调查区浮游植物群落Q统计指数的结果与物种丰富度指数、Margalef指数、Shannon指数、Simpson指数和Pielou均匀度等其他常用物种多样性指数的比较表明,Q统计指数的分辨率高,有较好的生物学解释,同时避免了对优势种和稀有种的过高估计,是海洋浮游植物群落多样性分析的一种较理想指数.

基于AUC及Q统计值的集成学习训练方法

针对借贷过程中的信息不对称问题,为更有效地整合不同的数据源和贷款违约预测模型,提出一种集成学习的训练方法,使用AUC(Area Under Curve)值和Q统计值对学习器的准确性和多样性进行度量,并实现了基于AUC和Q统计值的集成学习训练算法(TABAQ)。基于个人对个(P2P)贷款数据进行实证分析,发现集成学习的效果与基学习器的准确性和多样性关系密切,而与所集成的基学习器数量相关性较低,并且各种集成学习方法中统计集成表现最好。实验还发现,通过融合借款人端和投资人端的信息,可以有效地降低贷款违约预测中的信息不对称性。TABAQ能有效发挥数据源融合和学习器集成两方面的优势,在保持预测准确性稳步提升的同时,预测的一类错误数量更是进一步下降了4.85%。

基于Q统计量的工业过程监控实例分析

将多变量统计过程控制应用于过程监控与诊断,在学术研究中已经较为普遍,但在工业实践方面还未充分施行。本文用一个化工过程的实例,讨论具体实施方案。首先,用一般的主元分析模型,分别使用了Q和T^2统计量,发现实际问题中有些情况下,两者提供的控制图信息不完全一致,造成工程人员难以分析判断。为提供更好的解决方案,采用两个新的统计量来代替Q统计量,应用结果表明,当Q统计量进一步分解后,可以对过程运行的状态作出更细致的解释,有助于找出过程运行中的故障。

基于Q统计量分量的故障检测算法研究

针对传统PCA故障检测算法的结果有定论不明确的缺陷,提出一种基于Q统计量分离的故障检测新方法,把Q统计量分为PVR和CVR,前者代表显著与主元有关的变量信息,后者代表与主元无明显关系的变量信息,再配合T^2统计量共同用于监测过程,检测效果更细致。将此方法结合基于累积方差贡献率(CPV)和复相关系数(MCC)确定过程监测模型主元数的新方法,监测β-甘露聚糖酶发酵工业的过程,与传统的PCA故障检测方法比较,仿真研究结果表明该算法能够确保主元空间(PCS)中的信息存量,充分刻画过程变化,有效识别正常工况变化与故障,正确检测微弱故障,提高过程监控的准确性。

运用Q统计分析网络空间现象关联模式

空间关联模式的分析和发现是空间数据挖掘领域关注的热点问题。介绍了Q统计的概念,并将距离测度定义为网络最短路径。应用Q统计对一种网络空间现象———酒店的空间关联模式进行了分析。研究结果从空间数据挖掘的角度验证了酒店间的聚集效应。同时,也说明了Q统计在进行网络空间现象关联模式分析中是有效的。最后对欧式空间与网络空间下的Q统计进行了比较。

Meta分析中基于Q统计量服从卡方分布线性变换的异质性方差区间估计

目的探讨Meta分析中异质性方差的区间估计。方法在异质性方差区间估计BT法的基础上,采用了卡方分布的线性变换近似Q统计量的分布,提高了Q统计量的分布精度,由此获得Meta分析中异质性方差的区间估计。结果在实例计算中,原方法 Q1分布下异质性方差的可信度为95%的可信区间为(0.07,2.20),改进后方法 Q2分布下异质性方差的可信度为95%的可信区间为(0.00,1.41),缩短了可信区间的宽度。结论 Q统计量分布精度的提高能有效提高异质性方差区间估计的可信度,而且文内提出的方法还可以提高异质性方差区间估计的精度。

延安Q_2黄土统计损伤本构模型研究

中国黄土的物理力学性质改变具有明显的地域性,是一种特殊土体。以延安Q2黄土在不同围压和含水量下进行常规三轴试验获得的数据为基础,运用岩石统计损伤理论对延安Q2黄土的损伤本构模型进行研究。在考虑损伤门槛值对延安Q2黄土损伤变量的影响下,建立了延安Q2黄土在三轴压缩条件下的统计损伤本构模型,统计损伤本构方程中的参数通过对试验结果进行线性回归求得。试验和分析表明:在半对数坐标下,延安Q2黄土初始损伤点为三轴应力应变曲线的峰值拐点,对应的应力值为损伤应力门槛值。当施加的应力低于损伤门槛值时,应力应变曲线为线弹性关系,延安Q2黄土不发生损伤;而当施加的应力超过损伤门槛值时,延安Q2黄土发生损伤,并且随着施加的应力增大,损伤不断扩大。将统计损伤理论曲线与试验曲线进行对比,发现二者基本吻合,表明考虑损伤门槛值的延安Q2黄土统计损伤本构模型能较好的反映该地区黄土的变形破坏特征,对该区黄土地区岩土工程设计具有参考和借鉴作用。

用于非线性时变系统噪声统计Q、R阵估计的新方法

提出了一种估计非线性时变系统过程噪声协方差阵Q和观测噪声协方差阵R的新方法.扩展卡尔曼算法结合前馈神经网络的非线性时变系统辨识过程中,噪声统计Q、R阵的估计是影响系统建模和预测精度的关键因素之一.本文所提出的估计噪声统计Q、R阵方法是基于协方差匹配技术,将M ehra估计定常系统噪声统计的方法推广到一般的非线性时变系统.仿真结果显示了本文方法的有效性.

基于大规模定制的EWMAQ应用研究

对于现今社会较为先进的生产模式——大规模定制(MC),目前传统控制图需要大批量生产的数据进行分析,并不完全适用于大规模定制生产。针对大规模定制生产模式产品周期短、批量小、订单不可预测的特点,提出应用Q统计量及指数加权移动平均控制图(EWMA)的联合统计制程管制方法——EWMAQ,来监测大规模定制下的产品生产过程质量。根据EWMAQ中参数的不同情况,对统计量进行不同形式的转换,将转换后的Q统计量绘制成监测微小偏差的EWMA。针对小批量或大规模定制生产过程中最常见的参数情况,设计出EWMAQ在实际生产过程中的应用步骤,同时对步骤使用进行说明。

面向大规模定制的改进型AEWMAQ控制图应用研究

针对大规模定制(MC)生产模式下产品质量特征值不足、参数情况未知、监测不灵敏等因素造成的过程质量控制难以实施的问题,提出基于Q统计量的改进型自适应移动加权平均控制图(AEWMAQ)。通过成组技术形成产品族,利用Q统计量将相似产品的质量特征值标准化;利用标准化后的数据绘制改进型AEWMA控制图。该方法能够解决不同参数条件下数据源不足的问题,并可改善控制图对微小、中等和较大偏移监测灵敏度不足的情况,使得控制效果得到显著提升。结果表明:与传统方法相比,AEWMAQ控制图具有更好的灵敏性、更强的检测能力。

基于Q方法的高校图书馆馆员工作压力实证研究

引入Q方法建立数学模型来实证研究高校图馆馆员所面临的工作压力,并针对性地提出了一些确实有效的措施缓解或消除这些工作压力。这为科学地分析当前图书馆员工面临的工作压力提供了较以往不同的研究视角。实证研究发现,丽水学院图书馆馆员在面对工作压力时主要有三种不同的馆员群体。在这三种图书馆员群体中,他们都认为缺少个人工作发展空间是图书馆馆员产生焦虑心理的主要因素,其次是没有午间休息时间工作轮班,上班时间与正常时间不一致等。

基于Q方法的高校图书馆馆员工作压力实证探析

引入Q方法建立数学模型用于实证研究高校图馆馆员所面临的工作压力，并针对实证分析结果提出了一些确实有效的缓解或消除工作压力的措施，为科学地分析当前图书馆馆员面临的工作压力提供了较以往不同的研究视角。

基于因子分析法的电子式电压互感器误差状态在线评估

电子式电压互感器由于结构复杂且工作环境恶劣,长时间运行后精度会大幅降低,影响电力系统的安全可靠性和电能贸易交易的公平性。针对传统的离线校验方法长时间停电需要标准互感器的缺点,文中提出一种基于因子分析法的电子式电压互感器误差状态在线评估方法。利用SPSS软件实现KMO检验和Bartlett球形检验,验证三相电子式电压互感器的二次输出数据适用于因子分析。在系统正常运行下实现模型训练,利用因子算法分离出特殊因子电子式电压互感器误差信号,建立特殊因子的Q统计量阈值;通过计算Q统计量的变化实现误差状态检测,通过Q统计量的贡献率实现三相电子式电压互感器异常准确定位。试验结果表明,所提方法可实现电子式电压互感器计量误差0.1%的在线评估,满足传统定期离线校验0.2级计量精度的评估标准,可为互感器在线监测提供新思路。

多源遥感影像土地覆盖分类结果一致性评价与集成应用

针对多源遥感影像土地覆盖分类结果一致性与分类精度改进的要求,对两组中等空间分辨率的光学影像进行土地覆盖分类,以支持向量机分类结果为基础,采用Kappa统计量、双错误测量、Q统计量、相同错误率从不同角度评价了不同分类结果的一致性。实验表明,多源遥感数据分类结果总体上常规一致性程度较好,二值先验一致性程度尚可,错误一致性程度较小;不同土地覆盖类别的一致性程度并不相同,有的类别甚至出现不一致现象。提出组合法和替换法两种策略以综合数据优点、实现多传感器数据集成应用,能够有效提高分类精度。

主元分析用于多联式空调系统传感器故障检测和诊断

作为多元数据分析方法之一,主元分析(PCA)被广泛运用于诊断制冷空调系统的传感器故障。本文首先结合热平衡原理以及多联机运行的控制逻辑,筛选系统中常用的18个传感器变量,建立多联机(VRF)传感器的故障分析(FDD)模型。然后结合主元分析的算法原理,给出以Q统计量和Q贡献率为检验标准的传感器故障检测与诊断流程。利用实测数据验证工作,引入不同类型和程度的传感器故障,分析得到不同故障条件下的故障检测和诊断特性。结果表明:总体上,主元分析应用于多联机传感器故障检测与诊断过程是可靠的。具体特征表现为:不同类型的传感器在不同故障类型及程度条件下,故障检测效果差异明显;在小偏差故障条件下,基于主元分析的传感器故障检测方法的故障检测效率较低,并且针对个别传感器而言,其整体故障检测效率偏低。鉴于故障诊断是基于故障检测的结果,因此上述故障检测方法在FDD过程中将起到重要的作用。

基于多元图像分析的表面缺陷检测算法

为了提高工业产品质量控制中表面缺陷检测的准确性和可靠性,提出一种基于多元图像分析(MIA)的表面缺陷检测算法.采用合格样本图像和被测图像堆叠构成多元被测图像,利用基于主成分分析(PCA)的多元图像处理方法,获得多元被测图像的主分量表示,将去掉第一主分量和噪音后的Q统计图像作为缺陷特征的检测空间,利用阈值处理检测缺陷.金属罐内壁的表面缺陷检测实验结果表明,与现有基于直方图阈值处理等检测方法相比,受照明不均匀影响小,提高了图像检测系统的准确性和鲁棒性,使缺陷的误检率大大降低.

基于多元图像分析的包装罐内壁缺陷检测

为提高包装罐生产线内壁缺陷检测准确性与可靠性,研究了一种采用单摄像机的内壁缺陷检测系统。利用基于形态学的区域提取算法,从罐内图像中分割出内壁检测区域图像。提出基于多元图像分析(MIA)的内壁缺陷检测算法。利用图像融合构成环形合格样本图像,消除罐内焊缝区域的影响,把多个环形合格样本图像与测试样本内壁检测区域图像堆叠起来,用重合区域的图像构造多元测试图像。用基于主成分分析(PCA)的多元图像处理方法获得多元测试图像的主分量表示,将去掉第一主分量和噪声后的Q统计图像作为内壁缺陷特征的检测空间,利用阈值处理检测缺陷,解决了罐体内壁照明困难、亮度不均造成缺陷误检率高的问题,提高了检测系统的准确性和鲁棒性。实验表明对内壁缺陷检测的误检率降低到2%,验证了检测系统的有效性和可靠性。

基于相关性的AdaBoost人脸检测算法

为提高传统AdaBoost算法的集成性能,降低算法复杂度,提出2种基于分类器相关性的AdaBoost算法。在弱分类器的训练过程中,加入Q统计量进行判定。每个弱分类器的权重更新不仅与当前分类器有关,而且需要考虑到前面的若干分类器,以有效降低弱分类器间的相似性,剔除相似特征。仿真结果表明,该算法具有更好的检测率,同时可降低误检率,改进分类器的整体性能。

一种新的决策树选择性集成学习方法

个体学习器的差异度是集成学习中的关键因素。流行的集成学习算法如Bagging通过重取样技术产生个体学习器的差异度。选择性集成从集成学习算法产生的个体学习器中选择一部分来集成,结果表明比原集成更好。但如何选择学习器是个难题。使用Q统计量度量两个学习器的差异度,提出一种新的决策树选择性集成学习方法。与C4.5,Bagging方法相比,表现出很好的效果。

几类正态过程的CUSUM图

本文针对呈正态分布的过程数据，讨论当过程参数（μ，σ^2）已知或未知时单参数变化、双参数变化的过程控制问题．针对均值未知情况，利用Quesenberry提出的Q统计量构造了一系列标准化的CUSUM图；对于方差未知时的复杂情形，给出了一种构造更为简单的CUSUM图的方法；对于未知（或不关心）（μ，σ^2）中何者变化的特殊情形，文章提出了纯变化的概念，给出了相应统计量及由该统计量构造的CUSUM—D图，针对每个考虑的情形，通过模拟计算本文给出了相应于统计量的条件期望延时（CED），同时在文章最后给出了本文提出的CUSUM图与已有的CUSUM图（Q图）的模拟比较，结果表明新的CUSUM图是可行的．