含函数型自变量回归模型中的变量选择

针对含有函数型和多元向量数据的回归模型中变量选择和参数估计问题进行研究,扩展了函数型数据分析和变量选择方法的应用范围。首先,函数型自变量基于函数型主成分基函数空间进行投影;然后,对投影后的函数型自变量（按组）及多元向量自变量采用惩罚变量选择方法,同时估计相应的系数。惩罚项调节参数采用自适应调节参数,损失函数采用中位绝对损失函数,以此为例,通过引入松弛变量将估计算法转化为求解线性规划问题,算法复杂度低。数值模拟结果表明,所提方法对于含函数型自变量回归模型的变量选择和参数估计均具有良好效果。      

基于函数型数据的广义线性回归模型

函数型数据的回归分析研究主要集中在函数型线性模型。不要求因变量为连续型随机变量,可以为离散型或属性数据(对应于泊松或Logistic回归),对同时含有数值型多元变量和函数型变量的广义线性模型的估计问题进行分析,采用非参数方法得到了参数部分和非参数部分的估计量,并给出了一种重加权算法进行参数求解,解决了含数值型和函数型混合数据类型自变量的回归问题,同时扩展了函数型线性模型的应用范围。估计过程中,分别采用了函数型主成分和B样条基函数,并给出了基函数个数选择的准则。数值模拟结果表明,所提出方法具有良好的可行性与正确性。      

主成分回归的建模策略研究

分析了国际上通用的主成分回归的工作原理和失效原因.在此基础上,提出一种新的主成分回归建模策略:①提取所有主成分建立模型;②删除模型中t检验不显著的成分;③用t检验显著的成分建立最终需要的模型.由于任一主成分的回归系数和t检验值以及与其余主成分无关.因此,当采用向后删除变量法时,如果有多个成分t检验不显著,则可以将它们同时删除,而无须逐个删除.采用仿真案例对所提出的方法的合理性进行验证.这种新的建模策略可以有效地提取对因变量有较强解释作用的成分,实现在自变量多重相关条件下的回归建模,并且允许在模型中包含所有的原始变量.此外,该方法的成分筛选过程简便,累计计算误差小于偏最小二乘回归等迭代算法.      

基于全信息的正态分布型数据的线性回归分析

针对正态的分布型符号数据,提出一种新的线性回归分析方法.以体现正态的分布型数据的全部原始信息为出发点,给出正态的分布型变量的一阶矩、二阶原点矩、二阶混合原点矩的定义和计算原则.在此基础上,定义针对正态的分布型数据的线性回归模型以及残差信息的平方和,推导最小二乘回归系数.仿真实验证明了该方法所得回归模型在解释能力和预测能力上的有效性以及相对于"中心法"的优越性.给出的正态分布型变量数字特征的定义和计算原则为将其他经典的多元统计方法推广到分布型数据奠定了基础.     

函数型正则广义典型相关分析

基于正则广义典型相关分析理论框架,提出一类对于多元函数型数据的充分降维方法。通过积分形式,将平方可积空间中的函数型数据投影至实空间中的一系列数值变量,在整体相关性度量最大的目标准则下,同时确定这些函数型投影方向,实现多元函数型数据向传统数值变量转化的特征信息提取及快速降维过程。在一般基函数系统表示下,推导得到最优投影权重函数的迭代计算方法,该方法对于基函数系统的选取具有独立性。大量仿真结果表明,在有限样本情况下,所提方法能够有效探测多元函数型数据之间的相关关系,且对投影权重函数的估计具有一致性。关于帕金森综合征患者步态的实例数据研究表明,由函数型数据投影得到的数值特征信息具有可解释性,所提方法具有一定实用价值。      

基于Gram-Schmidt变换的有监督变量聚类

为进一步研究回归模型中高维数据的降维方法,提出基于Gram-Schmidt变换的新的有监督变量聚类（SCV-GS）方法。该方法未采用以潜变量为聚类中心的层次聚类,而是借用变量扫描思想,依次挑出对响应变量有重要贡献的关键变量,并将其作为聚类中心。SCV-GS方法基于Gram-Schmidt变换,对变量之间的高度相关性进行批量处理,并得到聚类结果;同时,结合偏最小二乘思想,提出新的同一性度量,并以此来选取最佳聚合参数。SCV-GS不仅可以快速得到变量聚类结果,而且可识别出对响应变量的解释及预测起关键作用的变量类。仿真表明该聚类方法运算速度显著提升,而且所得潜变量对应的回归系数的估计结果与对照方法表现一致;实例分析表明该方法具有更好的解释性和预测能力。      

基于中心-对数半长的区间数据主成分分析

为研究多变量区间数据的降维和可视化,采用包含中心点和半长对数值的二维数组表征区间数据,建立了区间数据的代数运算法则,并在此基础上提出了一种新的区间数据主成分分析(PCA)方法。对区间半长取对数的处理保证了最终得到的区间主成分半长非负的合理性,计算过程简单、复杂度较低,并且使得降维前后样本集合中点点之间相对位置的改变尽可能小。通过对高维空间进行变量降维,从而多种经典的统计分析方法能够得到运用,同时能够在低维空间中描绘原始高维空间中的样本点,使得多变量区间数据的可视化成为可能。仿真实验结果表明了所提方法的有效性。      

两种成分提取回归方法的比较分析

对两种采用成分提取进行回归建模的方法进行比较分析.指出采用主成分分析提取的主成分,虽然能很好地概括自变量系统中的信息,却往往对因变量缺乏解释能力.而采用PLS回归所提取的成分,则能在很好地概括自变量系统信息的同时,最好地解释因变量,排除无意义的信息干扰作用.     

变量多重相关性对主成分分析的危害

证实了主成分分析完全无法消除变量系统的多重相关性和重叠信息不良影响，指出变量多重相关性无论从方向上还是从数量上都会扭曲主成分分析的客观结论，由此得知，在进行主成分分析之前，对变量系统的选择必须是极其慎重的。     

基于核主成分分析的多输出模型确认方法

目前对于不确定性环境下多个相关的复杂计算模型进行确认的方法存在计算困难及稳定性较差的问题。针对这类复杂计算模型,提出了一种新的基于核主成分分析(KPCA)的多输出模型确认方法。该方法将核主成分分析与面积法的思想相结合,构造了一个新的易于计算且稳定性高的模型确认指标。所提方法通过核主成分分析将相关的输出变量转化为不相关的核主成分,再对每一核主成分进行模型与实验的对比,从而避免了传统多输出模型确认方法中需要求解多个输出的联合累积分布函数的困难。由于核主成分分析(PCA)方法能够有效提取分析对象的非线性成分,因此基于核主成分分析的多输出模型确认方法较基于主成分分析的模型确认方法更为稳定,这表现在相同的实验样本数据下核主成分分析的方法具有更低的出错率。另外核主成分分析通过核主成分提取,可以实现多输出模型的降维,从而降低多输出模型确认的复杂度。所提方法既可以用于一般的多输出模型的确认,也可以用于多确认点的输出模型的确认。最后通过数值算例和工程算例证明了该方法的正确性与有效性。     

结构方程模型的预测建模方法

提出一种结构方程模型的动态预测建模方法,从而可以在无须未来样本数据的情况下,预测系统要素之间未来的因果关系。采用矩阵谱分解,将协方差矩阵唯一分解为特征值矩阵和特征向量矩阵乘积的形式.分别应用经典的线性回归方法和高维群点主轴旋转预测方法对特征值矩阵和特征向量矩阵建立预测模型,提出一种协方差矩阵的后推预测算法.采用极大似然法,迭代估计未来结构方程模型的各种参数.仿真实验例示了该方法的主要计算步骤.计算结果显示,利用本模型得到的拟合值精度较高,预测模型真实可信,表明这种方法可以用于分析和预测结构方程模型.      

多元线性回归的预测建模方法

根据历史的样本数据,建立多元线性回归的预测模型;从而在不需要未来样本数据的情况下,预测未来时刻多元线性回归模型中的回归参数,以及主要的模型精度评估指标.对多元线性回归模型参数的预测,转化为对其变量集合的增广矩阵的叉积阵的预测.对叉积阵进行谱分解,利用高维群点主轴旋转的预测建模方法,通过Givens变换得到特征向量矩阵的转角值,对自由取值的转角以及特征值建立预测模型.仿真实验例示了该方法的主要计算步骤;计算结果显示,利用本模型得到的拟合值精度较高,预测值真实可信.最终计算结果和实验结果吻合较好,表明这种方法可以用于分析和预测众多领域中因变量对自变量的回归关系问题.      

基于奇异谱分析的空间环境数据插补方法

空间环境数据具有典型的非线性、非平稳特征,并经常包含有缺失数据,给预报模型的建立、预测以及物理过程的分析带来了一定的困难。为了实现对缺失数据的插补,基于奇异谱分析(SSA)迭代插补的思想,设计了一种能够适用于不同缺失数据分布的插补方案。该方案提取出原始时间序列中缺失数据分布数组,利用缺失数据分布数组生成交叉验证所用的测试数据集,并利用离散粒子群优化算法寻找SSA的2个关键性参数,即嵌入窗口长度和主成分个数。通过不同太阳活动年份实际观测的太阳风参数、地磁指数等实例验证了算法的有效性。      

超声振动载荷下S06钢的长寿命疲劳性能

采用超声疲劳试验方法对新型沉淀硬化马氏体不锈钢S06钢在106~109周次范围的疲劳性能进行测定,结果表明:S06钢在循环周次大于107周次的范围仍然发生疲劳断裂,在106~109之间,应力寿命曲线持续下降,不存在疲劳极限,用107周次的条件疲劳极限来对S06钢长寿命构件进行无限寿命设计是不安全的.用载荷类型相同并且试样尺寸相近的高频疲劳试验方法对S06钢104~107周次的疲劳性能进行测定,将数据与超声疲劳试验结果进行对比发现:超声疲劳试验方法获得的S06钢的疲劳强度更高.用两种加载频率下106~107周次左右的试验数据拟合得到中值应力寿命曲线,根据应力寿命关系式中的疲劳强度系数的比值来对超声疲劳试验数据进行修正.在考虑了裂纹萌生机制和进行了频率影响修正的情况下,用线性异方差回归方法将超声疲劳试验数据拟合得到S06钢的长寿命P-S-N曲线,为长寿命构件的疲劳设计提供了基础.     

A reflectance spectra-based approach to mapping salt fields using PCA-fused Landsat TM data

In this paper a method based on in situ measured reflectance spectra was developed for accurately mapping salt fields in the Taibei Salt Farm in Lianyungang City of East China. After radiometric correction and geometric rectification, six multispectral ETM+ bands were fused with the panchromatic band via principal components analysis (PCA). The fused data were used to map salt fields in the farm. Salt fields were mapped 91.95% correctly in comparison with ground statistics from raw multispectral bands. This accuracy level rose to 96.4% with the use of the panchromatic band (15 m resolution). However, PCA-fused data produced the highest accuracy of 98.8%. At the zone level, coarse resolution data resulted in an accuracy of 98.93% for crystallization ponds, but only 82.68% for condensation ponds. Use of the panchromatic band alone improved the accuracy for condensation ponds but decreased the accuracy for crystallization and evaporation ponds. Results derived from PCA-fused data are highly consistent with the ground statistics at a discrepancy between 0.35% for evaporation zone and 1.80% for condensation zone. It is concluded that a fine spectral resolution is important to separation of ponds of a varying salt content while a fine spatial resolution is important to their mapped area. Ponds of a lower salt content can be mapped more accurately from fused data than from raw spectral bands.     

基于Fokker F27机群载荷谱损伤分散性计算分析

为考虑机群载荷谱分散性进行机群可靠性寿命评估,以56架Fokker F27飞机每次飞行的载荷因子-超越数曲线族为基础,编制得到56架飞机的载荷谱,选取SWT公式和线性累积损伤理论计算得到每架飞机的飞行载荷损伤、地-空-地载荷损伤和每次飞行载荷损伤,采用概率坐标回归方法进行拟合优度检验.结果表明,飞行载荷损伤服从威布尔分布、地-空-地载荷损伤服从对数正态分布,综合飞行载荷和地-空-地载荷损伤的每次飞行损伤服从对数正态分布,每次飞行损伤的对数标准差为0.073 7.