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。      

时变方差自回归模型的联合估计函数方法推断

针对参数估计问题，利用联合估计函数方法对带有时变方差的自回归模型参数进行统计研究。介绍了带有时变方差自回归模型和联合估计函数理论的研究现状，利用联合估计函数理论，给出带有时变方差自回归模型的参数估计量，证明该参数联合估计量渐近收敛于正态分布。对提出的参数统计量进行数值模拟对比分析，模拟结果表明，与伪极大似然估计量、最小二乘估计量进行对比，提出的参数联合估计量略优于伪极大似然估计量，同时该统计量受误差项分布函数影响较小。      

利用变环境数据的Weibull分布可靠性综合评估

为了提高可靠性评估精度,研究了环境因素对产品可靠性的影响,提出了一种适用于Weibull分布的变环境数据可靠性综合评估方法.首先通过利用径向基函数法来度量不同环境因素及其交互作用对可靠性的影响,建立了关于环境因素的位置参数模型.并针对刻度参数依赖于环境因素的情形,利用线性模型来建立刻度参数模型.然后利用广义线性模型,给出了位置和刻度参数模型系数的极大似然估计,并给出了可靠度近似置信下限.实例表明该方法能较好地度量环境因素对可靠性的影响,而且合理可行便于工程应用.     

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。      

Gram-Schmidt回归及在刀具磨损预报中的应用

多元线性回归是一种应用广泛的统计分析方法.在实际应用中,当自变量集合存在严重多重相关性时,普通最小二乘方法就会失效.为解决这一问题,利用Gram-Schmidt 正交变换,提出一种新的多元线性回归建模方法——Gram-Schmidt回归.该方法可实现多元线性回归中的变量筛选,同时也解决了自变量多重相关条件下的有效建模问题.将该方法应用于机械加工过程中刀具磨损的预报分析,有效地进行了变量筛选,并得到了解释性强同时拟合优度也很高的模型结果.      

基于T-S模糊模型的模糊大系统的混合滤波

针对非线性大系统内部过程参数的检测估计,采用连续模糊大系统模型,利用lyapunov定理和分布式处理方法,给出了模糊大系统的H2/H∞混合滤波器设计方法。该方法在保证滤波误差系统全局稳定的同时,具备了H2/H∞性能。通过求解线性矩阵不等式,可以得到滤波器参数。最后,用一个数值例子验证了该方法的正确性和有效性。     

考虑认知不确定的雷达功率放大系统可靠性评估

高可靠性部件短时间内很难得到足够的性能数据,致使对部件退化规律的认知存在一定不确定性,无法准确估计系统的可靠性。为实现对系统可靠性准确估计,假定部件性能参数的分布参数为区间变量,建立了基于区间变量的部件性能参数分布模型,给出了部件状态概率的计算方法。对状态性能区间边界进行补偿,定义了区间通用生成函数及其运算法则,提出了考虑认知不确定性的多态系统可靠性评估方法,并对某型雷达功率放大分系统的可靠性进行分析。本文方法克服了性能参数分布信息缺少、无法准确建立状态性能参数分布模型的不足,具有很强的通用性和工程应用价值。      

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.     

基于快速自适应超螺旋算法的制导律

针对地空导弹攻击机动目标的制导律设计问题,提出了一种有限时间稳定的新型二阶滑模制导律。在弹目相对运动模型的基础上,将制导问题转化为一阶系统的控制问题。在超螺旋（ST）算法中引入线性项和一种新的参数自适应律,提出了一种快速自适应超螺旋（FAST）算法,该算法不需要已知系统不确定性的边界且收敛速度较快。利用类二次型Lyapunov函数证明了系统有限时间稳定性,给出了收敛时间估计公式。通过与自适应滑模制导律、ST制导律和光滑二阶滑模制导律的仿真对比,验证了所设计的制导律在保证制导精度的同时,能够在有限时间内提高滑模变量的收敛速度,并且避免了参数选择困难的问题。      

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.      

偏最小二乘回归模型内涵分析方法研究

偏最小二乘回归是一种新型的多元分析方法。它可以在自变量多重相关的条件下,有效地构造出对系统解释性最强的子空间,进行发建模,使模型的精度和可靠性得到很大的提高。本文提出采用因素分析方法,对偏最小二乘回归的最优子空间进行正交变换。这种变换方法对偏最小二乘回归的模型结果没有任何影响,却可以使最优子空间的实际含义得到更好的解释。案例研究表明,经过正交变换后,原始变量被分为若干变量组,每个变量组分别对应于最     

成分数据的空间自回归模型

针对已有成分数据线性回归模型对研究对象相互独立的严格要求,提出了含有成分数据和普通数据的空间自回归模型,在此基础上提出了成分数据空间自回归模型的估计方法。新模型结合了空间自回归模型处理因变量之间相互依赖的优势,可同时处理成分数据和普通数据。通过利用等距对数比（ilr）变换将成分数据解约束,得到了新模型的参数估计量。蒙特卡罗模拟实验验证了所提估计方法的有效性。      

涂覆吸波材料圆柱的RCS预估方法

用缩比模型测量结果预估是研制阶段获得大尺寸目标雷达散射截面（RCS）的常用方法，但根据经典电磁相似理论，严格满足缩比条件的涂覆吸波材料缩比目标测量难以实现。针对涂覆吸波材料缩比目标的RCS预估问题，提出了采用多元对数线性回归模型的预估方法。设计了2组圆柱模型，在微波暗室中对缩比因子分别为1、2、4、8的2组模型进行了测试。在完成角度矫正等数据预处理基础上，将缩比模型RCS数据作为训练集代入模型当中求得参数，对原模型的RCS进行预估并与实际实测数据进行对比分析。结果表明:所提方法预估数据与实测数据曲线拟合度较好，相较于传统平方率模型，误差下降了3~5 dB，在回归模型中加入吸波材料因子后误差进一步下降了0.3~0.8 dB。      

HRV在管制员疲劳检测中的适用性

为研究心率变异性（HRV）指标在管制员（ATC）疲劳检测中的适用性,搭建模拟管制实验平台,利用生理记录仪实时记录20名被试正常和疲劳状态下的心电（ECG）信号,并采集其主观疲劳度（卡罗林斯卡嗜睡量表）和操作绩效。利用偏相关分析选取与被试疲劳等级相关性高的心率变异性指标,并用于管制员疲劳检测的多元线性回归建模。分析结果表明:SDNN与被试的疲劳状态无相关性;LFnorm和HFnorm与疲劳程度呈弱相关;RR间期均值、LF/HF均与被试的疲劳度存在较强的相关性,二者结合建立的多元线性回归模型,拟合优度大于0.5,RR间期均值和LF/HF可作为检测管制员疲劳的有效指标。本文研究成果可为未来的管制员疲劳实时检测提供科学依据和实验支撑。      

高超声速飞行器离散模糊自适应控制

根据高超声速飞行器的欧拉近似离散模型,提出基于Back-stepping的模糊离散自适应控制器设计方法.结合模糊自适应控制和反馈线性化的方法,Back-stepping设计的每一步虚拟/实际控制量对系统非匹配的不确定性都能进行较好补偿.稳定性分析表明,该控制方法能够保证系统跟踪误差和模糊自适应参数误差是一致终值有界的.仿真使用了高超声速飞行器的纵向模型对算法进行了验证,得到了满意的控制效果.     

可容忍信标误差的三维传感网节点定位方法

针对信标位置存在误差情况下的三维无线传感器网络节点定位问题,提出一种基于正交回归的多跳定位方法.同时考虑到自变量误差和因变量偏差对节点坐标估计的影响,基于约束加权正交回归参数估计准则,建立可容忍信标位置误差的三维多跳定位模型,解决了信标位置和距离估计两方面的误差并存时的节点自定位问题,并给出求解节点坐标最优值的数值方法;推导出相应的坐标估计精度评估标准3D-MCRB (3D Multi-hop Cramér-Rao Bound).仿真结果表明:此方法对信标位置误差和距离估计误差都具有较好的抑制能力,在大多数实验条件下,能将定位精度提高10%以上.