细节信息容量与MTF相关分析

文章从信息容量的角度出发,对图像宏观质量做出评价,再通过研究图像的细节信息容量参数,对在宏观上质量相当的图像做出更进一步的评价,挑选出边缘清晰、纹理等细节信息丰富的图像。然后将该评价参数与Ealing仪测得的调制传递函数(MTF)值的变化趋势作曲线回归分析,实验结果表明,细节信息容量与数字成像系统的MTF值的变化有着很好的正相关关系,这对评价数字成像系统MTF变化情况具有较好的实际应用价值。     

刀具磨损的偏最小二乘回归分析与建模

简述了偏最小二乘回归方法;对在不同切削条件下车削加工过程刀具后刀面磨损的多组实验数据,采用偏最小二乘回归方法,根据变量重要性指标分析和因子载荷分析,从8个变量及其组合中筛选出了6个用于建模的自变量,并以后刀具磨损量作为因变量,建立了对所选自变量(切削速度V、切削分力的均值F_x、F_y和F_z、分力比值F_y/F_x和F_z/F_x等)的偏最小二乘回归模型;采用建模数据覆盖的切削条件下的实验数据和建模数据未覆盖的切削条件下的实验数据,分别对模型进行了验证.结果表明,采用偏最小二乘回归方法选择的自变量是合理的,所建立的刀具磨损的回归模型可以较满意地计算出不同切削条件下刀具后刀面的磨损量.     

(T700/环氧)/EPDM粘接界面参数的实验测试及反演分析

为确定T700/环氧复合材料与三元乙丙橡胶(EPDM)的粘接界面参数(包括断裂韧性和法向初始强度),通过双悬臂夹层梁(DCSB)I型分层扩展实验与有限元(FEM)仿真分析,确定了(T700/环氧)/EPDM粘接界面参数的初始值;以(T700/环氧)/EPDM粘接界面参数初始值为基准,经过完全交叉分组的析因设计,以及对应...     

试车数据驱动的涡轴发动机起动过程模型辨识

针对传统的采用解析法建立涡轴发动机起动过程模型复杂的问题,提出了一种基于变步长萤火虫算法优化的有外部输入的非线性自回归网络(CSFA-NARX)的涡轴发动机起动过程模型辨识方法。以涡轴发动机起动过程试车试验数据为数据样本,利用CSFA-NARX网络模型辨识得到涡轴发动机起动过程模型,并采用留一交叉验证方法对辨识模型的性能进行验证。结果表明：得到的辨识模型输出参数,如燃气发生器转速n_g、输出轴转速n_r和涡轮后温度T₄都较好地逼近了试车实测数据,各参数验证样本最大相对误差平均值分别为0.90%、1.51%、和2.01%;在相同训练与验证样本情况下,得到的辨识模型精度优于采用萤火虫算法优化的NARX网络(FA-NARX)、NARX网络和变步长萤火虫算法优化的BP网络(CSFA-BP)模型精度。     

财务困境预测：二元Logistic回归分析与GABP算法比较

为了更好的判断和预测公司财务状况的健康程度,选取2018年至2021年114家首次被特别处理(Special Treatment, ST)的公司和189家非ST公司的85项指标,分别采用二元Logistic回归分析和GABP算法对公司的财务状况进行预测和分析。结果显示GABP算法对于财务困境的预测在预测准确率、适应性和可解释性方面均强于二元Logistic回归分析,说明机器学习在处理大量财务数据以及复杂的线性拟合问题方面具有较大的优势。将GABP输出的结果通过K-means算法进行聚类分析,纵向分析可以看出公司的发展趋势,横向分析可以得出公司财务状况在当前市场的地位,为下一步战略的规划和实施提供帮助。研究结果可为公司判断和预测财务状况选择合适方案提供依据。     

极端低温下电液伺服阀温漂特性分析

针对电液伺服阀在极端低温下温漂大的问题，以＋40℃时电液伺服阀初始零偏为基准，采用线性回归方法分析了某型射流管伺服阀不同温度的零偏试验数据，得到了极端低温下的伺服阀温漂与＋40℃时初始零偏的数学关系。分析与试验结果表明：极端低温时射流管伺服阀的温漂与＋40℃时的初始零偏存在非常显著的线性关系。温漂与电液伺服阀制造与装配工艺过程密切相关，与结构及其装配不对称有关。电液伺服阀结构上的微观不对称现象，在极端低温下显现出来，尤其是呈现出较大的温漂。降低温漂的主要措施是提高电液伺服阀结构与装配的对称性，降低初始零偏。     

分类回归树在航天测控数据关联规则分析中的应用

发现参数间的关联规则对预测航天器系统状态和改进航天器系统设计都有着重要的意义。如何发现参数间的关联规则是航天测控数据分析中的一个难点问题。针对该问题，在概述小波分析和分类回归树基本原理的基础上，提出了一种基于分类回归树的分析方法。该方法首先采用小波分析技术对参数数据进行去噪声处理，然后用随机采样的方法把数据分为训练数据集和检验数据集两部分，再构建一个分类回归树模型并用训练数据集训练该模型，随后用检验数据集对该模型进行检验，在对检验结果好坏进行评价并确认获得较好结果的基础上，对分类回归树模型进行解析，并最终得出参数间的关联规则。最后运用仿真数据对上述方法进行了实例验证，结果表明该方法能较好地分析出参数间的关联规则。     

边缘图像自适应编码方法

边缘特征常被视作无人机视觉系统中的重要信息（比如在视觉导航时需用边缘特征识别障碍物），在实践中会遇到边缘图像数据量大的情况。针对边缘图像高效压缩问题，提出了边缘图像自适应编码方法。首先以边缘打包法的压缩比和边缘点所占比例为特征，建立Logistic回归模型，然后利用图像数据库对该模型进行离线训练获取模型参数，最后利用Logistic回归模型建立分类器，自适应地在边缘打包法和链码编码法中选择压缩比最高的方法对边缘图像进行压缩。对VOC2012图像数据库的测试结果表明，与常用压缩方法相比，提出的算法能提高压缩比5%左右，有效减少了数据量。